- 博客(369)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 本周 AI 开源项目盘点：Agent 生态全面接管 GitHub 趋势榜
如果说前几周 GitHub 趋势榜还是"模型发布"与"Agent 框架"交替登台，那么本周（10 月 21 日~27 日）的画风已经彻底改变：榜单前十名几乎清一色是 AI Agent 相关项目，而且最抢眼的不是 Agent 本身，而是围绕它们的"管道层"——技能包、插件、跨 Agent 记忆、多智能体编排与推理网关。这些项目的共同逻辑是：与其把上下文塞进越来越长的提示词，不如给 Agent 一个可查询、可沉淀、可交接的"外部大脑"。本周最值得关注的趋势，是"记忆结构"成为 Agent 竞争的焦点。
2026-10-28 10:35:21
208
原创 第 33 篇 电商、客服与消费：对话式与推荐式 AI 的规模化
C 端 AI 的规模化，考验的不是单点多聪明，而是能否让"质量方差"在流量放大下仍守住底线、让成本在公式里可控、让指标指向真实迭代。本文为「AI 产品经理入门与进阶」系列第三季·小系列〔行业纵深〕第 3 篇（总第 33 篇）。数据来源:电商与客服 AI 产品实践与公开方法论整理;涉及成本的价格、单价等均为变量公式,请以厂商最新报价为准。具体数值随技术迭代变化,请以最新数据为准。
2026-10-19 13:58:53
60
原创 第 32 篇 内容与媒体：生成式 AI 的产品化与版权边界
内容行业的 AI 产品，胜负不在"生成得多快"，而在"是否可控、是否合规、是否被人信任"——把创作收束成可控的生产，才是规模化的前提。本文为「AI 产品经理入门与进阶」系列第三季·小系列〔行业纵深〕第 2 篇（总第 32 篇）。数据来源:内容行业通用产品实践与公开合规原则整理;涉及版权、标识等具体要求以官方发布为准,相关功能上线前请咨询法务。具体数值随技术迭代变化,请以最新数据为准。
2026-10-19 10:30:40
257
原创 一个术语，一套标准，一个四不像——我为什么不敢在评审会上反驳领导
说到底，这不是"外行领导内行"的问题，而是一个沟通机制的问题。计算机技术人员要具备跨领域翻译的能力，业务专家要愿意承认自己的盲区。双方在各自擅长的领域里发力，在交汇的地方做好对接——这才是健康的工作模式。而不是一个人用自己的理解去评判另一个人的专业，最后大家都累，做出来的东西还四不像。
2026-10-16 10:45:00
279
原创 第 31 篇 金融与医疗：高合规行业的 AI 产品方法论
高合规行业的 AI 方法论,本质是把"风险是产品风险"和"人在环"推到最硬的场景:合规边界先于能力边界,辅助先于替代,溯源与可回滚是底线而非选项。本文为「AI 产品经理入门与进阶」系列第三季·小系列〔行业纵深〕第 1 篇（总第 31 篇）。数据来源:行业通用合规原则与产品实践整理;涉及具体监管要求、报备流程与责任认定以官方发布为准,重大功能上线前请咨询法务与合规部门。具体数值随技术迭代变化,请以最新数据为准。
2026-10-16 09:51:33
245
原创 第 39 篇 跨职能协作：PM 与算法/工程/设计/数据怎么配合
PM 不是四方里最懂技术的，却是唯一把四方约束翻译成共同语言的接口——评测集定标准、契约定边界、RACI 定归属，协作才从扯皮变成交付。本文为「AI 产品经理入门与进阶」系列第三季·小系列〔能力与趋势〕第 3 篇（总第 39 篇）。数据来源：跨职能协作角色矩阵、接口物清单与 RACI 框架为可操作方法论，示例数值（标注一致率、可用性目标、超时上限）为占位变量，非真实配置。具体指标与门槛随团队与场景变化，请以实际约定为准。
