🎯 PMF Kit

用 AI Agents 更快发现并验证产品市场匹配（PMF）。

一个规范驱动（spec-driven）的工具包：用于 AI SaaS 的系统化 PMF 发现与验证，构建于 spec-kit 的基础之上。

🎯 PMF-Kit 是什么？

PMF-Kit 是 Spec-Kit 的一个专用变体，面向 AI SaaS 产品的产品市场匹配（PMF）发现与验证进行了适配。

Spec-Kit 用 AI Agents 支持“规范驱动的软件开发”，而 PMF-Kit 把同一套方法论迁移到产品管理、市场研究与客户验证 —— 帮助创始人和 PM 用结构化、AI 辅助的工作流替代随意的试错与 ad-hoc 实验。

与 Spec-Kit 的关键差异

🚀 快速开始

1. 安装 PMF-Kit

选择你偏好的安装方式：

方案 1：一次性使用（推荐）

无需安装，直接运行 —— 始终使用最新版本：

uvx --from git+https://github.com/agentii-ai/pmf-kit.git pmf init my-product
uvx --from git+https://github.com/agentii-ai/pmf-kit.git pmf check

提示：该项目迭代很快。建议使用 uvx 以便始终获得最新功能与修复。

运行 pmf init 会显示交互式向导，用于选择你的 AI 助手

方案 2：常驻安装

一次安装，随处使用（可能需要周期性更新）：

uv tool install pmf-cli --from git+https://github.com/agentii-ai/pmf-kit.git

pmf 可执行文件会被全局安装，可在任意目录使用

然后直接使用该工具：

pmf init my-product
pmf check

升级到最新版本：

uv tool install pmf-cli --force --from git+https://github.com/agentii-ai/pmf-kit.git

2. 初始化你的第一个 PMF 项目

pmf init my-ai-product
cd my-ai-product

这会创建一个包含 PMF 专用模板、constitution 与 agent commands 的项目。

初始化完成后，你会看到所有可用的 slash commands 与下一步指引

3. 启动你的 AI Agent

在项目目录中打开你的 AI 助手（Claude Code、Cursor、Windsurf 等）。你会看到 /pmfkit.* 命令可用：

/pmfkit.constitution    # 建立 PMF 专用原则
/pmfkit.pmf         # 定义你想学习/验证什么
/pmfkit.clarify         # 澄清假设中的模糊点
/pmfkit.plan            # 生成研究执行计划
/pmfkit.tasks           # 生成可执行研究任务
/pmfkit.implement       # 执行 PMF 发现工作流

Claude Code 会自动识别项目中的 `/pmfkit.` slash commands*

4. 跑通你的第一次 PMF 发现工作流

/pmfkit.pmf Validate willingness to pay for AI-powered contract review among solo lawyers, following Harvey's market approach

它会生成一份 PMF 规范（PMF specification），包含：

• 清晰的人群画像（角色、公司、工具、环境）
• Jobs-to-be-done 及当前替代方案（workarounds）
• Hero workflows（意图 → AI 工作 → 工件/产物）
• PMF 成功指标（激活、互动、AI 专用、业务）
• 约束、风险与分发假设

🤖 支持的 AI Agents

PMF-Kit 支持 Spec-Kit 所支持的全部 Agents：

📦 PMF-Kit 模板

PMF-Kit 为 18 个 AI 编程 Agents 提供项目模板：当你运行 pmf init 时会自动下载。每个模板包含：

• PMF-Kit Constitution v1.0.0（7 条 PMF 专用原则）
• 工作流模板：spec.md、plan.md、tasks.md（用于研究文档化）
• 9 个 slash commands：/pmfkit.pmf、/pmfkit.plan、/pmfkit.tasks、/pmfkit.implement、/pmfkit.clarify、/pmfkit.analyze、/pmfkit.checklist、/pmfkit.taskstoissues、/pmfkit.constitution
• 脚本：Bash 或 PowerShell 变体（用于自动化）
• Memory 系统：constitution.md（项目专用原则）

支持的模板 Agents

模板覆盖全部 18 个 Agents，并为 bash 与 PowerShell 提供双版本（共 36 个）：

• Claude Code • Cursor Agent • Windsurf • Google Gemini
• GitHub Copilot • Qoder • Qwen • OpenCode
• Codex • KiloCode • Auggie • CodeBuddy
• AMP • Shai • Amazon Q • Bob • Roo

可在 GitHub Releases 下载模板归档（附 SHA-256 校验和）。

🎯 核心 PMF 工作流

阶段 1：Specification（/pmfkit.pmf）

定义你要学习/验证的 是什么（WHAT） 与 为什么（WHY）：

• 目标人群（角色/能力、公司、工具、环境）
• Top 3 JTBD（客户问题）
• 1–2 个 Hero workflows（端到端 AI-native 流程）
• 成功指标（激活、互动、AI 专用、业务）
• 约束与风险
• 分发假设

