1. 产品经理的 Agent 工作流到底卡在哪从聊天框外包到 Skill 沉淀很多产品经理用 Codex 或 Claude Code 的方式还停留在「聊天框外包」写一版 PRD、整理一段会议纪要、生成几个用户故事。这当然有用但不够。真正累的地方不是写 PRD 的那一刻而是 PRD 前后那堆重复但不能省的工作——需求池要清洗用户访谈要设计访谈记录要拆解机会点要归因功能优先级要排序指标看板要提前想清楚最后还要把抽象方案变成团队能看懂的图。如果每次都重新打开一个聊天框从零解释背景、规则、输出格式那 AI 只是一个临时实习生。真正值得沉淀的是把这些高频流程变成 Agent 能反复调用的 Skill。Prompt 适合解决一次对话Skill 更适合沉淀一条工作流。产品经理应该很容易理解这件事因为我们每天干的本来就是把混乱信息变成可执行流程。以前是给团队设计流程现在也要开始给 Agent 设计流程。这篇文章要交付的是一条最小可用的 Agent 工作流7 个 Skill 的目录结构、可复制的 settings.json / config.toml 片段、逐项验证动作以及如何通过 TaoToken 统一 Key 和 API 通道接入。适合已经装好 Codex 或 Claude Code、但还没把 Skill 跑成体系的产品经理。读完你应该能跑通一条从需求清洗到方案表达的完整链路。先说清楚一个前提Skill 不是装了就变强。它更像是给你的产品流程装上 7 个半自动工位。你还是那个要判断、要拍板、要背锅的人但很多重复整理、初稿生成、结构化分析可以先让 Agent 跑一版。2. TaoToken 前置统一 Key 与 API 通道让 Codex/Claude Code 接入不折腾在装 Skill 之前先把 API 通道理顺。Codex 和 Claude Code 默认走各自的官方通道但产品经理往往需要同时用多个模型——写 PRD 用 Claude跑代码验证用 Codex生图生视频又要另一个入口。如果每个工具单独配 Key、单独管额度光是切换就够烦的。TaoToken 在这里的角色是统一 Key 和 API 通道。你可以在官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 注册后拿到一个 Key然后在 Codex、Claude Code、Cursor 等工具里统一指向同一个 Base URL。API 地址是 https://taotoken.net/api不加 UTM。这样你不需要为每个工具单独申请、单独记 KeySkill 里写的调用逻辑也不用改来改去。具体操作分三步。第一步去官网注册并创建 API Key入口在控制台的 API Keys 页面。第二步把 Key 写进环境变量Codex 和 Claude Code 都读这个变量export TAOTOKEN_API_KEYsk-你的key export OPENAI_BASE_URLhttps://taotoken.net/api export ANTHROPIC_BASE_URLhttps://taotoken.net/api第三步在 Codex 的 config.toml 或 Claude Code 的 settings.json 里显式声明 Base URL 和 Model ID。这里要注意Codex 和 Claude Code 的配置格式不一样下面分别给。Codex 的 config.toml 通常放在~/.codex/config.toml片段如下[model] provider taotoken model claude-sonnet-4-20250514 [provider.taotoken] base_url https://taotoken.net/api api_key_env TAOTOKEN_API_KEYClaude Code 的 settings.json 放在~/.claude/settings.json片段如下{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_API_KEY: sk-你的key }, model: claude-sonnet-4-20250514 }如果你用的是 Cline 或 CC Switch 这类工具配置逻辑一样Base URL 填https://taotoken.net/apiKey 填 TaoToken 的 KeyModel ID 填你要用的模型。三件套缺一不可少一个就会报 401 或 model not found。配好之后先跑一个最小验证请求确认通道通了再装 Skill。用 curl 测一下curl https://taotoken.net/api/v1/messages \ -H x-api-key: $TAOTOKEN_API_KEY \ -H anthropic-version: 2023-06-01 \ -H content-type: application/json \ -d {model:claude-sonnet-4-20250514,max_tokens:64,messages:[{role:user,content:回复 OK}]}返回里有content字段且文本是 OK说明通道正常。如果返回 401检查 Key 有没有写错或环境变量有没有生效如果返回 model not found检查 Model ID 拼写。这一步过了再往下装 Skill否则后面所有报错你都会怀疑是 Skill 的问题。3. 可复制配置7 个 Skill 的目录结构与 settings.json/config.toml 片段Skill 的本质是一个带元数据的目录Agent 启动时扫描这个目录把每个 Skill 的说明和脚本加载进来。Codex 和 Claude Code 的 Skill 目录位置略有不同但结构一致。推荐统一放在项目根目录的.agent/skills/下方便版本管理。