产品经理的AI学习地图

我会结合自己过去近十年的职场经验与最近一年使用 AI、教学 AI 的感悟，从岗位和行业角度，为各位职场人提供一套从 0 到 1 的 AI 学习地图。产品经理学习 AI 的目的不是自己用好，而是帮助其他人用好。

• 到处都喊着让大家学 AI，具体学什么？
• 人人都说要掌握 AI，那掌握了的标准是什么？
• 不同行业、不同职业、不同业务需求的职场人们，在学习使用、掌握 AI 时，应该从哪里入手？

我第一次以产品经理的身份做项目到今天正好 10 年了，那年我带着一个程序员和一个商务地推，用微信服务号+口袋通（现在叫有赞）搭了一个“昌平本地版滴滴”：关注公众号后，发送地理位置，就可以得到在 1 公里内“趴活儿”的司机名单，下单就会有师傅联系来接你。

今天 AI 时代，跟十几年前微信服务号时代很像：很多过去需要写个网站、开发 APP 才能实现的产品想法，在服务号上可以轻松搞定。

我就是在那时候，在博客园上自学入门了 PHP 编程，虽然到现在依然是入门级别，但那个入门水平让我在之后十年跟程序员协作时的效率大幅度提高。

那时候，好像学会了 PHP 语言，就会开发微信服务号产品了。

但开发一个微信服务号产品，就是写一段 PHP 程序么？显然不是，因为后来基于微信服务号爆火的裂变产品，根本驱动力并不是 PHP 语言，而是对微信生态的理解。

那么，当我们身处 AI 时代时，要让自己的产品 AI 化或者开发一款 AI 产品，应该如何理解 AI？

今天的 AI 是什么？

今天当我们提到 AI 时，它即是生成式大语言模型、又是 ChatGPT 这类 AI 工具、也可能是某个具备智能交互的产品。

但对于使用或利用 AI 的产品经理来说，这些说法都不利于我们学会掌握它。

我们可以去了解 Transformer 注意力神经网络机制、了解 MoE 架构、了解 Embedding 嵌入向量化，但这些东西就像 PHP 一样可以让你与程序员的沟通效率更高，但不能帮你设计出好爆款产品。

AI 是一项新技术，但对产品经理而言，要了解的一定不是技术本身，而是这项技术带来的交互革新。

再次以微信服务号为例，它的出现让产品开发变得简单的原因是“用户交互的基座和交互方式已经设计好了，你只需要关注交互背后的实现逻辑。”

今天的 AI 所带来交互革新更强：用户即便无法需要提供太多信息、产品也不具备更强的知识信息储备，交互体验依然可以很良好。

因为 AI “生成”了一些东西，弥补了用户和产品之间缺失的哪些信息。

所以，对产品经理而言，你去了解学习 AI 是什么时，应该把注意力放在“生成式 AI”上。

以下是我建议你在学习 AI 时，优先要搞懂、搞透的问题：

• 什么是生成式 AI？
• 生成式 AI 与过往 AI 差异和优劣势是什么？
• 为什么生成式 AI 可以革新交互？
• 基于“生成式”特性的 AI，在应用到产品设计时的优势和短板是什么？

在完成了这些基础认知的搭建后，再去学习如何使用 AI、如何撰写提示词、如何把 AI 引入产品甚至开发 AI-Native 产品才有意义。

如何用好 AI？

与其他职场岗位不同，对产品经理而言，仅仅会“使用”AI 啥也不是，要能“利用”AI 才算入门。

没有一个产品经理会以“自己会使用互联网”为荣，要能设计开发出利用互联网特性的产品才勉强合格。

利用 AI 的前提，一定是自己要能非常熟练的使用 AI。

先把“调教 AI”这件事玩明白，后续的 LangChain、RAG、Agents 才能有扎实的基础。

以下是我建议你在学习如何使用 AI 时，必须搞懂、搞透的问题：

• AI 可以总结归类为哪些使用模式？分别解决哪些场景的需求？
• 如何基于 AI 的运行原理，“调教”它生成指定内容？
• 如何严格控制 AI 生成的内容：输出的信息、格式、结构……
• 如何把自己使用 AI、调教 AI 的过程成为可重复利用的“产品”？
• 使用带 AI 的流程画布类工具，把自己的 AI 使用场景产品化

进阶“利用”AI

“使用”AI 时，基本都是基于文心一言、Kimi、ChatGLM 那些现成的 AI 产品，但当你试图“利用”AI 时就需要有自己的东西了。

几乎所有大模型都提供了 API 调用渠道，即你可以在自己的产品中通过调用 API 接口的形式在交互中引入他们的能力。

甚至很多大模型甚至开源了自己的模型文件，你可以在自己的服务器上部署调用。

在我的认知里，产品经理至少是要懂得“前后端交互”、“API 请求”和“基本脚本语言理解”的。

如果你还不太熟悉，想要“利用”AI，建议搞懂如下问题：

• 标记语言和脚本语言是什么？写一个带交互的网页工具
• 如何调用 API 请求在文心一言、Kimi 之外使用 AI？
• 依照 Github 等平台的 README 完成一个 AI 开源项目的部署
• 能从代码看懂对方开源代码的结构，知道去哪里调整对方的提示词
• 了解为什么“外挂向量知识库”可以让 AI 回答私有知识问题
• 了解 Agents 感知、规划、行动的基本决策流程的实现原理和方式

AI 在具体场景的应用

产品经理学习 AI 的目的不是自己用好，而是帮助其他人用好。

了解 AI 的原理和价值，把它融入到产品设计中只是其中的一个维度；另一个维度，大部分用户在使用 AI 的过程中存在大量卡点，这些卡点也可以被产品化。

以用户写文案为例：我们可以提供一个用户提供主题，一键帮他们写好文案的产品；也可以提供一款产品，帮助用户生成一个可以写好文案的提示词。

有些用户希望“坐享天成”，有些用户希望拥有把控力。

好的产品经理不应该只关注问题的解决方案，而应该花大量的时间去看“众生百态”，看你的目标用户在面临什么问题、他们如何看待这些问题。

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。

😝有需要的小伙伴，可以V扫描下方二维码免费领取🆓

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】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