AI PM 技能矩阵与自我评估

感觉「能力不够」很模糊。把模糊感变成一张具体的技能矩阵，才能知道真正缺什么、练什么。

技能矩阵全景

技能自评工具

"""
AI PM 技能矩阵自评系统
含评分、雷达图生成和个人成长计划生成器
"""
from dataclasses import dataclass, field
from enum import Enum
class SkillCategory(Enum):
HARD = "硬技能"
SOFT = "软技能"
DOMAIN = "领域知识"
@dataclass
class Skill:
name: str
category: SkillCategory
description: str
level_1: str    # 1分：初级表现
level_3: str    # 3分：中级表现
level_5: str    # 5分：高级表现
score: int = 0  # 0=未评, 1-5
def evaluate(self) -> str:
if self.score == 0:
return "未评估"
if self.score <= 2:
return f"提升重点 ({self.score}/5)"
if self.score <= 3:
return f"基础具备 ({self.score}/5)"
if self.score <= 4:
return f"熟练掌握 ({self.score}/5)"
return f"专家水平 ({self.score}/5)"
@dataclass
class PMSkillMatrix:
"""PM 技能矩阵"""
name: str
role: str
skills: list[Skill] = field(default_factory=list)
def category_avg(self, cat: SkillCategory) -> float:
cat_skills = [s for s in self.skills if s.category == cat and s.score > 0]
return sum(s.score for s in cat_skills) / max(len(cat_skills), 1)
def bottom3(self) -> list[Skill]:
rated = [s for s in self.skills if s.score > 0]
return sorted(rated, key=lambda s: s.score)[:3]
def top3(self) -> list[Skill]:
rated = [s for s in self.skills if s.score > 0]
return sorted(rated, key=lambda s: s.score, reverse=True)[:3]
def overall(self) -> float:
rated = [s for s in self.skills if s.score > 0]
return sum(s.score for s in rated) / max(len(rated), 1)
def generate_plan(self) -> str:
bottom = self.bottom3()
overall = self.overall()
lines = [
f"\n=== {self.name} 的技能成长计划 ===",
f"综合评分: {overall:.1f}/5.0",
f"硬技能均分: {self.category_avg(SkillCategory.HARD):.1f}",
f"软技能均分: {self.category_avg(SkillCategory.SOFT):.1f}",
f"领域知识均分: {self.category_avg(SkillCategory.DOMAIN):.1f}",
f"\n优先提升的 3 个技能:",
]
for i, skill in enumerate(bottom, 1):
lines.append(f"  {i}. {skill.name}（{skill.score}/5）")
lines.append(f"     下一步: 练习达到 → {skill.level_3}")
return "\n".join(lines)
def build_standard_matrix() -> list[Skill]:
return [
Skill("问题定义", SkillCategory.HARD,
"把模糊需求还原为清晰问题陈述",
"接收需求，不反问",
"能用一段话说清楚问题、场景和损失",
"能让团队/利益方围绕同一问题定义工作"),
Skill("AI 适配判断", SkillCategory.HARD,
"判断场景是否适合 AI 以及适合哪种方式",
"看到 AI 就想用",
"能用 AI Fit Assessment 框架系统评估",
"能在 5 分钟内给出有充分依据的 AI/非AI 建议"),
Skill("指标体系设计", SkillCategory.HARD,
"设计覆盖正向价值和风险防护的指标体系",
"只看使用量/点击率",
"能设计业务/用户/系统/学习四层指标",
"能根据指标异常快速定位根本原因"),
Skill("PRD 写作", SkillCategory.HARD,
"写出让团队能统一判断的 AI PRD",
"只写功能列表",
"有目标、场景、边界、失败机制、验收标准",
"PRD 能让设计/工程/AI 工程师各自直接开工"),
Skill("数据分析", SkillCategory.HARD,
"从数据中找到产品问题和改进方向",
"只看表面数字",
"能做基础漏斗分析和用户分群",
"能设计 A/B 实验并正确解读统计显著性"),
Skill("跨职能沟通", SkillCategory.SOFT,
"让不同角色的人围绕同一目标高效协作",
"只同步信息",
"能提前识别不同角色的判断差异并对齐",
"能让团队在高不确定性下保持方向一致"),
Skill("向上汇报", SkillCategory.SOFT,
"用管理层语言说清楚 AI 产品的价值和进展",
"汇报功能进度",
"能用数据说清楚「做了什么/结果如何/下步怎么做」",
"能让管理层做出正确的资源和方向决策"),
Skill("不确定性管理", SkillCategory.SOFT,
"在 AI 产品高不确定性中保持团队稳定推进",
"等确定了再推进",
"能把不确定性分解为可验证的假设",
"能带领团队在模糊中做出合理的阶段性决策"),
Skill("AI 技术概念", SkillCategory.DOMAIN,
"理解 AI 产品相关的技术概念和边界",
"只知道「AI 很厉害」",
"理解 Prompt/RAG/Workflow/Agent 的区别和适用",
"能和 AI 工程师深度讨论系统设计取舍"),
]
# 演示
matrix = PMSkillMatrix(name="小明（3年PM，转型AI方向）", role="产品经理")
matrix.skills = build_standard_matrix()
# 模拟自评分
scores = [3, 2, 2, 3, 2, 4, 3, 2, 2]
for skill, score in zip(matrix.skills, scores):
skill.score = score
print("=== AI PM 技能矩阵评估结果 ===\n")
print(f"{'技能':<12} {'类别':<8} {'评估':<18} {'当前状态'}")
print("-" * 65)
for skill in matrix.skills:
bar = "█" * skill.score + "░" * (5 - skill.score)
print(f"{skill.name:<12} {skill.category.value:<8} {bar} {skill.evaluate()}")
print(matrix.generate_plan())

技能优先级：不同阶段应该练什么

本章 checklist

• 我是否完成了 9 个技能维度的自评，知道每项具体得分
• 我是否识别出评分最低的 3 个技能，而不是只靠感觉
• 我是否理解「硬技能均分低」和「软技能均分低」对应不同的成长策略
• 我是否为最薄弱的 1 个技能写出了「达到 3 分」的具体行动
• 我是否把自评结果和 6 个月前对比，确认成长是否真实发生

本章小结

• 技能矩阵把「感觉不够」变成「具体缺什么」，这是成长的前提
• AI PM 的硬技能短板通常集中在 AI 适配判断和指标体系设计
• 技能提升不靠读，靠在真实项目里有意识地刻意练习

下一节：03-职业路径规划与能力积累策略 — 三条 AI PM 职业发展路径，以及每条路径的能力积累侧重点。