用 /triage-requests 批量分诊功能请求将需求堆转化为可执行 Backlog 的完整工作流【免费下载链接】pm-skillsPM Skills Marketplace: 100 agentic skills, commands, and plugins — from discovery to strategy, execution, launch, and growth.项目地址: https://gitcode.com/GitHub_Trending/pm/pm-skills本指南详解 PM Skills 仓库中pm-product-discovery插件的/triage-requests命令——一个面向产品经理的功能请求分诊Feature Request Triage工作流帮助你将来自支持工单、销售电话、调研问卷或 Slack 的零散需求系统性地归类为主题、对齐战略目标、按影响与成本排序最终输出一份可执行的分诊报告。读完本文你将掌握该命令的全部调用方式、六步处理流程、底层的analyze-feature-requests与prioritize-features技能实现以及报告模板与后续动作衔接可直接复制到自己的需求评审流程中使用。一、命令定位它是做什么的/triage-requests是仓库中 pm-product-discovery 插件 的五个命令之一其官方描述见 命令源文件 的 frontmatter为Analyze, categorize, and prioritize a batch of feature requests from customers or stakeholders即在一次交互中完成三件事分析Analyze、归类Categorize、排序Prioritize。它解决的核心问题是当你的面前堆着一大摞来自不同渠道的功能请求时如何从这堆需求变成一个有序、可行动、和战略对齐的 Backlog。从仓库的设计规范CLAUDE.md看本仓库遵循Skills 名词/概念Commands 动词/工作流的设计原则技能是被 Claude 自动加载的框架性知识而命令是用户主动触发的、串联一个或多个技能的端到端流程。/triage-requests正是典型的命令形态——它本身不重复造轮子而是按顺序调用analyze-feature-requests与prioritize-features两个技能来完成分诊这与/discover命令串联四个技能brainstorm-ideas → identify-assumptions → prioritize-assumptions → brainstorm-experiments的设计思路一脉相承参见 discover.md。二、安装与调用方式2.1 安装插件该命令位于pm-product-discovery插件内。在 Claude CodeCLI中安装claude plugin marketplace add phuryn/pm-skills claude plugin install pm-product-discoverypm-skills安装完成后即可在输入框中使用/触发该命令详见 README.md 的安装章节。命令的 frontmatter 中argument-hint提示了期望的入参格式feature requests as text, file, or paste。2.2 三种调用形态/triage-requests # asks for input /triage-requests [paste a list of requests] /triage-requests [upload a CSV/spreadsheet]不带参数调用命令会主动向你询问请粘贴或上传功能请求直接粘贴把一份请求列表每行一条或每段一条直接作为参数传入上传文件传入 CSV / Excel / 纯文本文件。提示命令 frontmatter 中的description会出现在 Cowork 技能列表和 Claude Code 的/补全列表中参见 CLAUDE.md 的 Whats Visible Where 一节因此即使记不住完整参数输入/triage也能看到该命令的功能提示。三、六步分诊工作流详解命令的核心骨架是六个步骤接收请求 → 收集上下文 → 归类分析 → 排序 → 输出报告 → 提供后续动作。下面逐步展开。Step 1接收功能请求Accept Feature Requests命令接受任意格式的输入并尽力保留其结构输入类型处理方式粘贴文本按行或按段落解析每一条请求上传文件读取 CSV、Excel 或纯文本文件中的请求数据结构化数据若输入带列如 requester、request、date 等保留这些列结构不扁平化若无输入命令会请用户粘贴或上传功能请求。解析每条请求时需要抽取三要素核心诉求core ask用户真正想要什么上下文context谁提的、什么时候提的、为什么提如果可得频率信号frequency signals有多少人提出了类似的需求。这一步的价值在于它要求你在分类之前先读懂每一条请求为后续的主题聚类准备好干净的数据颗粒。Step 2收集分诊上下文Gather Prioritization Context命令会以对话式、非一次性抛出一连串问题的方式向你确认以下背景信息产品是什么处于什么阶段新项目 / 已有产品 / 增长期当前的战略目标或 OKR 是什么用于评估需求与战略的对齐度有哪些约束需要考虑团队规模、技术债、临近的截止日期是否存在权重更高的细分客群企业客户、正在流失的用户、重度用户这些背景信息正是后续战略对齐度Strategic Alignment评分的输入——没有目标就无从判断一个需求是该做还是该等。