Aipm Coach Plugin — AI skill for Claude Code
aipm-coach 是一个 Claude Code 插件——一套跨面试持续累积、越用越准的 AI 产品经理(AIPM)面试备战 loop 系统.
How to install Aipm Coach Plugin
This entry records only its repository, not the path inside it, so there is no
exact command to give. Open VioletScar-Hui/aipm-coach-plugin and copy the folder into
~/.claude/skills/, or the file into ~/.claude/agents/.
What Aipm Coach Plugin does
aipm-coach 是一个 Claude Code 插件——一套跨面试持续累积、越用越准的 AI 产品经理(AIPM)面试备战 loop 系统。它面向正在求职 AIPM / AI 应用 PM 的人,把"每一场面试"变成可复盘、可沉淀、可针对性补强的闭环。 它不是静态题库,也不是一次性的"帮你改简历"。核心心智是 loop engineering:每次会话都是一个"失忆的换班工人",上一班的记忆只存在知识库文件里——所以系统先读状态、小步做、即时落盘,让 面试 → 复盘 → 沉淀 → 补强 → 下场更强 形成闭环。 它还自带一道别处少见的保障:writer-vs-checker 独立质检——复盘由一个 agent 写,再派一个全新上下文的检查者按统一评分标准给它挑错(防自我感觉良好),并
Alternatives in AI
- Sentrux — Real-time architectural sensor that helps AI agents close the feedback loop, enabling recursive self-improveme 2.9k ★
- Omnara — by Ishaan Sehgal - A command center for AI agents that syncs Claude Code sessions across terminal, web, and mo 2.6k ★
- 09 Query Engine — Prompt 09: Get the QueryEngine (Core LLM Loop) Functional 2.3k ★
README
AIPM Coach v2
[中文](README.md) | [English](README.en.md)
   

把每天的会议、项目、决策和 Agent 协作,变成可追溯的能力证据、下一步行动、简历素材与面试故事。
`aipm-coach` 是一套本地优先、证据驱动的 **AI 产品经理成长系统**。它围绕 AI PM 的产品判断、用户与业务价值、优先级、机会成本、AI/产品取舍、跨团队影响和结果验证,把日常工作转成可追溯的能力证据。材料没有支持时明确保留缺口,不为了写简历或准备面试而编造经历。
系统把日常工作、复盘和求职准备连成一个可重复闭环:
baseline → evidence → decisions → opportunities/conversations → outcomes → review → career assets
`aipm-growth` 是宽入口,会根据当前状态只路由到一个下一步;十个 skill 也都可以直接调用。仓库源码当前声明版本为 `2.0.0`;本文档提供本地源码安装和验证方法,不声称任何平台已经自动安装或商店版本已经发布。
30 秒理解它
| 你提供什么 | 系统做什么 | 最终留下什么 |
|---|---|---|
| 会议记录、项目材料、文章、Agent 对话 | 提炼来源,识别 AI PM 能力证据与缺口 | 可追溯的 S/E 事实台账 |
| 一次产品或技术决策 | 还原价值、备选方案、取舍、失败和验证条件 | 决策记录与可复用判断框架 |
| 一个能力缺口 | 寻找公司内机会,生成向同事/领导提问的透明草稿 | 机会雷达、沟通计划与结果 |
| 一段真实经历 | 检查真实性、披露边界和证据谱系 | 简历 bullet、STAR 故事与面试素材 |
它不是替你“写得更像有经验”,而是帮助你更快地**发现经验、获得经验、验证经验、表达经验**。
一条 AI 产品经理成长主线,一套事实
- 发现价值:问题是否真实、用户是谁、为什么值得现在解决。
- 形成判断:证据是否充分、优先级如何确定、机会成本是什么。
- 做出决策:为什么选 A 不选 B,AI/产品取舍和失败条件是什么。
- 推动结果:如何跨团队影响、验证结果并把学习带回下一轮。
每份材料都判断“有证据 / 有缺口 / 本材料无信号”,并共用同一来源与证据谱系。系统只围绕 AI 产品经理能力发现可积累的项目机会、决策经验和职业资产。
它解决什么问题
- 在公司挖掘 AI 产品经理经验:从会议记录、关键产出、文章和 Agent 协作记录中提炼来源可追溯的能力证据。
- 还原产品判断:记录问题价值、证据、备选方案、机会成本、失败与取舍、继续/转向/停止条件和结果。
- 主动获取项目上下文:帮助你设计向同事或领导提问的透明话术,了解项目细节与决策逻辑;机会雷达只生成草稿,不发送。
- 把真实积累转成面试和简历资产,并用独立 reviewer 合同检查真实性、决策质量、隐私和外部动作边界。
典型问题包括:“这项需求为什么值得做?”“当时为什么选 A 不选 B?”“我怎样问负责人才能了解约束而不显得越权?”“这个项目能形成哪一条可信的简历 bullet?”

关键不是存下更多笔记,而是让每轮复盘改变下一次行动:证据不足就补证据,缺少项目经验就找机会,判断失误就更新条件,表达薄弱才进入面试训练。
数据与知识库
JSONL 是事实层:`state/` 下的来源、证据、决策、机会、对话和结果台账保存机器可核对的记录。Markdown / Obsidian 文件是可读视图和工作资产,不反向篡改事实层。
aipm-coach/
config.json
state/
Related Skills
Study Coacher
AI study coach skill: spaced repetition, retrieval practice & deliberate drills as a daily AI-driven loop — wi
Coding OS
The cognitive operating system that gives AI coding agents memory, structure, and discipline — knowledge graph
Rensei Kata
rensei (錬成) + kata (型) — a graph-driven AI engineering loop. One source of truth compiles to agents, commands
Design Image Studio
Design-as-a-loop AI image studio Five-stage workflow combining Claude Design philosophy with engineering disci
Study AI Engineering
This repository is a structured knowledge base for studying AI Engineering, focusing on Harness, Loop, and Gra
AI Engineering Claude C1 Harness Engineering Project
Four Claude Code systems from the Harness Engineering capstone: a stop_reason-driven agentic loop with tool de
Related Agents
Learning Coach
Front-line teacher for /superlearning. Teaches one bite-size concept through one sensory channel the learner M
Systems Engineer
Systems engineering and event-driven architecture expert. When to use: EventBus design, tick loop performance,
Swe Dev Loop Systems Architect
Designs and audits coding-agent loops, debugging and migration workflows, CI/release loops, autonomous-science