阶段 2：Clarification（/pmfkit.clarify）

在承诺研究前先消除模糊：

• 验证 persona 是否足够“锋利”
• 澄清 JTBD 与假设
• 精确定义成功指标
• 识别未显式写出的假设

阶段 3：Planning（/pmfkit.plan）

定义你将 如何（HOW） 执行发现：

• 研究方法（访谈、问卷、实验）
• 样本量与招募策略
• 证据收集工具
• 分析方法
• 验证检查点与 PDCA 循环

阶段 4：Task Breakdown（/pmfkit.tasks）

生成可执行研究任务：

• 从目标客群招募参与者
• 执行 hero workflow 研究
• 分析行为数据
• 验证假设
• 记录结论与 pivot/persevere 决策

阶段 5：Execution（/pmfkit.implement）

在 AI 辅助下系统化执行研究：

• 收集客户证据（访谈、行为数据）
• 度量 PMF 信号（留存、TTFW、完成率）
• 分阶段验证 go/no-go 标准
• 记录决策与证据

🌟 PMF-Kit Constitution

PMF-Kit 基于 7 条核心原则，指导所有发现工作：

I. Specification-First Approach

先定义假设与成功标准，再 运行实验。

II. Customer-Evidence-Driven

所有 PMF 结论必须有直接客户证据支撑，而不是观点或假设。

III. Iterative Validation

遵循 build-measure-learn 的迭代闭环，每次交付独立、可验证的增量。

IV. Minimal Viable Process

使用能达成学习目标的最简单方法。

V. Cross-Functional Integration

融合产品、工程、销售、市场与客户成功等多团队洞察。

VI. Kit Namespace Isolation

允许多个 kit 变体（pmf-kit、pd-kit、marketing-kit）共存且互不冲突。

VII. Template Extensibility

作为“如何创建领域专用 kit 变体”的参考实现。

完整内容见 memory/constitution.md。

📚 参考文档

PMF-Kit 包含完整的参考资料，帮助你开展发现：

• refs/0_overview.md - AI SaaS 的 PMF 发现概览
• refs/1_principles_for_constitution.md - PMF 专用原则与模式
• refs/2_define_for_specify.md - 如何写出清晰的 PMF 规范
• refs/3_project_management_for_plan.md - 研究计划方法
• refs/4_pm_tasking_for_tasks.md - PMF 发现任务模式
• refs/instructions.md - 如何创建你自己的 kit 变体

🔧 Multi-Kit 安装

PMF-Kit 的设计目标是与 Spec-Kit 与其他 kit 变体共存：

# Install Spec-Kit for software development
uv tool install specify-cli --from git+https://github.com/github/spec-kit.git

# Install PMF-Kit for product-market-fit discovery
uv tool install pmf-cli --from git+https://github.com/agentii-ai/pmf-kit.git

# Both tools work independently
specify check    # Shows Spec-Kit configuration
pmf check        # Shows PMF-Kit configuration

# Create projects with different kits
specify init my-feature           # Software feature project
pmf init my-product             # PMF discovery project

在你的 AI Agent 中，两套命令命名空间可同时使用：

• /speckit.*：用于软件开发工作流
• /pmfkit.*：用于 PMF 发现工作流

🎛️ CLI 参考

pmf init - 初始化 PMF 项目

pmf init <PROJECT_NAME>
pmf init my-product --ai claude
pmf init . --here --force        # Initialize in current directory
pmf init my-product --ai cursor --script ps   # PowerShell scripts

参数：

• --ai - 指定 AI 助手（claude、cursor、windsurf、gemini 等）
• --script - 脚本变体（sh：bash/zsh，ps：PowerShell）
• --here - 在当前目录初始化
• --force - 目录已有文件时跳过确认
• --no-git - 跳过 git 初始化
• --ignore-agent-tools - 跳过对工具可用性的检查

pmf check - 验证安装

pmf check

用于验证 PMF-Kit 的安装，并检查所需工具（git、claude、cursor、windsurf 等）。

🚀 按 AI 产品类型的示例

开发者工具（Cursor、Claude Code、Devin）

pmf init ai-code-assistant
/pmfkit.pmf "Validate demand for AI-powered coding assistance among backend engineers, similar to Cursor's approach"

期望产出：

• Personas：50–500 人规模 SaaS 的 Backend engineers
• JTBD：When writing boilerplate code, I want AI to generate it, so I can focus on logic
• Hero workflow：Intent（写注释）→ AI 生成 → review → merge
• 成功指标：Time-to-first-completion、edit distance、留存

创作类工具（Runway、Pika、HeyGen）

pmf init video-generation
/pmfkit.pmf "Validate demand for text-to-video generation among YouTube creators"

期望产出：

• Personas：10k–100k 订阅的内容创作者
• JTBD：When I need to produce weekly videos, I want to cut editing time by 80%
• Hero workflow：上传素材 → AI 按模板剪辑 → review → export
• 成功指标：Time-to-first-render、编辑满意度、复用率

垂直行业 AI 工具（Harvey、Writer）

pmf init contract-ai
/pmfkit.pmf "Validate willingness to pay for AI-powered legal analysis among solo practitioners and small law firms"

