From super-pm
Generates PRD, BRD, and MRD documents in parallel using subagents, reading prior research docs like MVP schemes and surveys. Use when outputting product specs, business plans, or market requirements.
npx claudepluginhub konglong87/superpm --plugin super-pmThis skill is limited to using the following tools:
```bash
Generates Chinese PRD documents (full, brief, or one-page) via guided interviews, templates, validation, and AI-agent optimizations. Saves to docs/prd dirs.
Generates linked MRD (market), BRD (business), and URD (user) requirements documents through interactive prompts for product teams in discovery, research, and stakeholder alignment phases.
Generates comprehensive Product Requirements Documents (PRDs) using an 8-section template: summary, contacts, background, objectives, market segments, value propositions, solution, and release plans. Use for product specs, feature planning, or PRD reviews.
Share bugs, ideas, or general feedback.
# 创建方案设计目录
mkdir -p docs/02-方案设计
# 检查前置文档
echo "📊 正在检查前置文档..."
if [ -f "docs/01-需求调研/MVP方案.md" ]; then
echo "✅ MVP方案 - 已找到"
else
echo "⏳ MVP方案 - 未找到"
fi
if [ -f "docs/01-需求调研/需求调研报告.md" ]; then
echo "✅ 需求调研报告 - 已找到"
else
echo "⏳ 需求调研报告 - 未找到"
fi
if [ -f "docs/01-需求调研/市场调研报告.md" ]; then
echo "✅ 市场调研报告 - 已找到"
else
echo "⏳ 市场调研报告 - 未找到"
fi
使用 AskUserQuestion 询问:
您希望生成哪些文档?
A) 仅 PRD - 产品需求文档 B) 仅 BRD - 商业需求文档 C) 仅 MRD - 市场需求文档 D) PRD + BRD + MRD(全套文档,推荐) E) 让我推荐(根据项目状态自动选择)
💡 提示:选择"D"可并行生成全套文档,效率提升 3x
用户选择后,记录到变量 DOC_TYPES(数组)
读取所有可能需要的前置文档:
# 主 agent 一次性读取所有前置文档
required_docs=(
"docs/01-需求调研/MVP方案.md"
"docs/01-需求调研/需求调研报告.md"
"docs/01-需求调研/市场调研报告.md"
"docs/01-需求调研/确认需求清单.md"
"docs/01-需求调研/优先级排序报告.md"
)
for doc in "${required_docs[@]}"; do
if [ -f "$doc" ]; then
# 使用 Read 工具读取
echo "读取 $doc"
fi
done
构建上下文摘要(避免占用大量上下文):
提取关键信息:
将关键信息存储为结构化数据,准备传递给 subagent。
优化说明:
如果用户选择"全套文档":
准备 3 个并行 subagent 任务:
[
{
"task_id": "generate_prd",
"doc_type": "PRD",
"required_data": [
"产品名称",
"目标用户",
"MVP功能列表",
"用户需求",
"优先级排序"
]
},
{
"task_id": "generate_brd",
"doc_type": "BRD",
"required_data": [
"产品名称",
"商业模式",
"市场数据",
"成本分析",
"盈利预测"
]
},
{
"task_id": "generate_mrd",
"doc_type": "MRD",
"required_data": [
"产品名称",
"市场调研数据",
"用户画像",
"竞品分析",
"市场机会"
]
}
]
并行派发 3 个 subagent(关键优化):
# 同时启动 3 个 subagent
使用 Agent 工具,参数:
Agent 1:
subagent_type: "general-purpose"
description: "生成 PRD 文档"
prompt: |
