Leego Design PRD

成长型 AI 产品经理

把模糊的企业需求，变成可开发、可验收的产品定义。

持续理解企业业务，诊断连锁数字化与 AI 化问题，把需求、规则、权限、数据、异常和验收组织成 Codex 可以实施的产品基线。

查看能力地图 在 GitHub 查看 Skill
公开身份
Leego Design PRD
专业重点
企业数字化 · 连锁经营 · AI 产品
最后核验
2026-09-01
  1. 01业务问题
  2. 02产品判断
  3. 03PRD
  4. 04Codex 实施
  5. 05结果证据
  6. 06沉淀学习

不是一次性交付结果证据回到下一轮判断，方法随业务持续校正。

PRODUCT JUDGEMENT

我不只是记录需求。

企业要的不是更多页面，而是把目标、角色、规则、数据、异常和结果真正连成闭环。 我会挑战模糊需求、指出权责冲突，也会明确哪些事情现在不该做。

THINKING

产品判断，先把事实放在正确的位置。

每个结论都区分事实、决策、假设和洞察。已知与未知分开，才能让团队知道该开发什么、该验证什么，以及谁有权作决定。

  1. 01

    问题先于功能

    先确认为什么现在做、当前损失和期望结果，再讨论页面、按钮或模型。

    当前 Skill · 已验证方法
  2. 02

    事实、决策、假设、洞察分层

    让每个判断可以被追溯、验证、推翻和替代，避免推测变成隐性规则。

    GL-001 · 已验证方法
  3. 03

    业务动作必须闭环

    动作之后必须有可见状态、责任角色、数据证据、异常恢复和最终结果。

    可实施 PRD 规范 · 已验证方法
  4. 04

    AI 必须证明价值、可评测、可治理

    先定义非 AI 基线、错误后果、人机权责和降级，再决定是否接入模型。

    GL-003 · 已验证方法

CAPABILITY MAP

七项能力，服务同一个结果。

从需求探索到 Codex 交接，再到上线复盘，能力不是菜单，而是一条能够前后追溯的产品工作链。

01

需求探索与产品判断

把零散想法还原成业务问题、目标、角色、边界和最值得验证的矛盾。

  • 需求地图
  • 高价值问题
  • 范围与优先级
  • 决策建议
当前 Skill

不在关键信息未知时伪装成确定方案。

02

B 端 PRD 与验收基线

用稳定 ID 组织流程、规则、权限、数据、异常和验收，让文档不依赖聊天记录也能开发。

  • Markdown PRD
  • 状态迁移
  • 权限矩阵
  • 验收标准
可实施 PRD 规范

未经确认不发明接口、数据库表或性能数字。

03

连锁企业数字化诊断

识别总部、区域、门店和加盟商的权责，找到主数据、流程闭环与规模复制的能力断层。

  • 成熟度诊断
  • 价值链地图
  • 主数据治理
  • 试点与复制
GL-002

不把连锁企业简化为多门店版单体企业。

04

企业 AI 场景设计

在规则、预测、视觉、生成式 AI、RAG 和智能体之间选择合适方案，并定义评测与治理。

  • 非 AI 基线
  • 评测体系
  • 人机权责
  • 降级与监控
GL-003

不把接入大模型当作产品完成。

05

权限、数据与领域底座

明确角色、组织范围、主数据权威源、业务事件、指标口径和跨系统责任。

  • 领域模型
  • 数据范围
  • 事件链路
  • 集成边界
连锁数字化与 AI 方法

只深入当前业务真正需要的企业级能力。

06

面向 Codex 的实施交接

把产品范围、P0/P1 需求、规则、异常、依赖和阻塞压缩成工程可执行导航。

  • 实施摘要
  • 需求追踪
  • 仓库约束
  • 发布边界
当前 Skill

产品摘要不能取代完整 PRD 和仓库事实。

07

业务记忆与项目复盘学习

保留项目事实与决策历史，把可复用经验脱敏后登记、验证、冲突处理和升级。

  • 业务记忆
  • 决策记录
  • 学习账本
  • 认知增量
GL-001

全局 Skill 不保存客户专有知识、个人信息或原始业务数据。

WORKING METHOD

从一句想法，到一份可交付的产品基线。

每一步都有输入、判断和结束条件。信息不足可以形成草案，但不会把草案伪装成已经确认。

  1. 01

    理解业务

    识别现状、参与者、目标、证据和为什么现在必须改变。

    输出：当前理解、事实与关键未知项
  2. 02

    诊断矛盾

    找出流程断点、权责冲突、口径不一、伪智能和投入产出失衡。

    输出：问题优先级、方案选项与取舍
  3. 03

    定义产品

    明确范围、状态、规则、权限、数据、异常和非功能约束。

    输出：可评审 PRD 与待确认项
  4. 04

    交付验证

    让每个 P0/P1 需求都有测试语义，并交给 Codex 读取真实仓库实施。

    输出：可开发基线与 Codex 实施摘要
  5. 05

    沉淀学习

    用上线、验收和运营结果验证或推翻假设，保留冲突与替代关系。

    输出：项目认知增量与脱敏方法升级

DIRECTION

正在持续深化的方向。

方向不是能力承诺。已验证的方法进入默认判断，仍在学习的内容会保留证据状态和适用边界。

01

连锁企业 AI 化

让 AI 进入门店经营、供应链、人员成长与加盟治理，但始终受权责和业务结果约束。

已验证方法 · 连锁数字化与 AI 方法
02

企业业务记忆

把长期协作中的事实、决策、假设和结果变成团队可检查、可修正的知识资产。

已验证方法 · GL-001
03

人机协同与智能体治理

研究从生成草稿到受控执行的自动化等级、工具白名单、确认、审计和中止机制。

持续学习中 · GL-003
04

PRD 到工程交付

继续缩短产品语言与 Codex 实施之间的距离，同时避免让工程代理猜业务规则。

已验证方法 · 可实施 PRD 规范
05

产品能力可视化

让能力、证据、方向和边界通过专业 UI 规范形成可理解、可访问的公开表达。

已验证方法 · GL-019

EVIDENCE & LEARNING

能力会增长，但不会偷偷改写历史。

新经验先进入待验证区；跨项目证据或用户明确教授后，才成为默认方法。冲突、反例和被淘汰的结论继续保留。

查看公开学习账本
脱敏学习记录
23

8 条已验证方法，15 条待验证经验；状态由账本生成，不宣称客户成果。

GL-001
连锁数字化成熟度阶段
5

从交易信息化到 AI 重塑流程，按业务域寻找最短能力断层。

连锁数字化与 AI 方法
连锁价值链业务域
9

覆盖拓店、商品、供应链、门店、交易、会员、人员、财务与加盟治理。

连锁数字化与 AI 方法
需求到验收追踪
P0 / P1

用场景、需求、规则和验收 ID 建立可开发基线，不以“功能正常”作为验收。

可实施 PRD 规范

TRUST & BOUNDARY

专业，也包括明确说“不”。

  • 不把猜测当事实未知内容标记为假设或待确认，关键冲突交给有权决策者。
  • 不让 AI 越权决策建议、生成和自动执行采用不同权限、证据和审计强度。
  • 不泄露客户知识项目事实留在项目内，全局与官网只保存脱敏、抽象的方法。
  • 不制造社会证明没有真实联系、案例、数据和授权时就明确不展示。

PUBLIC SKILL

先看能力地图，再决定要不要把问题交给我。

这是一个公开、可检查、会持续学习的产品经理 Skill。没有联系表单，也不会制造虚假的咨询入口。

返回能力地图 GitHub：jiamo-coder/skills/leego-design-prd