企业官网建设流程全解析

product-manager-prompts 是一个面向产品经理的开源 AI 提示词资产库，收录了 108+ 个可直接粘贴进 ChatGPT、Claude、Gemini 使用的提示词，覆盖 PRD、竞品作战卡、市场规模测算、用户故事等真实 PM 场景。这个项目的核心原理一句话就能说清：每条提示词都遵循 3 种 AI 交互模式之一，模式决定了上下文从哪来、AI 和你各自扮演什么角色。看懂这一层，你就看懂了整个提示词库的运行逻辑。

🧭 3种AI交互模式对照表:上下文从哪来,就选哪种模式

项目文档 interaction-modes.md 定义了三者唯一的区分轴——上下文来源（context source）:

一句话总结：你的知识 → 模式①；模板的结构 → 模式②；公开信息 → 模式③。

🤖 模式一:引导式 Facilitation,让 AI 一步步问出你的上下文

当答案只存在于你的脑子里（你的产品、你的干系人、你的约束），就让 AI 用提问把上下文"提取"出来，而不是让你提前写长篇背景。完整规范见 generative-guidance-pattern.md，核心机制有 6 条：

• 3–5 个问题预算，一次只问一个：绝不堆叠问题；
• 3 个上下文感知选项 + "Other"：前 3 个选项必须引用你此前回答里的具体细节，而不是固定菜单；
• 两条常驻逃生通道：随时可以说 "take your best guess"（AI 给出最强假设并明确标注）或 "bulk drop"（直接粘贴一坨笔记，AI 只追问真正缺失的部分）；
• 循环控制动词：skip、go back to question 2、"that's enough, build it" 任何时刻都能用；
• 答案让下一题更准：到第 3、4 题时，选项应该比开局时具体得多；
• 循环关闭前不输出成品：先给"已知 / 假设 / 仍缺失"摘要，你确认后才生成。

典型资产是 workshops/battle-card-workshop.md：AI 从团队成员的记忆里"问"出真实出现过的竞品异议，生成销售可以直接上场的作战卡。

💡 关键判断：如果答案靠搜索就能公开查到，不要用这个模式——项目文档明确指出，让用户复述公开事实属于"甩锅式提问"（burden-shifting），应改用自主调查模式。

📋 模式二:检查点共建 Co-Construction,模板定骨架你把关每一节

当交付物已有已知结构（PRD 模板、章节大纲、案例研究），模板就是骨架，AI 逐节填写。interaction-modes.md 给出了 6 个关键动作：

1. 工件前置：模板不在会话里？先问要，不做别的；
2. 模板章节即迭代器：一次完成一节，而不是按硬编码的问题清单推进；
3. 检查点闸门：每节结束必问"精修这一节，还是进入下一节？"，并等待回复；
4. 诚实填缝：缺的信息标注为Assumption或Open Question，绝不发明事实、数据或承诺；
5. 按需组装：全部完成后，由你决定是否拼成完整文档；
6. 收尾自我批判：附上最强的一节、最弱的一节、待验证假设和下一步建议。

看 workshops/prd-workshop.md 的指令：每节完成后停在检查点、每个缺口必须贴标签、"Never invent facts"。它头部的教学注释还点明了原因——在第 2 节拦住一个烂的问题陈述，远比在第 9 节拦住便宜得多。

适合高风险文档（融资决策级 PRD、争议性范围），不适合两种情况：没有驱动工件、或你本人无法到场把关。

🔍 模式三:自主调查 Autonomous Investigation,让 AI 自己上网做田野

上下文在公开世界（市场规模、竞品情报、公司调研）时，提示词直接命令 AI 做田野调查。这是唯一能无人值守、定时循环运行的模式，其 11 个关键要素中最值得记住的有 6 个（完整规范见 interaction-modes.md）：

• 问题预算：硬性上限（如"最多问 4 个"），没人回答就用强默认假设继续；
• 搜索计划闸门：开始前先展示一份 3 行的搜索计划，你不改就继续——审一份 3 行计划只需几秒，审一份错报告要花掉整次运行；
• 证据契约：每个关键数据点配可点击来源 URL，来源混合政府统计、行业报告、公司财报等；
• 三级证据标签：关键结论标Fact / Inference / Assumption，不确定性结构化呈现，不藏在含糊措辞里;
• do-not-invent 清单：点名这个领域特有的虚构风险（竞品、定价、市场份额、客户案例）；
• 稳定输出 Schema：章节顺序固定，让 run N 和 run N+1 可以 diff——这是"定时监测、只报实质变化"的底层能力。

代表资产：market-intelligence/tam-sam-som-analysis-prompt.md 明确要求"最多问 4 个问题，用户不回复就用带标注的证据型假设继续"。整个 market-intelligence/ 目录（SWOT、波特五力、竞品监测、全源融合等）都遵循此模式。

🔄 进阶:用 Jinja2 记号把提示词变成可控的 Loop

想让模式③反复跑（每周竞品监测、逐段市场规模测算），项目用Jinja2 记号在提示词里写出循环边界、停止条件和空集处理——没有模板引擎参与，AI 自己就是渲染器，提示词照旧可直接复制粘贴运行。规范见 jinja2-prompt-structures.md。loops/ 目录提供 7 个"加料"配方，例如：

• loops/market-sizing-loop.md：先冻结分段清单再逐段测算，每段设闸门，最后才汇总——一个错误假设只会留在它自己的分段里；
• loops/competitive-watch-routine.md：带版本号的竞品监测例行任务，只报告实质变化。

✅ 30秒自测:我该用哪种AI交互模式?

项目给出了 3 问决策清单（interaction-modes.md），按顺序回答即可：

1. AI 自己做个网络搜索就能答上来吗？→ 是，用自主调查；问用户是浪费时间。
2. 有现成模板定义结构，且你能到场把舵吗？→ 是，用检查点共建。
3. 都不是？→ 用引导式，并给自带上下文的用户备好 bulk drop 出口。

📌 三种模式共享的 5 条底层约定

无论选哪种模式，库中所有提示词都遵守同一套契约（interaction-modes.md）：

• 点名所有假设：你永远知道哪句是猜的，产出以"待验证假设"收尾；
• 声明搜索：要查什么、为什么查，明说；绝不静默虚构；
• 写明取舍标准：遇到权衡时，按作者的方式拍板；
• 人始终是决策者：AI 提出、起草、调查，但不批准、不承诺、不决定；
• Final Step 收尾：恰好 4 个编号的下一步选项，推荐项排第一。

🚀 新手上手路径:从"用提示词"到"写提示词"

1. 挑一个提示词直接粘：在 catalog/INDEX.md 浏览全库，每条资产都有一行描述；
2. 读隐藏的教学层：每个提示词开头的 HTML 注释块含 Description、When NOT to Use、Pedagogic Notes——AI 会忽略它们，你不应该；
3. 用生成器写自己的：prompt-generators/ 里的元提示词会先访谈你，再产出一条可复用的提示词；
4. 逆向拆解任意提示词：用 skeletons/ 的分析工具包看它的骨架；
5. 系统学方法论：prompting-style-guide.md 记录了五块式结构（Context / Instruction / Parameter / Output / Validation）与跨 ChatGPT、Claude、Gemini 的测试规范。

小结

product-manager-prompts 用 108 个真实资产演示了 AI 提示词的工作原理：上下文来自你 → 引导式；来自模板 → 检查点共建；来自世界 → 自主调查。下次挑选或编写提示词前，先问一句"上下文在哪"——这一个问题的答案，会决定整条提示词该长什么样。