Catalog
Every x402, MPP, MCP, and skill listing we've indexed, normalized, and enriched.
p0g-diversity-rewrite-checklist
多元推荐改写清单。当团队想重写推荐系统时，最容易只在原目标函数上加一点随机。 这个 Skill 帮你避免"看起来更多元，底层仍然单一"。
p0g-diverse-recommendation-rewriter
多元推荐改写清单。AI 时代的推荐系统不再是"猜你喜欢"， 而是"帮你发现你还不知道自己会喜欢的"。这个 Skill 提供从单一推荐到多元推荐的改写框架。
p0f-agent-boundary-designer
Agent 边界清单。AI 产品最危险的不是做不到，而是做过头。 这个 Skill 帮你系统性地定义 AI 应该做什么、不应该做什么、什么时候必须停下来等人。
p0e-good-question-generator
好问题六维观察表。AI 时代产品经理最重要的能力不是给答案，而是提好问题。 这个 Skill 提供六个维度的观察框架，帮你从不同角度发现好问题。
p0d-needs-archaeologist
需求考古五步法。用户说出来的需求只是冰山一角，真正的需求往往埋在历史决策、组织结构和业务演化中。 这个 Skill 教你如何挖掘深层需求。
p0c-needs-decomposer
需求四层拆解卡。很多团队一听到用户表达，就直接拆功能。 这张卡强迫团队先把"用户说了什么"和"用户真正被什么困住"分开。 基于《AI rebuild
p0b-real-needs-validator
真需求判断五问验车器。AI 时代最危险的不是没有需求，而是伪需求太容易长得像真需求。 基于《AI rebuild product needs》工具卡。
p0a-micro-needs-detector
微需求五问检测器。团队天然偏爱"大需求"，这个 Skill 把看起来很小、但可能压得很深的问题重新看见。 基于《AI rebuild product
ai-native-product-needs
AI Native 产品需求发现 Skill。基于《AI rebuild product needs》方法论， 帮助用户在 AI Agent
p0-needs-orchestrator
需求发现编排器。协调微需求检测、真需求验证、需求拆解、需求考古、好问题生成、Agent 边界设计、多元推荐改写、AI 产品三重平衡八个工具卡，
combo-ux-to-audit
UX 设计 → 审计放行 组合 Skill。将 RAX 风险评估、信任度分级、渐进式披露 与审计放行流程打通，输出 UX 审计报告 + 放行建议。
combo-needs-to-direction
需求发现 → 方向定界 组合 Skill。从用户痛点出发，系统跑完微需求检测、 真需求验证、四层拆解，输出可直接进入方向定界的 Direction
combo-business-to-growth
商业模式 → 增长策略 组合 Skill。将确定性溢价定价策略与 AI Native 增长飞轮匹配， 输出定价-增长联动策略，确保商业模式和增长方式自洽。
ai-native-ux-design
AI Native 产品方法论——AI Native 用户体验设计的实操 Skill。 用户提供产品场景，Skill 自动执行 UX 设计流程： 任务分析 → 人机分工设计 → 状态可见性 → 纠偏机制 → 信任设计 → 反馈沉淀 → 输出 UX 方案。 基于《AI Native 产品方法论》第16章。
ai-native-system-building
AI Native 产品方法论——系统构建阶段的总论 Skill。 用户提供实验结论报告，Skill 自动执行系统构建流程： 实验证据输入 → 系统边界定义 → 能力模块设计 → 治理与观测补齐 → 输出系统构建方案。 基于《AI Native 产品方法论》第11章。
ai-native-production-ops
AI Native 产品方法论——生产运行与循环回灌的实操 Skill。 用户提供产品已上线或即将上线，Skill 自动执行生产运行流程： 可观测性设计 → 指标体系搭建 → 失败与人工修正识别 → 反馈回灌 → 价值/商业/客户循环 → 输出生产运行方案。 包含价值发现循环（§1）、AIOps案例（§2）、客服案例（§3）、SaaS案例（§4）、产品团队（§5）五个合并子模块。 基于《AI Native 产品方法论》第18-27章。
ai-native-product-needs
AI Native 产品需求发现 Skill。基于《AI rebuild product needs》方法论， 帮助用户在 AI Agent
ai-native-pm-agent
AI Native 产品经理 Agent — — 五书合一的产品工作流编排器。 用户提供一个产品想法或问题线索，Agent 自动编排七个阶段：
ai-native-memory-system
AI Native 产品方法论——记忆系统设计的实操 Skill。 用户提供产品场景，Skill 自动执行记忆系统设计流程： 记忆需求分析 → 记忆分类设计 → 权限与时效策略 → 存储与索引 → 人工修正与再沉淀 → 输出记忆系统方案。 基于《AI Native 产品方法论》第13章。
ai-native-marketing-growth
AI Native 营销与增长策略 Skill。基于《AI Native 营销与增长》方法论， 帮助用户构建以 AI 为第一性原理的增长系统：从工具思维升级为系统思维， 建立 AI Native 增长飞轮，实现数据-模型-反馈的复利增长。
ai-native-knowledge-rag
AI Native 产品方法论——RAG与知识系统设计的实操 Skill。 用户提供企业知识场景，Skill 自动执行知识系统设计流程： 资料来源分析 → 清洗与脱敏 → 索引与权限控制 → 检索召回 → 评估与更新 → 输出知识系统方案。 基于《AI Native 产品方法论》第15章。
ai-native-experiment-engine
AI Native 产品方法论——试验展开阶段的实操 Skill。 用户提供 Direction Brief 或问题方向，Skill 自动执行试验展开流程： 资料准备 → 能力实验 → 产品实验 → 商业实验 → 评估与失败分析 → 输出实验结论报告。 覆盖《AI Native 产品方法论》第06-10章。