评分明细
适用场景
这是什么?适合谁?
SunaAgent 产品拆解 Skill(product-teardown-journal)是一个把”产品拆解”这个 PM 核心练习工程化的 Agent Skill:给它一个产品名,它会按 7 步框架——定位一句话(目标用户+核心痛点+差异化)、核心模块(解剖主要功能并解释存在理由)、交互叙事(还原一个典型用户的完整使用旅程)、价值主张(如何变现)、细分市场(TAM/SAM/SOM 拆解)、增长引擎(获客渠道)、领导层(决策者背景)——产出结构化的深度拆解。仓库同时附赠 13 期已完成的拆解期刊(Notion、DeepSeek、Figma、Suno 等热门产品),既是范本也是学习材料。
适合人群:想系统提升商业分析能力的产品经理、以拆解热门产品为学习手段的创业者、需要快速理解竞品格局的从业者。 使用前提:Claude Code 或兼容 Agent 环境、对目标产品有基础认知。
准备工作
- 工具账号:Claude Code 订阅(或任意支持 SKILL.md 的 agent)
- 时间预算:安装 5 分钟;单次完整拆解 20-40 分钟(含资料检索)
- 前置知识:基础的产品分析词汇(TAM/SAM/SOM、价值主张等)
- 替代方案:手工拆解笔记(自由但易漏项);付费行业报告(成品但无方法论迁移)
三步核心流程
第 1 步:安装 skill 并浏览范本
将 SKILL.md 拷入 skills 目录。先读仓库里 1-2 期成品拆解(如 DeepSeek 期),感受 7 步框架的产出形态——每步是什么粒度、证据如何引用。
第 2 步:跑第一次拆解
选一个你熟悉的产品(便于判断产出质量),下达指令:
用产品拆解框架完整拆解 [产品名],重点补全交互叙事与增长引擎两步。
预期产出:一份 7 部分的结构化拆解文档,每部分含分析与信息来源;你熟悉的部分可以检验其准确性。
第 3 步:对照范本迭代
把你的产出与 13 期期刊中的同类产品对照,找出深度差距(通常是细分市场数字和领导层背景挖得不够),追加指令深挖:
细分市场部分按 TAM/SAM/SOM 三层重算,标注每个数字的来源。
预期产出:数字有出处、口径清晰的市场拆解,而非拍脑袋区间。
常见踩坑(5 条)
踩坑 1:拆解变成功能罗列
- 现象:核心模块部分只列功能不解释”为什么存在”
- 原因:框架中”存在理由”被跳过
- 解决:指令显式要求”每个模块必须回答:如果砍掉它会怎样”
踩坑 2:数字无来源
- 现象:市场规模、用户数随手写
- 原因:模型在缺乏数据时倾向编造
- 解决:强制要求”每个数字附来源链接,查不到就标注’未找到公开数据’”
踩坑 3:交互叙事过于笼统
- 现象:用户旅程写成”用户打开产品,使用功能,完成任务”
- 原因:没有锚定具体场景与情绪
- 解决:要求”还原一个具体角色(姓名/职业/场景)从发现产品到付费的完整路径”
踩坑 4:增长引擎只写”内容营销”
- 现象:所有产品的增长都写成 SEO+社媒
- 原因:模型用通用模板填充
- 解决:要求”指出该产品独有的增长机制,并给一个可验证的证据(如推荐计划链接)”
踩坑 5:拆解对象太小众查无资料
- 现象:7 步大面积空白
- 原因:小众产品公开信息不足
- 解决:换成熟产品练手,或接受部分步骤标注”信息不可得”
FAQ(5 个常见问题)
Q1:拆解一个产品要多久? A:指令发出后 20-40 分钟产出初稿;质量取决于你的迭代轮数。
Q2:13 期期刊能单独看吗? A:能,期刊在仓库内可直接阅读,即使不装 skill 也有学习价值。
Q3:拆解结果能商用吗? A:产出归你,但引用的第三方数据受各自版权约束;仓库本身无 LICENSE,skill 文本二次分发需注意。
Q4:能拆解非软件产品吗? A:框架源于软件产品拆解,用于硬件/服务类产品需自行调整部分步骤。