2026-10-16 09:49:45
625
原创 第 38 篇 AI 产品架构设计：组件视角搭系统
PM 懂架构不是抢工程的活，而是把"产品约束"翻译成"系统设计约束"——能画组件图、写清契约、守住可替换与可观测，方案才带不走你。本文为「AI 产品经理入门与进阶」系列第三季·小系列〔能力与趋势〕第 2 篇（总第 38 篇）。数据来源：AI 应用分层、组件契约与架构权衡框架为可操作方法论，示例数值（超时上限、成本上限、阈值）为占位变量，非真实配置。具体选型与成本随技术迭代变化，请以最新数据与自身场景为准。
2026-10-15 15:03:53
179
原创 第 37 篇 技术趋势判断：PM 怎么读论文、跟展会、判成熟度
技术判断力不是会训练模型，而是能在"demo 惊艳"和"生产可用"之间画出那条鸿沟，并据此决定路线图里什么提前、什么观测、什么砍掉。本文为「AI 产品经理入门与进阶」系列第三季·小系列〔能力与趋势〕第 1 篇（总第 37 篇）。数据来源：论文阅读方法、信息源分级与技术雷达框架为可操作方法论，示例数值（成熟度分级、观测频率、技术名称）为框架占位，非真实技术评级。具体技术成熟度与厂商能力随迭代变化，请以最新公开资料与自身实验为准。
2026-10-15 15:02:53
168
原创 第 42 篇 商业化与增长进阶：PLG、定价与销售协同
商业化不是把验证过的价值"喊贵一点"卖出去，而是把证据翻译成客户听得懂的弹药、让定价跟住波动的成本、用健康信号判断扩量时机——价值验证（第 28 篇）证了"有用"，本篇负责让它"被买单并持续扩"。本文为「AI 产品经理入门与进阶」系列第三季·小系列〔组织与战略〕第 3 篇（总第 42 篇）。数据来源：本篇 GTM 检查清单、定价变量公式、指标口径框架均为可操作框架，示例数值已标注"示例数据，非真实数值"。具体数值随技术迭代变化，请以最新数据为准。
2026-10-13 09:56:50
170
原创 第 41 篇 AI 产品战略与路线图
AI 战略不是把功能堆进排期，而是用组合管理分配赌注、用三层路线图暴露隐形依赖、用四因子公式替代拍脑袋——向下接得住《第 17 篇》的机会打分，向上讲得清回报与不确定性，才是能落地的战略。本文为「AI 产品经理入门与进阶」系列第三季·小系列〔组织与战略〕第 2 篇（总第 41 篇）。数据来源：本篇组合看板、优先级加权表、三层路线图框架均为可操作框架，示例数值已标注"示例数据，非真实数值"。具体数值随技术迭代变化，请以最新数据为准。
2026-10-13 09:55:51
239
原创 第 40 篇 AI 团队搭建与角色分工
AI 团队不是把"会 AI 的人"凑一起，而是把质量、数据、评测、上线四道责任断点用契约钉死——谁定义质量、谁建评测集、谁管数据、谁管上线，比"招到多牛的人"更决定一个概率系统能不能稳定变成产品。本文为「AI 产品经理入门与进阶」系列第三季·小系列〔组织与战略〕第 1 篇（总第 40 篇）。数据来源：本篇角色矩阵、边界决策表、招聘评分表与组织摆法均为可操作框架，示例数值已标注"示例数据，非真实数值"。具体数值随技术迭代变化，请以最新数据为准。
2026-09-30 09:26:28
233
原创 第 44 篇 未来展望：AI PM 的能力演化与岗位边界
工具会替你写文档、画原型、跑分析，但替不了你定义"什么值得做"、定义"做到没有"、以及为结果负责——把这三件事做扎实，岗位不但不会消失，反而会站到它从未有过的位置。本文为「AI 产品经理入门与进阶」系列第三季·小系列〔前沿与思辨〕第 2 篇（总第 44 篇）。数据来源：通用产品管理与 AI 趋势分析整理；涉及具体技术成熟度与岗位数据请以最新行业报告为准。具体数值随技术迭代变化，请以最新数据为准。
