Baseline Core：给 AI 装上"产品经理大脑"的开源技能系统

2026-02-19 | Product Hunt | 官网 | GitHub

截图解读：这是 Baseline Core 的 12 项技能全景图，从战略咨询到上市规划，覆盖了产品团队日常工作的方方面面。深色背景 + 橙色品牌色，纯技术风格，一看就是给开发者/创始人设计的。

30秒快速判断

这App干嘛的：一套开源的"AI 技能包"，跑一条命令，你的 Claude Code / Cursor / Copilot 就能帮你做市场调研、写 PRD、规划 Sprint、设计用户流程——而且所有输出都带你的业务上下文，不是泛泛而谈的 AI 废话。

值不值得关注：如果你是没有专职 PM 的创始人或小团队，这东西几乎是"零代价尝试"的——免费、开源、5 分钟装完。就算不用它的全部技能，光看它怎么组织 AGENTS.md + SKILL.md + context 的架构，也能偷到不少做法。

与我有关三问

与我有关吗？

目标用户画像：没有专职 PM 的创始人和小团队。你一个人或几个人干活，要做市场研究、写 PRD、规划迭代、设计原型，但这些都不是你的全职工作。

我是吗？ 如果你符合以下任一条件：

• 独立开发者，产品上线前需要写定位文档但不知道怎么写
• 小团队创始人，要同时做 PM + 设计 + 开发
• 用 Claude Code 或 Cursor 干活，但觉得 AI 输出总是"太泛"、不了解你的业务

那你就是目标用户。

什么场景会用到：

• 想写 PRD 但不知道框架 → 用 Product Communications 技能
• 要做竞品分析但不知道从哪入手 → 用 Research Synthesis 技能
• Sprint 规划、OKR 设定 → 用 Strategic Advisory 技能
• 写发布文案、定位文档 → 用 Product Marketing + Go-to-Market Planning

对我有用吗？

ROI 判断：极高性价比。零金钱成本 + 低时间投入。哪怕只用其中 2-3 个技能，也比自己从零写提示词强。关键在于你愿不愿意花 30 分钟把业务 context 写好——写得越好，输出质量越高。

喜闻乐见吗？

爽点在哪：

• 一条命令搞定：npx @baseline-studio/cli init，创建 52 个文件，skills + context + frameworks + AGENTS.md 全部就位
• 跨工具通用：Claude Code、Cursor、Codex、Copilot、ChatGPT、Gemini 都能用，不锁定单一工具
• 方法论内置：RICE、PAS、AIDA 等 14 套框架直接用，不用自己搜模板

截图解读：终端界面展示了 npx @baseline-studio/cli init 的安装过程——一条命令创建 52 个文件，包括 skills 目录、context 目录、frameworks 和 AGENTS.md。左侧是 slogan "Make your AI tools actually do product work"，简洁有力。

用户真实声音：

产品目前太新（PH 上 99 票、10 条评论，HN 刚上线 16 小时），社交媒体上还没有大量独立评价。但从 HN 讨论的关注度来看，开发者社区对这类"给 AI 注入业务 context"的方案是有强烈兴趣的。

给独立开发者

技术栈

这不是一个 SaaS 产品，没有前后端之分。它的本质是一套文件协议系统：

• 核心协议：AGENTS.md（AI 工具指令入口）+ SKILL.md（技能定义文件）
• 运行环境：Node.js CLI（npx @baseline-studio/cli）
• AI/模型：模型无关，你用什么 AI 工具就调什么模型
• 更新机制：npx baseline update 拉取最新技能文件

项目架构

your-project/
├── AGENTS.md              # AI 工具统一入口（自动被 Claude Code、Copilot 等读取）
├── CLAUDE.md              # Claude Code 专用指针
├── .github/copilot-instructions.md  # Copilot 专用指针
├── baseline.config.json   # 版本配置
├── skills/                # 12 个领域技能模块
├── context/               # 你的业务知识（这是核心！）
│   ├── core/              # 品牌身份 + 语气风格
│   └── extended/          # 产品、用户、定价等详细信息
├── frameworks/            # 14 套可复用方法论（RICE、AIDA 等）
└── cli/                   # CLI 工具

