应用层 AI 产品经理：
- +AI：现有行业/场景引入 AI 能力（如飞书智能助手、剪映 AI 剪辑）
- AI+：基于 AI 原生能力构建全新产品（如 AI 搜索、AIGC 创作平台）
- AI+交互产品经理：聚焦语音、视频、多模态交互场景
- 平台型产品经理：关注知识库、Agent 平台等，需强业务理解能力
AI 产品经理核心能力
1. 用户理解与需求洞察：找到 AI 适配场景，梳理流程节点
2. 技术理解与跨团队协作：懂大模型、RAG、Agent 等技术原理，协同算法、开发团队
3. 数据闭环与评估能力：搭建评估指标体系，通过数据反馈优化模型效果
4. AI 产品设计与落地：模型选型、MVP 构建、Prompt 设计、工具调用（API）
5. 商业化能力：评估 AI 投入的业务价值与成本6. 持续学习能力：跟进 AI 技术迭代，客观评估 AI 能力边界
AI 产品交互模式
1. 发散式交互：用户自由与 AI 对话，无限制（如开放式提问 “帮我写简历介绍”）
2. 约束式交互：设计特定按钮、模板、菜单，引导用户选择/填空，保证答案稳定性（如简历生成需填写姓名、学历、专业等字段）
3. 选择原则：准确率要求高（合规、合同、财务）优先约束式；创意/个性化要求高（创作、文案）支持开放式
AI 产品生命周期与工作流程
1. 冷启动阶段：业务需求分析→数据准备（采集、预处理、治理）→技术可行性验证→模型效果验证
2. 模型准备与产品落地：模型选型/优化→微调（Fine-tuning）→RAG 系统构建→AI 工作流设计（多步骤推理、工具调用）
3. 部署上线：性能优化（缓存、并发）→生产环境部署→用户行为采集（埋点）→测试验收
4. 持续优化：数据分析→Bad Case 分析与归因→模型迭代→知识更新→产品优化（交互、兜底机制）
职业发展路径
1. 职级晋升
2. 赛道转型：产品经理→AI 解决方案专家（ToB 场景需求大，适合 35+从业者）
3.行业选择：
①非互联网转AI：B 端（金融、医疗、电商、政务、教育）岗位多，且较C端相对稳定
②互联网转AI：在日常工作场景中用AI提效，包装为项目，再对比JD投递?
求职面试准备
1. 知识储备：了解技术边界及基本原理（无需深耕底层技术
2. 项目准备：聚焦 1-2 个 AI 落地项目（如智能客服、AI 助手）体现 Prompt 设计、数据闭环等核心工作
- +AI：现有行业/场景引入 AI 能力（如飞书智能助手、剪映 AI 剪辑）
- AI+：基于 AI 原生能力构建全新产品（如 AI 搜索、AIGC 创作平台）
- AI+交互产品经理：聚焦语音、视频、多模态交互场景
- 平台型产品经理：关注知识库、Agent 平台等，需强业务理解能力
AI 产品经理核心能力
1. 用户理解与需求洞察：找到 AI 适配场景，梳理流程节点
2. 技术理解与跨团队协作：懂大模型、RAG、Agent 等技术原理，协同算法、开发团队
3. 数据闭环与评估能力：搭建评估指标体系，通过数据反馈优化模型效果
4. AI 产品设计与落地：模型选型、MVP 构建、Prompt 设计、工具调用（API）
5. 商业化能力：评估 AI 投入的业务价值与成本6. 持续学习能力：跟进 AI 技术迭代，客观评估 AI 能力边界
AI 产品交互模式
1. 发散式交互：用户自由与 AI 对话，无限制（如开放式提问 “帮我写简历介绍”）
2. 约束式交互：设计特定按钮、模板、菜单，引导用户选择/填空，保证答案稳定性（如简历生成需填写姓名、学历、专业等字段）
3. 选择原则：准确率要求高（合规、合同、财务）优先约束式；创意/个性化要求高（创作、文案）支持开放式
AI 产品生命周期与工作流程
1. 冷启动阶段：业务需求分析→数据准备（采集、预处理、治理）→技术可行性验证→模型效果验证
2. 模型准备与产品落地：模型选型/优化→微调（Fine-tuning）→RAG 系统构建→AI 工作流设计（多步骤推理、工具调用）
3. 部署上线：性能优化（缓存、并发）→生产环境部署→用户行为采集（埋点）→测试验收
4. 持续优化：数据分析→Bad Case 分析与归因→模型迭代→知识更新→产品优化（交互、兜底机制）
职业发展路径
1. 职级晋升
2. 赛道转型：产品经理→AI 解决方案专家（ToB 场景需求大，适合 35+从业者）
3.行业选择：
①非互联网转AI：B 端（金融、医疗、电商、政务、教育）岗位多，且较C端相对稳定
②互联网转AI：在日常工作场景中用AI提效，包装为项目，再对比JD投递?
求职面试准备
1. 知识储备：了解技术边界及基本原理（无需深耕底层技术
2. 项目准备：聚焦 1-2 个 AI 落地项目（如智能客服、AI 助手）体现 Prompt 设计、数据闭环等核心工作