目录结构长这样.agent/ skills/ analyze-feature-requests/ SKILL.md scripts/ clean.py interview-script/ SKILL.md summarize-interview/ SKILL.md opportunity-solution-tree/ SKILL.md prioritize-features/ SKILL.md metrics-dashboard/ SKILL.md imini-api-integration-skill/ SKILL.md scripts/ generate.ts每个 SKILL.md 的头部是 YAML front matter声明名称、描述和触发条件。以 analyze-feature-requests 为例--- name: analyze-feature-requests description: 清洗需求池按主题、影响用户、痛点、证据强度结构化输出 trigger: 当用户提到需求池、feature requests、需求清洗时激活 --- 你是一个需求分析助手。收到需求列表后按以下维度输出表格 主题 | 影响用户 | 可能痛点 | 证据强度 | 下一步验证动作 不要替用户做优先级决策只做结构化清洗。interview-script 的 SKILL.md 重点在问题设计原则--- name: interview-script description: 设计用户访谈脚本围绕过去行为、具体场景、替代方案、决策过程提问 trigger: 当用户提到用户访谈、访谈脚本、interview script 时激活 --- 设计访谈问题时禁止使用「你觉得这个功能有用吗」「你会不会用」这类求认同句式。 每个问题必须指向用户过去的具体行为或真实场景。 输出格式问题编号 | 问题 | 提问目的 | 追问方向summarize-interview 负责把访谈记录拆成痛点、动机、阻碍、替代方案、用户原话和机会点。opportunity-solution-tree 把用户目标、机会点、解决方案、实验分层输出。prioritize-features 按用户价值、商业价值、实现成本、风险、战略匹配、数据证据六个维度给排序和理由。metrics-dashboard 把一句目标拆成可观察指标。第七个 imini-api-integration-skill 稍微特殊它涉及外部 API 调用。SKILL.md 里要写清楚模型选择、异步任务、轮询、结果提取和错误处理--- name: imini-api-integration-skill description: 调用 iMini 生图生视频能力支持模型选择、异步轮询、结果提取 trigger: 当用户提到生成产品概念图、功能示意图、生视频时激活 --- 调用流程 1. 根据需求选择模型Nano Banana 系列 / gpt-image-2 / Kling / Seedance 2. 提交任务拿到 task_id 3. 轮询任务状态间隔 2 秒最多 60 次 4. 提取结果 URL保存到指定路径 5. 错误处理401 检查 Key429 退避重试500 记录日志装 Skill 用 npx 命令npx skills add phuryn/pm-skills npx skills add imini-ai/imini-api-integration-skill装完后Codex 的 config.toml 里要加一行指向 Skill 目录[skills] path .agent/skillsClaude Code 的 settings.json 里加{ skills: { path: .agent/skills } }这样 Agent 启动时会自动扫描并加载。注意路径要写相对项目根目录的路径写绝对路径在团队协作时容易出问题。4. 验证请求与成功结果逐项跑通 7 个 Skill 的最小动作配好之后逐个验证。不要一次全装完再测那样出问题很难定位。我的做法是装一个、测一个、确认输出符合预期再装下一个。第一个 analyze-feature-requests。在 Codex 里输入一段脏需求帮我清洗这些需求客服说用户想要批量导出销售说客户要 SSO 登录老板说界面太复杂访谈里用户提到记不住流程。成功结果应该是一张表格每行有主题、影响用户、可能痛点、证据强度、下一步验证动作。如果 Agent 直接开始排优先级说明 SKILL.md 里的「不要替用户做优先级决策」没生效检查 front matter 的 trigger 是否匹配。第二个 interview-script。输入帮我设计一个针对新用户激活的访谈脚本。成功结果里不应该出现「你觉得有用吗」这类句式每个问题都指向过去行为。如果出现了求认同句式说明 SKILL.md 的约束没被读取检查文件编码和 front matter 格式。第三个 summarize-interview。贴一段访谈记录用户说我一般用 Excel 记待办但经常忘了更新。有时候开会记了一堆回头找不到。想要个提醒但又怕提醒太多烦。成功结果应该拆出痛点记了找不到、提醒怕烦、动机不想漏事、阻碍现有工具不顺手、替代方案Excel、用户原话、机会点。如果只是把原话复述一遍说明 Skill 没激活。第四个 opportunity-solution-tree。输入用户目标是快速找到上周会议的待办事项。帮我建机会树。成功结果应该分四层用户目标、机会点、解决方案、实验。如果直接从目标跳到解决方案说明中间层没输出。第五个 prioritize-features。输入候选需求批量导出、SSO 登录、界面简化、待办提醒。业务目标是提升次周留存。成功结果应该按六个维度给排序和理由而不是只给一个排名。如果只给排名没理由检查 SKILL.md 是否要求输出理由列。第六个 metrics-dashboard。输入我要做一个新手引导帮我拆指标。成功结果应该包含新用户完成率、关键步骤转化、次日留存、引导后跳出率、到达 aha moment 的时间。如果只给一个「提升体验」说明拆解不够。第七个 imini-api-integration-skill。先配好 Keyexport IMINI_API_KEY你的key然后在 Codex 里输入用 iMini 生成一张 16:9 的产品功能概念图主题是 AI 会议纪要自动提取待办事项风格像干净的 SaaS 官网插图。