核心功能实现

说白了就是"结构化的提示词工程"。每个 skill 是一个包含方法论指令的 Markdown 文件，当你调用时，AI 工具会加载这个 skill + 你的 context 文件，产出的内容就既有专业框架又贴合你的业务。

关键设计是渐进式加载（Progressive Disclosure）：AI 只看到技能名称和一行描述，判断相关时才加载完整指令，不会把 12 个技能全塞进上下文窗口。

开源情况

• 完全开源：MIT 协议，GitHub 仓库
• 可以 fork 和修改：但官方建议自定义内容放 context/ 目录，因为 baseline update 会覆盖 skills/ 文件
• 自己做难度：中低。技术门槛不高（就是组织 Markdown 文件），但 12 个技能 + 14 个框架 + 34 个参考文件的内容量需要大量产品经验来填充

商业模式

• Core：免费开源，永久免费
• Custom Setup：付费咨询服务，创始人 Trent 亲自花一周帮你写业务 context、构建定制技能、培训团队
• 典型的"开源核心 + 专家咨询"模式，和 Red Hat、Elastic 早期的思路类似

巨头风险

这是个微妙的领域。一方面，Vercel 已经推了 Skills.sh（通用技能安装器），OpenAI Codex 也原生支持 Agent Skills，GitHub Copilot 在 VS Code 1.108 中加入了 Agent Skills 功能。巨头们在推标准，但 Baseline 的护城河不在"技能格式"上，而在产品方法论内容上——12 个经过打磨的产品技能 + 14 个框架，这是领域知识，不容易被平台替代。

但如果哪天 Cursor 或 Claude 官方出一套"产品经理技能包"，Baseline 会面临直接竞争。

给产品经理

痛点分析

解决什么问题：你用 ChatGPT 写 PRD，输出总是泛泛的模板文字，和你的产品、用户、市场毫无关系。Baseline 的方案是把你的业务 context 注入 AI，让 AI "理解"你的公司再干活。

痛点有多痛：高频 + 中等刚需。每个创始人都在用 AI 做产品工作，但大多数人的做法是"每次对话重新介绍一遍自己的产品"——Baseline 把这个过程自动化了。

用户画像

• 主要用户：没有专职 PM 的早期创业者（1-10 人团队）
• 次要用户：使用 AI 编码工具的独立开发者，想给 AI 加上产品思维
• 使用场景：从零写 PRD、竞品分析、Sprint 规划、发布文案、用户访谈分析

12 项技能详解

竞品差异

可借鉴的点

1. Context 分层设计：core/（每次加载）+ extended/（按需加载），解决了"context 太多塞不下"的问题
2. Skill + Framework 分离：技能定义执行流程，框架提供方法论，两者解耦可以灵活组合
3. AGENTS.md 统一入口：一个文件兼容所有 AI 工具，这个做法值得抄

给科技博主

创始人故事

• 创始人：Trent（GitHub: TrentM6），联系方式 [email protected]
• 背景：具体职业背景暂无公开信息，但从项目质量看，应该有产品管理 + AI 工具深度使用经验
• 为什么做这个：Baseline Studio 的定位是"研究产品团队如何与 AI 更好地协作"。从产品设计看，Trent 大概率自己就是创始人兼 PM 的角色，深刻体会了"AI 输出不贴合业务"的痛苦

争议点/讨论角度

1. Agent Skills 生态的安全风险：2026 年 2 月，ClawHub 平台被发现 341 个恶意 skills 窃取用户数据。Baseline Core 是开源的，但随着 skills 生态爆发，"你从哪安装的 skill 安全吗？"会成为大问题
2. AGENTS.md vs SKILL.md 标准之争：AGENTS.md 是 rulebook，SKILL.md 是 power-up。Baseline 两个都用，但行业还没有统一标准
3. "Skills 是 2026 年最被低估的功能"：Aaron Brethorst 的观点认为大多数人还没意识到 skills 的威力，Baseline Core 正好踩在这个认知升级的窗口期

热度数据

• ProductHunt：99 票、10 条评论（中等热度，不算爆款）
• Hacker News：有讨论帖，刚上线不久
• Twitter/X：@baselinestudio 存在但暂无发帖，社交传播还没开始
• 整体判断：这是一个"内容驱动"的产品，靠的是使用者口碑而不是营销。PH 99 票说明还在早期传播阶段