2026-09-30 09:25:30
504
原创 第 43 篇 AI 产品的伦理、社会影响与长期责任
合规定义产品的下限，伦理定义产品的品格：当没有哪条法规会替你喊停时，那声"停"必须由做产品的人自己喊出来，并对上线之后的长期后果负责。本文为「AI 产品经理入门与进阶」系列第三季·小系列〔前沿与思辨〕第 1 篇（总第 43 篇）。数据来源：通用伦理原则与产品实践整理；合规与法规部分不列举具体法条编号，具体以官方发布为准并请咨询法务。能耗等易变数据以量级表述，具体数值随技术迭代变化，请以最新数据为准。
2026-09-29 09:28:39
154
原创 第 36 篇 Agent 产品化进阶：多 Agent 协作与人工接管
Agent 的可靠性不来自模型更聪明，而来自"循环透明、接管顺畅、护栏到位、轨迹可测"——把不可控的概率系统，用工程与产品的边界框成可托付的长工。本文为「AI 产品经理入门与进阶」系列第三季·小系列〔产品形态进阶〕第 3 篇（总第 36 篇）。数据来源：本篇场景判定表、循环产品化表、接管设计表、多 Agent 编排表、轨迹评测表与可行性评估表均为可操作框架，示例数值已标注"示例数据，非真实业务"。具体数值（步数上限、token 预算、评测集规模、成本基线等）随技术迭代与业务差异变化，请以最新数据为准。
2026-09-29 09:27:03
286
原创 第 35 篇 AI Native 应用：从零设计 AI 优先的产品
AI Native 不是"产品里加了 AI 按钮"，而是"拿掉 AI，产品就不存在"。它的价值主干由模型能力生成，而非模型只是既有流程的加速器。区别这一点，先要能识别信号——哪些是天然 AI Native，哪些只是套壳。信号天然 AI Native套壳（传统产品+AI 点缀）核心价值来源价值由生成/理解/推理产生价值由确定性功能产生，AI 只做润色拿掉模型产品失去存在的意义产品照常运作，只是少了辅助交互主体自然语言/意图驱动为主表单、按钮、菜单为主输出形态非结构化、千人千面。
2026-09-28 11:47:55
224
原创 第 34 篇 Copilot 与嵌入式 AI：把能力缝进工作流
嵌入式 AI 的底座不是模型能力，而是"在正确的位置、用正确的时机、把控制权留在用户手里"——缝进工作流的前提，是绝不替用户做主。本文为「AI 产品经理入门与进阶」系列第三季·小系列〔产品形态进阶〕第 1 篇（总第 34 篇）。数据来源：本篇取舍矩阵、触发方式表、上下文获取表、数据契约表与检查清单均为可操作框架，示例数值已标注"示例数据，非真实业务"。具体数值（采纳率基线、节省时长、holdout 样本量等）随技术迭代与业务差异变化，请以最新数据为准。
2026-09-28 11:46:27
455
原创 第 30 篇 增长与留存：让用户用第二次
增长的第一性原理在 AI 产品里被改写：不是"拉来更多人"，而是"让来的人敢用第二次"；留存是质量的外显，质量塌了，增长只是借来的时间。本文为「AI 产品经理入门与进阶」系列第二季第 14 篇（总第 30 篇）。温习自第 12 篇《AI 产品指标体系与埋点设计》、第 11 篇《AI 交互设计：让用户信任会犯错的功能》、第 10 篇《数据飞轮与冷启动》。数据来源：第二季总纲（00B）的 14 篇目录与过程映射，增长与留存指标取自第 12 篇行为指标框架。具体数值随技术迭代变化，请以最新数据为准。
2026-09-27 09:13:35
319
原创 第 29 篇 部署形态决策：公有云、私有化与开源模型
