AI产品经理有什么不一样

现在互联网公司，几乎就都关注AI。我认识有研发资源的公司，一定会投入AI的功能和产品设计。尤其是像我们这样的小团队，也仍然在AI产品上投入资源。做了AI产品后，你会发现，相比传统的产品经理，AI产品经理是非常不一样，并且有自己的产品设计、研发特点的。

我最近和一个做AI产品的团队leader，也一起聊到了AI产品经理相比普通产品经理的工作变化，一起总结了几点，希望可以让你提前认知到：未来产品经理、研发、等相关工作都会大变。

1.什么是AI产品

现在的AI能力不仅是大模型，还有NLP、OCR等AI技术，而AI产品就是指的是依靠这些技术来完成的产品基础底座，现在主流的AI产品以大模型为基础的产品，可以通过多个模型完成。

AI agent就是AI产品，一个AI应用的最小单位。

2.AI产品经理不是再以功能为基础，而用户没有感知

功能性产品经理，是以需求调研、用户研究等基础，再来规划产品功能，理论上没有什么不能做的，只要有资源和时间的情况下，任何市面上的产品都可以开发出来。

通过前端、后端、算法搭配完成一个产品上线。

而AI产品经理则不是了

做AI产品经理，虽然也要知道需求调研、用户研究为基础，但更要了解各种AI模型，比如文字生音频、生成图、图像识别等，先要了解模型的输入、输出数据是什么、数据类型是什么，再说产品规划。

如果模型没有这些能力，或者把这些模型组合在一起没有办法实现，那么就不能做产品设计方案。

如下图就是一个AI agent的方案，产品经理首先要了解其内核框架、规则、记忆单元、系统模块，才能够说知道如何做产品设计。

AI agent

所以AI产品经理是基于模型来做产品的，不管是某一个模型还是AI agent，了解这些模型的相关输入、输出参数限制、以及模型的响应逻辑、以及未来模型的市场定位走形，才可以开始做产品设计。

和调用API不一样，API的参数只有几个数值结果，而一个模型得到的结果有千千万，只关注模型的结果类型、输入类型即可。

AI产品的交互相比功能性产品更复杂

因为有大量类型、内容量的内容输入，所以AI产品需要提供多样的内容交互方式，包含富媒体、地点、各类形态卡片，同时针对内容输出的加载、条件判断都需要交互展示。

而功能性的产品结果大部分集中在0和1，要么是对的、要么就是错误的。用户的操作也是由若干个0和1组合，有规律可遵循，而AI产品的交互不是。不同条件下的输入状态都会不一样。

AI产品的产品验证和功能性产品不一样

这一点和交互类似，AI产品的功能验证只能以某一类结果正确即可，但是具体的某一个结果是否正确，就不知道的。

实际上对应的逆向工具才能判断是否是调用了若干个大模型的结果。

AI产品经理通过调用的大模型顺序、大模型的数量、组合逻辑来判断结果，而不是具体的某个数值和结果反馈就可以验证了。

功能性测试

功能性产品就是靠测试进行点点点就可以，而AI产品则需要通过多样化的数据输入，再来验证是否属于模型的输出值范围。

AI产品的数据统计与功能性产品不一样

AI产品的数据统计更加来源于数据幻觉，验证大模型下的数据结果是否符合当前环境、语句逻辑，从而继续优化整个AI应用底层的模型流程。

而功能性产品则是通过埋点、数据库、日志等，来获得数据。用于优化功能的页面顺序、用户路径长短、甚至是布局，显然两者专注的地方是不一样的。

以上就是我总结的AI产品和传统型产品的区别。

如何系统的去学习大模型LLM ？

作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。

但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，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。

所有资料 ⚡️ ，朋友们如果有需要全套 《LLM大模型入门+进阶学习资源包》，扫码获取~

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

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。

三、AI大模型经典PDF籍

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。

四、AI大模型商业化落地方案

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。
• 内容：
  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
    - L1.4.1 知识大模型
    - L1.4.2 生产大模型
    - L1.4.3 模型工程方法论
    - L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
• 内容：
  • L2.1 API接口
    - L2.1.1 OpenAI API接口
    - L2.1.2 Python接口接入
    - L2.1.3 BOT工具类框架
    - L2.1.4 代码示例
  • L2.2 Prompt框架
    - L2.2.1 什么是Prompt
    - L2.2.2 Prompt框架应用现状
    - L2.2.3 基于GPTAS的Prompt框架
    - L2.2.4 Prompt框架与Thought
    - L2.2.5 Prompt框架与提示词
  • L2.3 流水线工程
    - L2.3.1 流水线工程的概念
    - L2.3.2 流水线工程的优点
    - L2.3.3 流水线工程的应用
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
• 内容：
  • L3.1 Agent模型框架
    - L3.1.1 Agent模型框架的设计理念
    - L3.1.2 Agent模型框架的核心组件
    - L3.1.3 Agent模型框架的实现细节
  • L3.2 MetaGPT
    - L3.2.1 MetaGPT的基本概念
    - L3.2.2 MetaGPT的工作原理
    - L3.2.3 MetaGPT的应用场景
  • L3.3 ChatGLM
    - L3.3.1 ChatGLM的特点
    - L3.3.2 ChatGLM的开发环境
    - L3.3.3 ChatGLM的使用示例
  • L3.4 LLAMA
    - L3.4.1 LLAMA的特点
    - L3.4.2 LLAMA的开发环境
    - L3.4.3 LLAMA的使用示例
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
• 内容：
  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

学习计划：

• 阶段1：1-2个月，建立AI大模型的基础知识体系。
• 阶段2：2-3个月，专注于API应用开发能力的提升。
• 阶段3：3-4个月，深入实践AI大模型的应用架构和私有化部署。
• 阶段4：4-5个月，专注于高级模型的应用和部署。

这份完整版的所有 ⚡️ 大模型 LLM 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】

全套 《LLM大模型入门+进阶学习资源包》↓↓↓ 获取~

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​