Step 3归类与分析Categorize and Analyze本步骤调用 analyze-feature-requests 技能 执行以下分析动作主题聚类Theme clustering把相似请求归为同一主题例如 reporting analytics报表与分析、collaboration协作、mobile experience移动端体验每主题请求数有多少条独立请求映射到各主题战略对齐度对照既定目标将每个主题评为 High / Medium / Low / None细分客群分析哪些用户细分群体在驱动哪些主题情感信号请求是否伴随挫败感、流失威胁或兴奋感。该技能在其 Domain Context 中强调了两个重要原则永远不要让客户设计方案Never allow customers to design solutions——优先评估的是机会问题而不是功能本身推荐使用Opportunity ScoreDan Olsen评估客户报告的问题Opportunity Score Importance × (1 − Satisfaction)归一化到 0–1。这意味着在 Step 3 中主题聚类不只是把句子相似的放一起而是在主题层面评估这个主题代表的问题有多痛。Step 4优先级排序Prioritize本步骤调用 prioritize-features 技能。对每个主题以及主题内的头部独立请求按下表逐项评估因子评估问题Impact影响影响多少用户影响有多严重Strategic alignment战略对齐是否服务于当前目标Effort estimate成本估算T-shirt 尺码S / M / L / XLRisk风险如果我们不做会发生什么Revenue signal收入信号是否与成单、留存或扩张相关评估完成后对主题进行排序并产出一个有序的优先级列表。prioritize-features技能的推荐做法是输出 Top 5 功能附带清晰的排名、入选理由、权衡取舍以及被降级项及其原因——这保证了排序过程是可解释、可向干系人汇报的而不是一个黑盒分数。Step 5生成分诊报告Generate Triage Report命令内置了完整的分诊报告模板请务必完整沿用其结构下文为模板原文## Feature Request Triage Report **Date**: [today] **Requests analyzed**: [count] **Themes identified**: [count] ### Theme Summary | # | Theme | Requests | Top Ask | Alignment | Impact | Effort | Priority | |---|-------|----------|---------|-----------|--------|--------|----------| ### Priority 1: Act Now [Themes/requests to include in near-term planning] - **[Theme]**: [X] requests — [why its urgent] - Top requests: [list] - Recommended action: [build / prototype / investigate] ### Priority 2: Plan Next [Themes worth planning but not urgent] ### Priority 3: Collect More Signal [Themes with potential but insufficient evidence] ### Priority 4: Decline or Defer [Requests that dont align with strategy — with rationale] ### Notable Individual Requests [High-value one-off requests that didnt cluster into themes] ### Patterns and Insights - [Key insight about what users are telling you] - [Segment-specific patterns] - [Gaps between what users ask for and underlying needs]模板的设计要点Theme Summary 表是全局速览主题数、请求数、Top Ask、对齐度、影响、成本、优先级一表打尽可直接用于周会汇报四档优先级Act Now / Plan Next / Collect More Signal / Decline or Defer迫使你做出明确的现在做 / 稍后做 / 再收集证据 / 不做决策而不是把所有需求都塞进同一个待办池Notable Individual Requests兜住了那些高价值但未聚成主题的孤例请求避免被主题聚类淹没Patterns and Insights是报告的升华部分——不只是罗列结论而是提炼用户到底在告诉你什么。命令要求将报告以 Markdown 文件保存到用户的工作区便于沉淀为可追溯的文档。Step 6提供后续动作Offer Next Steps报告输出后命令会给出可选的后续衔接动作Want me tocreate user storiesfor the top-priority items?为最高优先级项编写用户故事Should Ibrainstorm solutionsfor any of these themes?为这些主题头脑风暴解决方案Want me todesign experimentsto validate demand before building?在开发前设计实验验证需求Should Idraft a stakeholder updatesummarizing this analysis?