开篇勘误标题：未来不会有AI产品经理这个岗位，就像没有移动产品经理一样。

如果你是个产品经理，但是不懂移动端的产品交互和设计，那你就只能在自己的头衔前面加上一个“PC”：PC产品经理，代表你的细分或者不完整。

未来在面试的时候，只会出现以下场景：

哦，你只会设计传统的产品，不懂 AI 对吧？
那你应该在简历上写“移动产品经理”或者“传统产品经理”。
你这写的是“产品经理”，我以为你会 AI。
回去等通知吧，辛苦跑一趟。

而不会出现“我们招 AI 产品经理”这样奇怪的表达。

今天的“AI 产品经理”就像 2011 年前后出现的“无线端产品经理”一样，只在时代交接的那一两年里临时用了一下。

我猜如果没有前面的背景信息，直接说这个岗位大部分人都不知道它是个啥……

（以前的互联网公司，在移动互联网到来的时候，把 App 称为“无线端”）

回到正题，成为正常的产品经理，应该具备哪些能力？

省流版：

1. 产品经理必备的互联网思维、产品思维、洞察力、抽象能力、批判性思考能力、写文档能力……

2. 生成式 AI 的底层运作原理，以及由此导致的能力边界；

3. 确保生成式 AI 可控、严格听话的调教、约束能力；

以及在以上能力基础上，延伸出来的“把生成式 AI 的能力融入现有产品”的判断力，包括：

1. 这个交互，可不可以加上生成式 AI，来提升体验；

2. 这个本来实现不了的需求，可不可以引入生成式 AI，实现；

3. 这个勉强实现了的需求，可不可以通过引入生成式 AI，让鲁棒性更强；

以上三个问题，不只需要可以回答“是”，还要在回答的时候给出引入 AI 后带来的风险 List，以及在回答“不行”的时候，给出明确的理由。

接下来浅盘一下。

产品经理要比常人更懂 AI

注意，我在上面说到新时代产品经理的必备能力时，使用的是“生成式 AI”，而不是“AI”。

AI 前面加的那三个字非常重要，产品经理们应该习惯这样称呼它。

这可以确保你在“利用” AI 时，保持清醒的头脑：时刻提醒自己它的能力边界。

这里有两个关键信息：利用和能力边界。

第一个关键词，是产品经理跟普通人的区别：普通人使用 AI，产品经理利用 AI。

除了日常提效，AI 对产品经理们来讲，应该是像“互联网思维”、“移动交互体验”一样的基础性技术原则，它是融汇到你产品设计、让你的产品体验更好的支撑。

所以，在用 AI 的时候，产品经理不能像普通用户那样，只知道怎么让 AI 生成自己需要的答案

（实际上大部分普通用户不知道怎么做，需要产品经理们再向前一步，让不知道怎么让 AI 生成正确答案的人也能得到答案）

也就是说，AI 是你的“同事”，而不是“乙方”。

要想跟同事一起把项目做好，你必须非常熟悉这位同事的能力边界。

大模型的所有能力边界，都来自于生成式三个字，这三个字背后是Pre-trained和Transformer。

是的，就是就是 ChatGPT 里跟你“Chat”的那三个字母：G（Generative，生成式）、P（Pre-trained，预训练）、T（Transformer，一种神经网络架构）。

只有透彻搞懂了运行原理，才有探讨这项新技术能力边界的可能性，否则就是个“围观群众”。

“围观群众”会怎样？

就像之前的所有 PC 端产品都会有一个 APP 一样，今天的 APP 未来都会在各种不同的场景能力、交互里包含 AI。

作为产品经理，如果搞不清楚你引入的那个 AI 的能力边界，浅了说，你搞不出好用的产品；严重的话，AI 在你的产品里捅了娄子，你都不知道……

关于 生成式 AI 的底层原理，强烈建议大家读一下《这就是 ChatGPT》，里面有大概 1/2 的篇幅介绍了今天的 AI 是如何“一个字一个字的往外蹦”，并通过“预训练”和“神经网络”让蹦出来的字很对味的。

产品经理要比常人更会管 AI

产品经理在“利用”作为“同事”的 AI 时，肯定不是“对话式”的。

没有对话框、没有“新开个窗口”、没有“重新生成”，更没有“追问”修改需求。

你会“写死”一条System Prompt，把它扔进某个功能点上，等待着用户或者上游功能点发来user content，给出一条响应。

这条不可修改、重置、重新生成、追问的“响应”，必须满足直接用户的预期，或者传到下一个功能点时不引发报错。

用户在使用你的产品时，不再像容忍 ChatGPT、Kimi 甚至文心一言一样，允许你胡说八道；因为他们使用你的产品就是为了要正确的回答，否则他们会秒级长按、删除，然后打开 App Store。

如果 AI 生成的内容会被发往下一个功能点，那对“答案”的精度要求就更大了，因为下游可能只接受结构化的信息，所以你得知道如何让 AI 生成 JSON 格式。

这前提，肯定是你也知道啥是 JSON……

除此以外，普通人不需要了解的temperature、top_p、penalty、stop，在产品经理这里，就是得是基本常识了。

否则，你就无法让大模型更严谨、更有创意，以及在可能回答某些不合时宜的内容时及时闭嘴。

但，以上这些只是皮毛。

真正在产品中应用 AI 时，纯靠基本能力无法做到完全可控，下面这个概念，我建议你也了解：

• Function Calling 或者 Tool Use，拓展大模型的能力边界；

• RAG、知识库和 Embedding，拓展大模型的知识边界；

• Agent、智能体和工作流，把拓展边界后的大模型跟产品需求串起来

这些散落在各处的知识，你可以通过阅读各大模型开发文档、GitHub 上开源项目的 wiki 和各智能体平台的操作手册来学习。

当然，API 是啥以及如何使用，肯定是在学习这些知识之前完成。

最后的 Tips

作品，比嘴上说的经验更重要。

今天拥有一个炫酷、可交互、能打动客户/上司/面试官的 AI 作品太简单了。

你可以在 Cursor 类工具的帮助下徒手写一个漂亮到哭的网页工具，也可以使用各种智能体平台把你慧眼发现的需求痛点产品化，你甚至可以做个 Chrome 插件、写个 APP。

你独特的产品思维，加上今天各种便捷的工具和强大的 AI，一定是逆天的存在。

现在，缺的只是那个敲门砖了。

窗户纸，很薄的~

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

😝有需要的小伙伴，可以VＸ扫描下方二维码免费领取🆓

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型落地应用案例PPT👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