成功结果应该返回一个图片 URL并且 Agent 告诉你任务状态从 pending 到 succeeded 的轮询过程。如果卡在 pending 不动检查轮询逻辑如果返回 401检查 IMINI_API_KEY 是否生效。七个都跑通后串一条完整链路用 analyze-feature-requests 清洗需求用 interview-script 设计访谈用 summarize-interview 拆解记录用 opportunity-solution-tree 建机会树用 prioritize-features 排序用 metrics-dashboard 定指标最后用 imini-api-integration-skill 生成一张功能示意图放进方案评审。这条链路跑通一次你就有了一个最小可用的 Agent 工作流。5. 本篇常见错排查401、local proxy failed、reading choices、OAuth 报错怎么解配 Skill 和 TaoToken 通道时最容易撞上四类报错。下面按真实报错信息对照排查。401 Unauthorized。最常见。原因通常是 Key 没写对、环境变量没生效、或者 Base URL 和 Key 不匹配。排查顺序先echo $TAOTOKEN_API_KEY确认变量有值再检查 config.toml 或 settings.json 里的api_key_env拼写是否和变量名一致最后确认 Base URL 是https://taotoken.net/api而不是别的。如果用的是 Cline 或 CC Switch检查三件套是否齐全Base URL、Key、Model ID。少任何一个都会 401 或 model not found。local proxy failed。这个报错通常出现在 Agent 尝试走本地代理但代理没启动时。如果你没有配代理检查 config.toml 里有没有残留的proxy字段删掉即可。如果有配代理确认代理进程在跑。注意这里说的是本地开发代理不是网络通道两者不要混。reading choices 报错。典型信息是Cannot read properties of undefined (reading choices)。这说明 API 返回结构和你代码里解析的结构不一致。常见原因是 Base URL 指向了 Anthropic 格式的端点但代码按 OpenAI 格式解析。检查你的请求路径OpenAI 格式是/v1/chat/completionsAnthropic 格式是/v1/messages。TaoToken 两个都支持但你要和代码里的解析逻辑对上。如果 Skill 里写的是 Anthropic 格式Base URL 后面不要多加/v1。OAuth 报错。Claude Code 有时会尝试走 OAuth 登录而不是 API Key。如果你已经配了 TaoToken 的 Key但 Agent 还在弹 OAuth检查 settings.json 里有没有ANTHROPIC_API_KEY字段。有 Key 的情况下OAuth 流程应该被跳过。如果还在弹把ANTHROPIC_BASE_URL显式写成https://taotoken.net/api强制走 API Key 通道。另外两个容易忽略的点。一是 Skill 目录路径写错Agent 扫描不到表现是「Skill 没反应」。检查 config.toml 或 settings.json 里的skills.path是否指向正确目录路径用相对项目根目录的写法。二是 SKILL.md 的 front matter 格式错误比如---没闭合、YAML 缩进不对表现是 Skill 加载失败但不报错。用npx skills list可以列出已加载的 Skill如果某个没出现就是加载失败。排障时建议开 verbose 日志。Codex 加--verbose参数Claude Code 在 settings.json 里加logLevel: debug。日志里会打印实际请求的 URL、Header 和返回体对照上面的排查顺序基本能定位。如果 401 和 model not found 反复出现直接去 API Keys 页面重新生成一个 Key然后更新环境变量。有时候是 Key 复制时带了空格或换行肉眼看不出来。6. 语义一致 CTA把 Skill 工作流接进你的日常产品节奏七个 Skill 跑通之后下一步是把它接进日常节奏。不要一股脑全装先问自己我每周重复做三次以上的 PM 工作是什么如果每周都要整理需求池先装 analyze-feature-requests如果经常做用户访谈先看 interview-script 和 summarize-interview如果总卡在排期和优先级prioritize-features 更实用如果写了很多目标但复盘总是发虚metrics-dashboard 放进上线前流程如果经常要把抽象方案讲给老板、研发、设计、销售听把 imini-api-integration-skill 接进来让 Agent 帮你把方案表达成图或视频。Skill 不是收藏夹是工作台。以前我们说产品经理要沉淀方法论现在方法论不应该只停在脑子里、PPT 里、飞书文档里它可以变成 Agent 能反复调用的流程。你不是每次都重新解释自己怎么做需求分析而是把需求分析方式封装成 Skill你不是每次都重新告诉 AI 怎么写访谈问题而是把访谈方法封装成 Skill你也不是每次都让 AI 随便画一张图而是把产品表达、模型选择、生成参数、结果保存这些动作放进稳定链路。如果你还没配好 API 通道先去 API Keys 页面创建 Key再对照接入文档把 Codex 或 Claude Code 的 Base URL 和 Model ID 配好。想先验证模型对话效果可以去模型对话页面直接试。如果你打算长期跑编码和 Agent 工作流Coding Plan 会更划算额度和通道都统一管理。最后给一个实用建议把.agent/skills/目录提交到团队仓库让每个 PM 都能用同一套 Skill。新人入职时不用从零解释流程Agent 加载 Skill 后就能按团队沉淀的方法论跑一版初稿。这才是 Skill 真正有意思的地方——不是让 AI 更聪明而是让你的工作流不再每次从零开始。