起草干系人更新摘要这些后续动作分别对应仓库中的其他能力写用户故事可衔接 user-stories 技能按 3C 与 INVEST 标准产出带验收标准的用户故事设计验证实验可衔接 brainstorm-experiments-new 技能用 XYZ 假设与预原型实验验证市场需求。遵循 CLAUDE.md 中命令以自然语言建议后续步骤、不硬引用其他插件命令的设计规则这些衔接全部以对话形式给出跨插件组合时不会因插件独立安装而失效。四、底层评分框架Opportunity Score、ICE 与 RICE/triage-requests的排序步骤并非凭空打分其依据来自 prioritization-frameworks 技能——一个收录了 9 种优先级框架的参考技能。与分诊最相关的三个框架如下Opportunity ScoreDan Olsen《The Lean Product Playbook》——评估客户问题机会的推荐框架Current value Importance × SatisfactionOpportunity Score Importance × (1 − Satisfaction)Customer value created Importance × (S2 − S1)S1 为改进前满意度S2 为改进后满意度高重要性 低满意度 最高 Opportunity Score 最佳机会。将需求绘制在重要性 vs 满意度图表上左上象限就是甜区。注意它的定位优先评估的是客户问题而非解决方案。ICE 框架——适合快速为想法/举措打分IImpact Opportunity Score × 受影响客户数CConfidence 信心程度1–10体现风险EEase 实现难易度1–10体现经济因素Score I × C × E分数高者优先RICE 框架——把 ICE 的 Impact 拆成两个独立因子适合需要更细粒度的较大团队RReach 受影响客户数IImpact Opportunity Score单位客户价值CConfidence 信心程度0–100%EEffort 实现工作量人月Score (R × I × C) / E在/triage-requests的分诊语境中Step 3 的 Opportunity Score 用于判断主题代表的问题有多值得解决Step 4 的 Impact / Effort / Risk / Alignment / Revenue 五因子评估则与 ICE/RICE 的精神一致——把价值和成本显式拆开衡量让排序决策有据可依。五、实战要点与边界情况命令的 Notes 部分给出了几条在真实场景中非常关键的处理原则保留结构化数据如果用户提供的是带列的 CSV应保留数据结构并对其进行丰富enrich——即在原字段基础上追加聚类主题、对齐度、优先级等分析结果列寻找需求背后的需求add dark mode增加深色模式可能真正意味着reduce eye strain during long sessions减少长时间使用时的眼部疲劳。永远要回答用户真正的问题是什么标记相互冲突的请求例如 simplify the UI简化界面与 add more configuration options增加更多配置项本质上是冲突的——报告应明确点出这类矛盾而不是和稀泥式地全部采纳大数量处理策略如果请求量很大50 条先输出主题级摘要然后**按需深入drill into**特定主题避免一次性输出过长报告结构化输入回填 CSV如果输入是结构化数据将丰富后的数据输出为可下载的 CSV方便用户在电子表格中继续加工。六、在完整产品发现流程中的位置/triage-requests并非孤立工具。在 pm-product-discovery 插件 的 5 个命令中它专注于存量需求的消化与另外四个命令互补命令定位/brainstorm从多视角生成想法或实验/discover跑完从构思到实验设计的完整发现周期/interview准备访谈脚本或总结访谈纪要/setup-metrics设计产品指标看板/triage-requests分析、归类、排序一批功能请求典型的组合用法是先用/triage-requests把散落的需求消化成有序 Backlog 并识别出高优先级主题再针对其中证据不足的主题用实验或访谈补充信号最后把确认的机会送进/write-prd、/write-stories等执行类工作流。这种命令之间通过自然语言建议自然流转的设计正是本仓库把发现discovery到执行execution串成一条产品管理流水线的体现。七、总结/triage-requests用六步结构化流程把一堆需求转化为一份决策解析并保留输入结构 → 对话式收集战略上下文 → 主题聚类与五维分析 → 基于 Impact / Alignment / Effort / Risk / Revenue 排序 → 输出含四档优先级与洞察的分诊报告 → 引导进入用户故事、实验设计等后续动作。其分析深度由 analyze-feature-requests、prioritize-features 与 prioritization-frameworks 三个技能共同支撑评分逻辑遵循 Opportunity Score / ICE / RICE 等业界框架。对于任何被需求评审会议淹没的产品团队这套工作流提供了一种可复现、可汇报、可回溯的需求消化方式——把感觉上该做变成有依据地排序。【免费下载链接】pm-skillsPM Skills Marketplace: 100 agentic skills, commands, and plugins — from discovery to strategy, execution, launch, and growth.项目地址: https://gitcode.com/GitHub_Trending/pm/pm-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