你是一个产品文档专家。请生成 PRD(产品需求文档)。
**输入数据**:
{从步骤2提取的关键信息}
**要求**:
1. 使用 Write 工具生成文档到 `docs/02-方案设计/PRD产品需求文档.md`
2. 包含以下章节:
- 产品概述
- 目标用户
- 功能需求(基于MVP方案)
- 非功能需求
- 交互流程
- 数据埋点
3. 基于前置数据填充内容,不要虚构
4. 标注数据来源
**输出**:返回生成的文档路径
Agent 2:
subagent_type: "general-purpose"
description: "生成 BRD 文档"
prompt: |
你是一个商业分析专家。请生成 BRD(商业需求文档)。
**输入数据**:
{从步骤2提取的关键信息}
**要求**:
1. 使用 Write 工具生成文档到 `docs/02-方案设计/BRD商业需求文档.md`
2. 包含以下章节:
- 商业目标
- 商业模式
- 盈利方式
- 成本分析
- 收益预测
3. 基于前置数据填充内容
**输出**:返回生成的文档路径
Agent 3:
subagent_type: "general-purpose"
description: "生成 MRD 文档"
prompt: |
你是一个市场分析专家。请生成 MRD(市场需求文档)。
**输入数据**:
{从步骤2提取的关键信息}
**要求**:
1. 使用 Write 工具生成文档到 `docs/02-方案设计/MRD市场需求文档.md`
2. 包含以下章节:
- 市场概述
- 用户画像
- 竞品分析
- 市场机会
- 进入策略
3. 基于市场调研数据填充
**输出**:返回生成的文档路径
主 agent 等待所有 subagent 完成。
主 agent 收集所有 subagent 的返回结果:
{
"generated_docs": [
{
"doc_type": "PRD",
"path": "docs/02-方案设计/PRD产品需求文档.md",
"status": "success",
"size": "15KB"
},
{
"doc_type": "BRD",
"path": "docs/02-方案设计/BRD商业需求文档.md",
"status": "success",
"size": "12KB"
},
{
"doc_type": "MRD",
"path": "docs/02-方案设计/MRD市场需求文档.md",
"status": "success",
"size": "10KB"
}
]
}
验证文档:
使用 Write 工具生成汇总报告:
# 文档生成报告
## 生成概况
**生成时间**: {时间}
**文档数量**: 3 个
**总耗时**: {并行执行时间}
## 文档清单
### 1. PRD - 产品需求文档
- **路径**: docs/02-方案设计/PRD产品需求文档.md
- **大小**: 15KB
- **状态**: ✅ 生成成功
- **包含章节**: 产品概述、目标用户、功能需求、非功能需求、交互流程、数据埋点
### 2. BRD - 商业需求文档
- **路径**: docs/02-方案设计/BRD商业需求文档.md
- **大小**: 12KB
- **状态**: ✅ 生成成功
- **包含章节**: 商业目标、商业模式、盈利方式、成本分析、收益预测
### 3. MRD - 市场需求文档
- **路径**: docs/02-方案设计/MRD市场需求文档.md
- **大小**: 10KB
- **状态**: ✅ 生成成功
- **包含章节**: 市场概述、用户画像、竞品分析、市场机会、进入策略
## 数据来源
- MVP方案
- 需求调研报告
- 市场调研报告
- 优先级排序报告
## 下一步建议
建议执行:
1. /pm-proto - 基于PRD设计原型
2. /pm-tech - 基于PRD对接技术方案
3. /pm-data - 设计数据指标体系
主 agent 执行流程:
1. 询问用户(10 tokens)
2. 读取前置数据(200 tokens)
3. 生成 PRD(3000 tokens 内容)
4. 生成 BRD(2500 tokens 内容)
5. 生成 MRD(2000 tokens 内容)
6. 生成汇总(100 tokens)
总计:7810 tokens
耗时:串行执行,约 10-15 分钟
上下文占用:文档内容全量占用
主 agent 执行流程:
1. 询问用户(10 tokens)
2. 读取前置数据(200 tokens)
3. 派发 3 个 subagent(50 tokens)
├─ Subagent 1: 生成 PRD(不占用主 agent)
├─ Subagent 2: 生成 BRD(不占用主 agent)
└─ Subagent 3: 生成 MRD(不占用主 agent)
4. 接收结果(150 tokens 结构化数据)
5. 生成汇总(100 tokens)
总计:510 tokens
耗时:并行执行,约 3-5 分钟
效率提升:93% token 节省,3x 速度提升
v1: PRD → BRD → MRD(串行)
v2: PRD
├─ BRD (并行)
└─ MRD
如果某个 subagent 失败:
✅ 适合并行:
❌ 不适合并行:
如果用户只选择生成一个文档:
v2.0.0 - Subagent 架构重构
v1.0.0 - 初始版本