lenny-skills
lenny-skills 是一个专为产品管理打造的 AI 技能库，它将知名播客 Lenny's Podcast 中 100 多期访谈的精华，提炼为 86 个具体的实操指南。这些内容涵盖了从招聘、用户研究、战略制定到产品发布等全方位的产品工作场景。
在实际工作中，产品经理和创业者往往难以快速检索并应用分散在海量访谈中的专家经验。lenny-skills 解决了这一痛点，它将 Shreyas Doshi、Marty Cagan 等顶尖产品领袖的智慧转化为结构化的 Markdown 文件。当与 Claude Code 等 AI 编程助手结合时，这些“技能”能让 AI 理解特定的产品任务，自动调用相应的框架和最佳实践，从而提供更具深度和专业性的建议，而不仅仅是通用的回答。
这款工具特别适合产品经理、初创公司创始人以及产品团队成员使用。无论是需要设计增长闭环、分析用户反馈，还是准备晋升答辩、构建销售团队，用户都能从中获得针对性的指导。其独特之处在于将非结构化的音频访谈内容，转化为了机器可读、可执行的标准化工作流，让资深专家的隐性知识变得触手可及，真正实现了用 AI 辅助高质量的产品决策与执行。
使用场景
某 SaaS 初创公司的产品负责人正急需在两周内完成新一轮用户调研，并基于反馈制定下一季度的产品增长策略，但团队缺乏系统性的方法论指导。
没有 lenny-skills 时
- 调研设计随意：设计的用户访谈提纲缺乏深度，容易陷入“引导式提问”，难以挖掘用户真实的痛点而非表面需求。
- 反馈分析低效：面对几十份杂乱的访谈记录，只能凭直觉归纳，遗漏关键信号，无法形成结构化的洞察报告。
- 策略落地困难：在制定增长循环（Growth Loops）时，仅靠零散的网络文章拼凑方案，缺乏经过验证的框架，导致开发资源浪费在无效功能上。
- 团队协作成本高：由于缺乏统一的产品语言和方法论，与工程、设计团队沟通时频繁出现理解偏差，反复对齐消耗大量时间。
使用 lenny-skills 后
- 专业提纲生成：调用
conducting-user-interviews技能，Claude 瞬间生成符合 Marty Cagan 等专家理念的结构化访谈脚本，确保问题能直击核心行为动机。 - 洞察自动合成：利用
analyzing-user-feedback技能，将原始录音转录文本输入后，AI 自动识别模式、提炼关键主题并输出可执行的建议清单。 - 科学策略构建：通过
designing-growth-loops和ai-product-strategy技能，基于行业最佳实践快速搭建增长模型，明确优先级的判断依据，大幅降低试错成本。 - 统一协作语境：团队成员借助 lenny-skills 中内嵌的权威框架进行沟通，大家对“机会评估”、“风险排查”等概念达成共识，会议效率显著提升。
lenny-skills 将全球顶尖产品领袖的经验转化为终端里的实时教练，让中小团队也能拥有世界级的产品决策能力。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明
快速开始
Lenny 面向 Claude Code 的产品技能
86 项产品管理技能，源自 Lenny 播客 对全球顶尖产品领导者的访谈。专为希望让 Claude 协助处理实际产品工作的产品经理、创始人及产品团队打造。
“来自 Shreyas Doshi、Marty Cagan、Elena Verna 等 90 多位领袖的最佳产品建议——尽在你的终端中。”
由 Refound AI 整理自 100 多集播客内容，嘉宾包括 Shreyas Doshi、Marty Cagan、Elena Verna、Christina Wodtke 等多位行业领袖。
欢迎贡献！ 如果你发现有改进现有技能的方法，或有新的技能想要添加，请 提交 Pull Request。
什么是 Skills？
Skills 是一些 Markdown 文件，它们为 AI 助手提供针对特定任务的专业知识与工作流。当你将这些 Skills 添加到项目中时，Claude Code 就能识别出你在进行产品相关的工作，并应用来自资深产品领导者的正确框架与最佳实践。
可用的 Skills
安装
选项 1：CLI 安装（推荐）
使用 npx skills 直接安装技能：
# 安装所有技能
npx skills add RefoundAI/lenny-skills
# 安装特定技能
npx skills add RefoundAI/lenny-skills --skill evaluating-candidates writing-prds
# 列出可用技能
npx skills add RefoundAI/lenny-skills --list
这会自动将技能安装到你的 .claude/skills/ 目录中。
选项 2：克隆并复制
克隆仓库并将技能复制到你的项目中：
git clone https://github.com/RefoundAI/lenny-skills.git
cp -r lenny-skills/skills/* .claude/skills/
选项 3：Git 子模块
以子模块形式添加，便于更新：
git submodule add https://github.com/RefoundAI/lenny-skills.git .claude/lenny-skills
然后从 .claude/lenny-skills/skills/ 引用技能。
选项 4：fork 并定制
- Fork 此仓库
- 根据你的具体需求定制技能