内容建议

• 适合写的角度："2026 年了，你的 AI 工具还在输出模板废话吗？"——用 Baseline 做一个 Before/After 对比
• 蹭热点机会：Agent Skills 生态正热（Vercel Skills.sh、Codex Skills、Copilot Agent Skills 同期爆发），可以做一个"AI Skills 生态盘点"把 Baseline 放进去

给早期采用者

定价分析

隐藏成本：你需要自己付 AI 工具的 API 费用。如果用 Claude Code 或 Cursor，这是你已经在付的费用，Baseline 不增加额外开销。

上手指南

• 上手时间：5 分钟安装，30 分钟配置 context
• 学习曲线：低
• 步骤：
  1. 运行 npx @baseline-studio/cli init（创建 52 个文件）
  2. 编辑 context/core/identity.md 和 context/core/voice.md（写你的品牌身份和语气）
  3. 按需填写 context/extended/ 下的产品、用户、定价等信息
  4. 打开你的 AI 工具（Claude Code / Cursor / Copilot），它会自动读取 AGENTS.md
  5. 开始用：比如让 AI "用 Research Synthesis 技能帮我做竞品分析"

坑和吐槽

1. 不要直接改 skills/ 文件：npx baseline update 会覆盖你的修改。自定义内容必须放 context/ 目录
2. Context 质量决定输出质量：如果你的 context 文件写得很敷衍（比如 identity.md 只写了公司名），AI 输出也不会好到哪去
3. 社区太早期：没有 Discord、没有活跃的 Twitter、Reddit 也没有讨论。遇到问题只能开 GitHub Issue 或直接邮件联系创始人

安全和隐私

• 数据存储：纯本地，所有文件都在你的项目目录里，不上传到任何服务器
• 隐私考虑：你的 context 文件（品牌、产品、定价等敏感信息）会通过 AI 工具的 API 发送给模型提供商（Anthropic / OpenAI 等），需要信任你用的 AI 服务商
• 开源可审计：MIT 协议，代码完全可读

替代方案

给投资人

市场分析

• AI Agents 市场：2025 年 $7.84B，2030 年预计 $52.62B，CAGR 46.3% | Markets and Markets
• Prompt Engineering & Agent Tools 市场：2025 年 $6.95B，2030 年预计 $40.87B，CAGR 42.52% | Mordor Intelligence
• Agent 占软件市场比重：Goldman Sachs 预测 2030 年 agent 可能占软件市场 60%
• 企业采用率：Gartner 预测 2026 年 40% 企业应用将嵌入 AI agents

竞争格局

Baseline 处在内容层，护城河是产品方法论的深度，而不是技术壁垒。

Timing 分析

为什么是现在：

• 2026 年初 Agent Skills 生态集体爆发：Vercel、OpenAI、GitHub、JetBrains 几乎同时推出 skills 支持
• "Vibe coding" 成为主流趋势，40% 企业软件预计将用自然语言驱动开发
• 行业从"AI 能帮我写代码"进化到"AI 能帮我做产品工作"——Baseline 踩在这个转折点上

技术成熟度：SKILL.md 标准已被多个主流工具采纳，Progressive Disclosure 架构解决了 context window 限制问题

团队背景

• 创始人：Trent（TrentM6），个人/小团队项目
• 团队规模：看起来是独立开发者或极小团队
• 过往成绩：暂无公开信息

融资情况

• 暂无公开融资信息
• 从项目形态看，更像是"个人热情项目 → 开源 → 咨询变现"的路径，不是典型的 VC-backed 创业

结论

一句话最终判断：Baseline Core 是 2026 年 Agent Skills 浪潮中一个高质量的"产品经理技能包"——免费、开源、即插即用。它不是革命性创新，但在"让 AI 真正理解你的业务再干活"这个方向上，做得比大多数人自己写提示词好得多。

资源链接

2026-02-19 | Trend-Tracker v7.3 | 数据来源：Product Hunt、Hacker News、GitHub、baselinestudio.design、Markets and Markets、Mordor Intelligence、Goldman Sachs