Q5:和 SWOT/PEST 分析什么关系? A:7 步框架更聚焦”单个产品如何运作与赚钱”,SWOT/PEST 更宏观;可互补使用。
小技巧(5 条)
- 先读期刊再跑拆解:范本校准你的预期,避免被初稿的表面完整度骗到。
- 拆解前先写假设:动手前写下你对产品的 3 个判断,拆解后对照,学习效果翻倍。
- 每周一期固定练:把拆解变成 routine,比一次拆十个收获大。
- 证据链大于结论:结论可能过时,“如何找到证据”的流程才是可迁移能力。
- 反着用来找机会:拆解竞品后问”哪一步它做得最勉强”,那就是你的切入点。
参考链接
本文基于公开资料于 2026-08-17 整理,社区指标反映 GitHub 公开数据。独立实测未进行,功能和配置项可能随版本更新而变化,请以官方文档为准。
📊 评分与标签
评分说明
总分 8.0/10 · P_优选
📊 可观测社区指标(采集日期:2026-08-17)
- GitHub: langningwill/product-teardown-journal ★105, 🔱6
- 语言:Markdown(skill + 期刊),最近推送:2026-08-14
- 协议:无 LICENSE(版权声明保留,商用需注意)
📦 可安装性 2.2/2.5
- 单 SKILL.md 拷入 skills 目录即用
- 纯文本零依赖
- 竞品对比 1(SaaS 拆解工具):SaaS 需注册付费
- 竞品对比 2(手工笔记):手工灵活但无结构
🎯 实用性 2.2/2.5
- 核心模块/交互叙事/价值主张/细分市场/领导层 7 步框架直击 PM 学习诉求
- 附 13 期成品拆解期刊(Notion/DeepSeek/Figma 等)作参考标杆
- 拆解深度依赖用户投入的研究时间(框架不代做调研)
- 竞品对比 1(PEST/SWOT 通用框架):通用框架无产品拆解专项
- 竞品对比 2(付费拆解报告):报告成品但无方法论迁移
📖 文档质量 1.8/2.0
- prompt 框架与成品期刊对照,学习路径完整
- 各期拆解结构统一,可作为写作模板
- 竞品对比 1(无成品输出的 skill):无参照物难自评
- 竞品对比 2(英文拆解博客集):博客散篇无框架
👥 社区活跃 1.0/1.5
- 105 星,产品经理 + AI 工具交叉受众
- 无 LICENSE 影响二次分发意愿
- 竞品对比 1(awesome-product 列表):列表星数高但无方法论
- 竞品对比 2(PM 教程仓库):教程仓库社区更成熟
🔗 兼容性 0.8/1.5
- 标准 SKILL.md,Claude Code 及兼容 agent 可用
- 拆解对象不限于特定产品形态
- 竞品对比 1(Notion 模板):模板跨平台但非 agent 驱动
- 竞品对比 2(专用拆解平台):平台绑定自家生态
标签说明
- 商业营销: 产品拆解服务商业分析与学习。来源:GitHub
- 产品分析: 7 步产品拆解框架。来源:GitHub
- 产品拆解: 核心能力为系统化产品拆解。来源:GitHub
- Skill: Agent Skill 标准形态。来源:GitHub
- Prompt工程: skill 本质是结构化 prompt 框架。来源:GitHub
来源核实
- ✅ GitHub API 已验证: langningwill/product-teardown-journal - Stars 105, Forks 6, pushed 2026-08-14, no license
- ✅ README 已读取: 7 步框架、期刊目录、设计动机均已核对
- ⚠️ 未实测: 未实际运行拆解流程;期刊内容未逐篇核验
评分依据可追溯至公开数据源,评估日期:2026-08-17。社区指标来自 GitHub API 实时数据。