📖 进一步阅读

• PMF-Kit 规范 - 完整功能规范
• PMF-Kit 实现计划 - 技术实现细节
• Spec-Kit 仓库 - 面向软件开发的上游项目
• 规范驱动开发方法论 - 核心方法论

🚧 Roadmap

Next Up：/pmfkit.optimize - 模板质量优化

PMF-Kit 的下一项重要能力是一个 自动化优化模块：利用多裁判 LLM 评估与优化算法，对模板质量进行评估与提升。

5 阶段优化流水线

关键特性

• 多裁判共识：3 个 LLM 裁判（GPT-4o 严格、Claude 均衡、Gemini 宽松），采用 Bradley-Terry 聚合
• 8 维评价标准：Correctness、Coherence、Instruction-Following、Completeness、Specificity、Clarity、Actionability、Policy-Adherence
• 量化提升目标：以统计显著性（p < 0.05）为前提，质量提升 +15%–25%
• CLI + Agent 支持：pmf optimize <target> 与 /pmfkit.optimize

用法预览

# CLI usage
pmf optimize .pmf/templates/spec-template.md --mode=full

# Agent command
/pmfkit.optimize specs/my-feature/spec.md

详见 specs/003-workflow-optimization 的完整规范与实现计划。

🏗️ 项目结构

pmf-kit/
├── .claude/commands/          # Claude Code slash commands
│   ├── constitution.md
│   ├── specify.md
│   ├── plan.md
│   ├── tasks.md
│   ├── implement.md
│   ├── clarify.md
│   ├── analyze.md
│   └── checklist.md
├── memory/
│   └── constitution.md        # PMF-Kit principles (v1.0.0)
├── templates/
│   ├── spec-template.md       # PMF specification template
│   ├── plan-template.md       # PMF research planning template
│   ├── tasks-template.md      # PMF task breakdown template
│   ├── checklist-template.md  # PMF quality validation template
│   └── commands/              # Agent command templates
├── scripts/
│   ├── bash/                  # Bash automation scripts
│   └── powershell/            # PowerShell automation scripts
├── refs/                      # Reference documentation
│   ├── 0_overview.md
│   ├── 1_principles_for_constitution.md
│   ├── 2_define_for_specify.md
│   ├── 3_project_management_for_plan.md
│   ├── 4_pm_tasking_for_tasks.md
│   └── instructions.md        # How to create kit variants
└── specs/
    └── 001-pmf-kit-variant/   # Feature specification & implementation docs

🔧 先决条件

• Linux/macOS/Windows
• 一个 支持的 AI 编程代理
• 用于包管理的 uv
• Python 3.11+
• Git

验证环境

运行 pmf check 验证所有先决条件，并查看哪些 AI Agents 可用：

pmf check

pmf check 会显示已检测到的工具与 AI Agents

🌐 创建你自己的 Kit 变体

PMF-Kit 展示了如何把 spec-driven 方法论适配到任意领域。想为产品设计、营销或商业写作创建一个变体？

参考 refs/instructions.md，其中包含完整指引：

• 如何 fork 并适配 spec-kit
• 如何定义领域专用原则
• 如何创建模板与参考材料
• 如何实现 multi-kit 共存

变体示例：

• pd-kit - 产品设计与 UX 工作流
• marketing-kit - GTM 与增长活动
• writing-kit - 技术与商业写作
• ops-kit - 运营与项目管理

所有变体发布于 kits.agentii.ai。

🙏 致谢

PMF-Kit 基于 GitHub 的优秀项目 Spec-Kit。我们完整保留 Spec-Kit 的架构与基础设施，并在此之上为 PMF 发现适配模板与方法论。

Spec-Kit 致谢：

• Den Delimarsky
• John Lam

💬 支持

如有问题、疑问或反馈：

• GitHub Issues：向 PMF-Kit 提交
• Spec-Kit Issues：向 Spec-Kit 提交
• Kit Variants：访问 kits.agentii.ai

📄 许可证

本项目采用 MIT 开源许可证发布。详见 LICENSE。

说明：PMF-Kit 延续 Spec-Kit 的 MIT 许可证；Spec-Kit 的许可证详情见 Spec-Kit LICENSE。

🌟 为什么选择 PMF-Kit？

面向创始人与 PM

• 系统化：用结构化、假设驱动的研究替代“凭感觉”的 PMF 探索
• AI 辅助：让 AI Agents 参与规范、规划与证据分析
• 有案例可循：参考 Cursor、Runway、Harvey、Writer 等成功 AI 产品的 PMF 模式沉淀模板
• 证据驱动：聚焦客户证据与可量化的 PMF 信号，而不是观点

面向开源社区

• 可复现：规范驱动的工作流比随意的 ad-hoc 流程更透明、更可协作
• 可扩展：作为创建领域专用 kit 变体的参考实现
• 社区友好：模板与参考材料均开源并采用 MIT 许可证
• 工程化：基于成熟的 Spec-Kit 基础设施，由有经验的产品负责人适配

准备好更有把握地发现 PMF 了吗？

pmf init my-product

让我们用证据驱动每一次决策，持续逼近产品市场匹配。

GitHub：https://github.com/agentii-ai/pmf-kit