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：
-
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……
-
生成式 AI 的底层运作原理，以及由此导致的能力边界；
-
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：
-
这个交互，可不可以加上生成式 AI，来提升体验；
-
这个本来实现不了的需求，可不可以引入生成式 AI，实现；
-
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🆓
扫一扫
967
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
