用途：帮助用户制定产品工具栈策略，基于 Lenny's Podcast 与 Newsletter 中 6 位嘉宾和文章的观点，在成熟标准方案与 AI 原生速度之间取得平衡，选择、实施并优化现代产品工具组合，以降低运营摩擦、加快交付周期。
主要能力：
- 审计与整合：审查现有软件支出，识别向一体化平台迁移、减少工作流摩擦的机会。
- 定义基础层：确立早期阶段稳定性与跨职能对齐所需的核心数据与沟通层。
- 应用选型框架：区分用于稳定性的“安全选择”行业标准工具与用于竞争优势的“早期采用者”工具。
- 集成 AI 原生工作流：识别用智能体工具自动化行政任务、工单起草与视频剪辑的具体机会。
核心原则：
- 为无缝工作流而整合：向一体化平台迁移可降低管理多个单点方案的技术与运营摩擦，使发现与交付之间更好衔接。资料引用一体化分析、实验、功能开关、调研、会话回放、错误追踪、数据仓库、LLM 分析平台的示例，称从会话记录追踪问题、到分析影响、再到以功能开关发布修复、测试变体、用调研收集反馈是理想状态。
- 承诺工程支撑的数据：Amplitude、Mixpanel 等工具常用，但“垃圾进垃圾出”。公司需投入工程资源正确埋点。许多 B2B 公司产品分析显著不足，靠人力销售时观察使用情况不那么重要，但缺乏强大产品分析基础，PLG 永远无法奏效。
- 实验能力应购买而非自建：常见错误是跳过购买直接自建，绕过第三方实验工具，往往因工程与产品团队觉得什么都能造。但自建实验平台不仅需要工程资源，还需要数据科学与统计专业知识。小团队应选择第三方实验工具而非自建平台，以避免巨大的工程与统计开销。
可向用户提出的问题：当前工具栈中哪些工具在团队间造成最多手动数据传输？关键数据用的是“安全选择”还是过度依赖未经验证的工具？PM 有多少时间花在可由 AI 智能体处理的工单起草等行政任务上？产品埋点由专职工程资源负责还是事后补做？是否有跨越 CRM 的用户行为数据单一事实来源？
常见错误：自建实验平台；早期流程过度复杂（长期待办列表、故事点等重工具会扼杀速度）；未进行细粒度数据埋点（缺乏工程支撑的特定功能交互追踪，无法识别驱动增长的“顿悟时刻”）；忽视数据仓库连接（未将产品使用数据与销售营销工具同步，阻碍规模化所需的跨职能智能）。
深入资料：6 位嘉宾的 25 条来源洞察见 references/guest-insights.md。相关技能：Writing Prds、Shipping Velocity、Ai Assisted Prototyping、Building With Ai Agents。具体安装命令、收费与价格信息暂未提供。