PM Copilot：交叉對照工單和需求再決定做什麼

適合誰

如果你是產品經理，要把客戶支援工單、功能需求和 AI 客服對話對照起來，再決定下一步做什麼，這個服務對得上。官方把它寫成做三角互證的 MCP 伺服器。

適合已經能在本機複製儲存庫、用 node 跑建置產物，並且持有 HelpScout 憑證的人。HelpScout 是必需的。ProductLift 和 Chatbase 都可選：只配一個、兩個都配、或都不配，分析會跟著變。沒有 HelpScout，官方沒有給出可用路徑。

分析會接觸客戶原文。官方寫明 SSN、通過 Luhn 校驗的信用卡號、信箱和電話會在分析前脫敏，引用裡會濾掉客服坐席回覆。這不是零風險：工單主題仍會進入分析。

3 分鐘完成第一次嘗試

官方推薦路徑是本機複製並建置。前置條件：準備好 HelpScout 憑證。

按官方步驟執行：

git clone https://github.com/dkships/pm-copilot.git
cd pm-copilot
npm install
cp .env.example .env
npm run build

複製環境變數範本後，填入你的真實憑證。官方只寫 Edit with your credentials，沒有列出變數名稱；不要自行發明鍵名，只改範本裡已有的項。建置完成後，在 MCP 用戶端裡把 command 設為 node，args 指向本機儲存庫的 dist/index.js。官方示例用絕對路徑佔位，改成你複製後的真實路徑，不要照抄佔位目錄。儲存並重載，確認服務已連線。

然後做一次呼叫：呼叫 synthesize_feedback。官方寫明它會交叉對照 HelpScout 工單、ProductLift 功能需求和 Chatbase 會話，回傳按主題匹配、帶優先順序分數的分析。沒有寫出參數欄位；按用戶端展示的定義呼叫。第一次可以只配 HelpScout，讓另外兩個保持未設定。

成功訊號：回傳帶主題和優先順序分數的分析結果。若報憑證錯誤，先核對 .env 是否按範本填了 HelpScout，而不是空檔。

使用案例

案例一：只用 HelpScout 做主題分析。呼叫 synthesize_feedback。官方寫明另外兩個來源可選，分析會適應。沒有寫出工單時間範圍或信箱過濾。成功時你應看到主題匹配和優先順序分數。不要把分數當成已經排好的路線圖。

案例二：在已有 HelpScout 的基礎上，再配 ProductLift 或 Chatbase，或兩個都配，再次呼叫 synthesize_feedback。官方寫明交叉對照這三類來源。沒有寫出來源之間的權重。成功時你應看到把需求或會話也算進去的主題分析。引用裡不應出現未過濾的坐席原話，但不要假設所有 PII 都已被去掉。

使用邊界

HelpScout 必需；ProductLift 與 Chatbase 可選。客戶資料會進入分析，只是官方列明的幾類 PII 會先脫敏。查詢會出網造訪這些服務。

官方沒有寫速率限制，也沒有寫撤銷。分析結果不是發布決策。本頁只點名 synthesize_feedback，不要編造其他規劃類工具名稱。設定裡的 dist/index.js 必須指向本機建置產物。