- 将你的 fork 克隆到你的项目中
使用
安装完成后，只需让 Claude Code 帮助你完成产品相关任务：
“帮我评估这位 PM 候选人”
→ 使用 evaluating-candidates 技能
“我需要为我们的新功能撰写一份 PRD”
→ 使用 writing-prds 技能
“如何获得利益相关者的支持来推进这个项目？”
→ 使用 stakeholder-alignment 技能
“我们交付的速度太慢了”
→ 使用 shipping-products 技能
你也可以直接调用技能：
/evaluating-candidates
/writing-prds
/stakeholder-alignment
技能分类
招聘与团队建设
evaluating-candidates- 做出更好的招聘决策conducting-interviews- 进行高效的面试writing-job-descriptions- 撰写有吸引力的职位描述onboarding-new-hires- 新员工入职培训building-team-culture- 打造强大的团队文化coaching-pms- 培养和指导产品经理
用户研究与发现
conducting-user-interviews- 开展更有效的用户访谈analyzing-user-feedback- 整理客户反馈usability-testing- 进行有效的可用性测试designing-surveys- 设计高效的问卷调查measuring-product-market-fit- 评估并实现产品市场契合度
战略与规划
defining-product-vision- 制定引人注目的产品愿景prioritizing-roadmap- 有效优先排序setting-okrs-goals- 设定高效的目标与关键成果writing-prds- 撰写有效的产品需求文档working-backwards- 应用亚马逊的工作方法problem-definition- 清晰定义问题
交付与执行
shipping-products- 以更高的质量更快地交付产品managing-timelines- 制定并按时完成时间表scoping-cutting- 确定功能范围并进行裁剪managing-tech-debt- 战略性管理技术债务post-mortems-retrospectives- 有效开展复盘会议
领导力与对齐
stakeholder-alignment- 获得利益相关者的支持managing-up- 与上级有效协作having-difficult-conversations- 处理棘手的反馈running-effective-meetings- 组织更高效的会议running-effective-1-1s- 举办高效的 1 对 1 会议giving-presentations- 进行有说服力的演示
增长与变现
designing-growth-loops- 设计增长回路retention-engagement- 提升用户留存率pricing-strategy- 制定定价策略user-onboarding- 设计产品引导流程
销售与市场推广
founder-sales- 获取首批客户enterprise-sales- 处理企业级交易launch-marketing- 规划产品发布positioning-messaging- 构建清晰的品牌定位与信息传递
职业发展
building-a-promotion-case- 争取晋升机会career-transitions- 应对职业转型finding-mentors-sponsors- 建立导师关系managing-imposter-syndrome- 应对自我怀疑negotiating-offers- 协商薪酬待遇
AI 与技术
building-with-llms- 构建 AI 应用程序ai-product-strategy- 制定 AI 战略ai-evals- 创建 AI 评估工具vibe-coding- 使用 AI 编码工具进行开发
贡献
发现改进技能的方法了吗？或者有新的技能建议吗？欢迎提交 PR 或 Issue！
添加新技能
- 在
skills/中创建一个以你的技能命名的文件夹（采用短横线分隔的小写格式） - 添加一个包含 frontmatter 和内容的
SKILL.md文件 - 可选地添加一个包含参考资料的
references/文件夹 - 更新 README 中的技能表格
- 提交 PR
改进现有技能
- 修复错误或过时的信息
- 补充缺失的框架或见解
- 提高可操作性和具体性
- 增加更好的诊断性问题
请参考各个技能文件以了解预期格式。
关于
这些技能是通过分析 100 多集 Lenny 的播客 并从中提取可操作的框架而创建的，嘉宾包括：
- Shreyas Doshi（Twitter、Stripe）
- Marty Cagan（硅谷产品集团）
- Elena Verna（Amplitude、Miro）
- Christina Wodtke（斯坦福大学）
- Dylan Field（Figma）
- 以及另外 90 多位产品领域的领导者
由 Refound AI 构建——帮助公司通过 AI 实现转型。
星标历史
如果你觉得这个项目有用，请给它点个星，让更多人发现它吧！
许可证
MIT - 你可以随意使用这些技能。
版本历史
v1.0.02026/01/29相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器