prioritization-advisor

概览：prioritization-advisor 技能是什么

prioritization-advisor 帮助产品团队选择真正适合当前决策场景的优先级框架，而不是盲目追随流行方法。它最适合产品经理、创始人和运营负责人：当你需要回答“我们该用 RICE、ICE、价值/成本，还是别的方法？”时，它能基于团队阶段、成熟度、数据质量和利益相关方压力，给出更贴近现实的建议。

它解决的核心问题，是减少优先级框架的反复切换和无休止争论。prioritization-advisor 技能不会强行把同一种打分模型套到所有场景里，而是先推荐一个符合团队真实决策方式的框架，再说明如何落地，避免流程做得过重。

什么时候 prioritization-advisor 最适合用

当你需要为路线图规划、需求分诊，或跨职能优先级排序做决策支持时，就该用这个技能。尤其适合团队总是换方法、指标不完整，或者很难在“速度”和“严谨”之间取舍的场景。

prioritization-advisor 的不同之处

这个技能是交互式、上下文敏感的，不只是静态的框架对比。prioritization-advisor 技能会先询问最关键的条件，再据此调整推荐，因此比一个泛泛的优先级 prompt 更有用。

用户通常想从它得到什么

大多数用户想要三样东西：一个框架推荐、一段可以转述给他人的简短理由，以及足够直接的实施建议，能马上开始用。prioritization-advisor for Decision Support 的设计目标，就是一次性给你这三样。

如何使用 prioritization-advisor 技能

在你的技能库中安装 prioritization-advisor

使用该仓库的目录安装流程，例如：npx skills add deanpeters/Product-Manager-Skills --skill prioritization-advisor。如果你的环境使用的是其他 skills manager，也请把这个技能装到你平时放可复用工作流技能的同一位置，方便稳定调用。

提供正确的决策上下文

prioritization-advisor usage 在你给出清晰但简洁的背景时效果最好：产品所处阶段、团队规模、是否有可靠数据、优先级变化频率、决策面向谁，以及正在排序的工作类型。一个好的 prompt 例子是：

“为一个种子期 B2B SaaS 团队推荐一种优先级方法。我们只有有限的使用数据，1 名 PM、2 名工程师，创始人希望每周快速做决策。需要比较增长实验、支持修复，以及一个战略集成项目。”

这比直接问“我们该用哪个框架？”更好，因为它把决定正确权衡的约束条件都交代给了技能。

先读这些文件

先看 SKILL.md，再查看其中链接到的相关部分，不要先入为主地把工作流当成通用模板。这个 repo 里没有 rules/、resources/ 或 references/ 之类的辅助文件夹，所以真正的价值在于深入理解主 skill 文件，并把其中的 prompts 和 examples 作为事实依据。

把输出当作决策辅助，而不是政策文件

prioritization-advisor guide 最适合的用法，是把它的推荐当成决策支持草案。如果建议的框架和你的实际运作节奏不一致，保留它的推理过程，再调整方法本身，而不是机械照搬整套流程。尤其在存在利益相关方博弈、数据稀缺，或者 backlog 里混有多种工作类型时，这一点最重要。

prioritization-advisor 技能常见问题

prioritization-advisor 只适合产品经理吗？

不是。它对产品管理最强，但同样适合创始人、设计负责人，以及需要用有理有据的方式给不同工作排优先级的运营团队。如果你的团队必须在不确定性下做取舍，prioritization-advisor 技能依然能帮上忙。

它和普通 prompt 有什么不同？

普通 prompt 通常只是孤立地问一个框架。prioritization-advisor 更适合依赖上下文来做选择的场景，因为它会先综合阶段、决策频率和数据质量，再推荐方法。这样通常能减少泛泛而谈的建议，也能少给出不匹配的方案。

对新手友好吗？

友好，只要你能用朴素语言描述你的团队和 backlog 就行。你不需要成熟的分析体系也能用，但需要提供足够上下文，让技能区分战略性下注、渐进式改进，以及紧急运营工作。

什么时候不该用它？

如果公司已经规定了统一框架，而你只是想要一个填空式模板，就不要用 prioritization-advisor。当真正的问题不是“选哪种优先级方法”，而是战略不清、目标缺失或职责归属未解决时，它也不是合适选择。

如何改进 prioritization-advisor 技能

提供更精准的现实决策输入

最好的结果来自对真实决策环境的描述，而不只是问题类别。要说明正在排序的是什么、决策多久发生一次、你更需要速度还是可审计性，以及谁必须认可结果。这些细节能让 prioritization-advisor 选出更贴近真实工作流的框架。

明确告诉它你需要什么样的实施形态

如果你想要的不只是推荐，就直接说出来。比如：“推荐一个框架，并展示如何给 5 个 backlog 项打分”，或者“给我一个我们能用于每周规划的轻量版本”。这会提升 prioritization-advisor usage 的效果，因为输出可以按落地方式来定制，而不只是按选择结果来定制。

留意常见失败模式

最大的失败模式，是把技能喂给一堆模糊目标，比如“让优先级管理变好”。另一个常见问题，是在给上下文之前先表露自己的框架偏好，这会把结果带偏到错误模型。如果你感到阻力，先弄清楚问题到底是决策速度、利益相关方对齐，还是证据质量。

在第一次推荐后继续迭代

把第一轮答案当成起点，再用一个追问去细化它：“如果我们有更多数据，会有什么变化？”“如果战略工作和支持工作混在一起，该怎么做？”或者“如果最终拍板权在创始人手里呢？”第二轮通常比一开始就想把 prompt 写到完美，更容易得到一个真正可用的 prioritization-advisor skill 结果。