PM Copilot：交叉对照工单和需求再决定做什么

适合谁

如果你是产品经理，要把客户支持工单、功能需求和 AI 客服对话对照起来，再决定下一步做什么，这个服务对得上。官方把它写成做三角互证的 MCP 服务器。

适合已经能在本地克隆仓库、用 node 跑构建产物，并且持有 HelpScout 凭据的人。HelpScout 是必需的。ProductLift 和 Chatbase 都可选：只配一个、两个都配、或都不配，分析会跟着变。没有 HelpScout，官方没有给出可用路径。

分析会接触客户原文。官方写明 SSN、通过 Luhn 校验的信用卡号、邮箱和电话会在分析前脱敏，引用里会滤掉客服坐席回复。这不是零风险：工单主题仍会进入分析。

3 分钟完成第一次尝试

官方推荐路径是本地克隆并构建。前置条件：准备好 HelpScout 凭据。

按官方步骤执行：

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

复制环境变量模板后，填入你的真实凭据。官方只写 Edit with your credentials，没有列出变量名；不要自行发明键名，只改模板里已有的项。构建完成后，在 MCP 客户端里把 command 设为 node，args 指向本机仓库的 dist/index.js。官方示例用绝对路径占位，改成你克隆后的真实路径，不要照抄占位目录。保存并重载，确认服务已连接。

然后做一次调用：调用 synthesize_feedback。官方写明它会交叉对照 HelpScout 工单、ProductLift 功能需求和 Chatbase 会话，返回按主题匹配、带优先级分数的分析。没有写出参数字段；按客户端展示的定义调用。第一次可以只配 HelpScout，让另外两个保持未配置。

成功信号：返回带主题和优先级分数的分析结果。若报凭据错误，先核对 .env 是否按模板填了 HelpScout，而不是空文件。

使用案例

案例一：只用 HelpScout 做主题分析。调用 synthesize_feedback。官方写明另外两个源可选，分析会适应。没有写出工单时间范围或邮箱过滤。成功时你应看到主题匹配和优先级分数。不要把分数当成已经排好的路线图。

案例二：在已有 HelpScout 的基础上，再配 ProductLift 或 Chatbase，或两个都配，再次调用 synthesize_feedback。官方写明交叉对照这三类来源。没有写出源之间的权重。成功时你应看到把需求或会话也算进去的主题分析。引用里不应出现未过滤的坐席原话，但不要假设所有 PII 都已被去掉。

使用边界

HelpScout 必需；ProductLift 与 Chatbase 可选。客户数据会进入分析，只是官方列明的几类 PII 会先脱敏。查询会出网访问这些服务。

官方没有写速率限制，也没有写撤销。分析结果不是发布决策。本页只点名 synthesize_feedback，不要编造其他规划类工具名。配置里的 dist/index.js 必须指向本机构建产物。