创建 MCP（模型上下文协议）服务器，使 LLM 能够通过精心设计的工具与外部服务交互。 MCP 服务器的质量是通过它使 LLM 完成实际任务的能力来衡量的。

将任何 Markdown 文本转换为结构化故事板 CSV — 下游工具（幻灯片生成器、视频编辑器、图像生成器）的通用传递格式。

Biopython 是一套全面的免费 Python 生物计算工具。它提供序列操作、文件 I/O、数据库访问、结构生物信息学、系统发育学和许多其他生物信息学任务的功能。当前版本是 Biopython 1.85（2025 年 1 月发布），支持 Python 3，需要 NumPy。

更新自述文件和架构文档以准确反映代码库的当前状态。

将文档上传到 Supernote Cloud 以同步到您的 Supernote 设备。

Plane 的单一、一致的接口。

最大限度地提高法学硕士（ChatGPT、Claude、Perplexity）和人工智能搜索工具中的可发现性和准确表示。

用于从我的个人亚马逊 (Kindle) 图书馆搜索和下载电子书的内部工具，即我已购买/添加到我的帐户的图书（以及同步到我的图书馆的任何个人文档），跨可用格式。

使用干净的、叙事质量的 git 提交历史记录在新分支上重新实现当前分支。

创建 6 帧视觉叙事，讲述用户从问题到解决方案的旅程，使用经典的讲故事弧线来建立同理心、说明价值并使抽象的产品概念具体化。使用它来协调利益相关者、推销功能、传达愿景或在构建之前测试您的解决方案是否能引起情感共鸣。

掌握收入和保留指标，以了解 SaaS 业务势头、评估产品市场契合度并做出有关增长投资的数据驱动决策。使用它来计算关键指标、解释趋势、及早发现问题并向利益相关者传达业务健康状况。

通过询问有关产品阶段、团队背景、决策需求和利益相关者动态的适应性问题，指导产品经理选择正确的优先级框架。使用它可以避免“框架鞭打”（不断切换框架）或应用错误的框架（例如，使用 RICE 进行战略投注或使用 ICE 进行数据驱动决策）。输出推荐的框架以及根据您的情况量身定制的实施指南。

指导产品经理根据假设、风险和可用资源选择正确的生命证明 (PoL) 探针类型（5 种类型）。当您需要消除特定风险或测试狭隘假设，但不确定使用哪种验证方法时，请使用此方法。这种互动技能可确保您将最便宜的原型与最严酷的事实相匹配，而不是您最喜欢构建的原型。

使用 ARPU/ARPA 分析、转换影响、流失风险、NRR 影响和 CAC 投资回收影响来评估定价变化（价格上涨、新套餐、附加服务、折扣）的财务影响。使用它可以对提议的定价变更做出数据驱动的通过/不通过决策，并支持数学和风险评估。

指导产品经理评估是否构建基于财务影响分析的功能。使用它通过评估收入联系（直接或间接）、成本结构（开发 + COGS + 运营支出）、投资回报率计算和战略价值来制定数据驱动的优先级决策，然后通过支持数学提供可操作的构建/不构建建议。

指导产品经理使用 Richard Lawrence 完整的人性化工作方法将史诗分解为用户故事，这是一种系统的、流程图驱动的方法，按顺序应用 9 种分割模式。使用它来确定适用哪种模式，在保留用户价值的同时进行拆分，并根据它们揭示的您可以消除的低价值工作来评估拆分。这确保了垂直切片（端到端价值）而不是水平切片（技术层）。

指导产品经理诊断他们是否正在进行上下文填充（无意中干扰音量）或上下文工程（塑造注意力结构）。用它来识别上下文边界，修复“上下文囤积障碍”，并实施战术实践，例如有界域、情景检索和研究→计划→重置→实施循环。

评估您的产品工作是“人工智能优先”（使用人工智能更快地自动化现有任务）还是“人工智能型”（从根本上重新设计产品团队围绕人工智能功能的运作方式）。用它来评估您对 2026 年 5 项基本 PM 能力的准备情况，找出差距，并就首先构建哪种能力获得具体建议。

指导产品经理根据单位经济效益（CAC、LTV、投资回收期）、客户质量（保留率、NRR）和可扩展性（幻数、销量潜力）来评估是否扩展、测试或终止获取渠道。利用它来制定数据驱动的上市决策并优化渠道组合以实现可持续增长。

自动检测、调用和协调 16 项 AI 技能的 Master Orchestrator