形态决定成本结构与合规边界，选型只决定在这副骨架上填什么肉；先定形态、再用自己的测试集选模型，才不会在错误的骨架上越建越贵。本文为「AI 产品经理入门与进阶」系列第二季第 13 篇（总第 29 篇）。温习自第 06 篇《微调与模型选型决策框架》、第 13 篇《Token 经济学：成本结构与商业化》、第 14 篇《安全合规与负责任 AI》。数据来源：部署形态维度的行业通用权衡框架，成本以变量公式表示。具体数值随技术迭代变化，请以最新数据为准。
2026-09-27 09:11:48
265
原创 第 28 篇 价值验证与增量实验：怎么证明 AI 功能真的有用
价值验证的本质不是"证明 AI 有用"，而是"诚实地测出它的增量，并算清代价"。当增量经得起对照、经得起成本、经得起适用范围，这个功能才配得上全量。本文为「AI 产品经理入门与进阶」系列第二季第 12 篇（总第 28 篇）。温习自第 12 篇《AI产品指标体系与埋点设计》与第 02 篇《AI产品经理入门（二）：从0到1落地一个AI功能》。数据来源：产品实验方法论与通用分析实践整理；示例数值为示例数据，非真实价格。具体数值随技术迭代变化，请以最新数据为准。
2026-09-26 10:21:01
221
原创 第 27 篇 红队与对抗测试：主动找出自己的漏洞
安全不是一句"我们做了防护"，而是"我们主动攻击过自己、并且知道哪里还挡不住"。红队的价值不在于证明系统安全，而在于把未知的风险变成已知、可排期、可回归的清单。本文为「AI 产品经理入门与进阶」系列第二季第 11 篇（总第 27 篇）。温习自第 14 篇《安全合规与负责任AI》。数据来源：公开安全方法论（如 OWASP LLM Top 10 等通用框架）与产品实践整理；涉及合规要求以官方发布为准。具体数值随技术迭代变化，请以最新数据为准。
2026-09-26 10:20:05
288
原创 第 26 篇 知识库运营：文档治理、更新机制与权限体系
知识库不是"整理一次就高枕无忧"的静态资产，而是会腐烂、会冲突、会过期的活体；它的长期质量不靠上线时的勤奋，而靠一套持续运转的机制——带元数据的生命周期、事件驱动的更新、检索阶段就做权限过滤，以及用无答案率/引用失效率/冲突数/复审覆盖率四把尺子定期量体温。本文为「AI 产品经理入门与进阶」系列第二季第 10 篇（总第 26 篇）。温习自第 10 篇《数据飞轮与冷启动》、第 05 篇《RAG 产品设计与调优实战》、第 14 篇《安全合规与负责任AI》。
2026-09-25 07:59:27
361
原创 第 25 篇 质量事故排查：效果掉了怎么定位根因
排查不是靠经验拍脑袋逐环节试，而是靠"二分把问题切小 + 时间轴把嫌疑锁定"：先确认真掉还是假掉，再用决策树把范围收窄到层与段，用替换法逐段验证，用变更比对法找时间相关性，最后用复盘把每次事故沉淀成案例库——这样第二次事故的平均定位时间才会持续下降。本文为「AI 产品经理入门与进阶」系列第二季第 9 篇（总第 25 篇）。温习自第 09 篇《评测工程：把好不好变成可测的数字》、第 03 篇《LLM能力边界与失败模式图鉴》。
2026-09-25 07:58:34
287
原创 第 24 篇 实时语音交互产品设计：低延迟对话系统的产品方法
把 ASR、对话、TTS 合成一个实时系统后，涌现的不是"三个快叠加"，而是一组单独做时不存在的产品问题：延迟要分配预算而非各自优化，打断要跨环节接管状态，话轮要在人机间交接，UX 要服从语音的六大结构劣势。把这些"合成后"的问题设计清楚，语音产品才既跟手又可信。本文为「AI 产品经理入门与进阶」系列第二季第 8 篇（总第 24 篇）。温习自第 08 篇《多模态产品化：图像、语音、视频的机会与代价》、第 11 篇《AI 交互设计：让用户信任会犯错的功能》。
2026-09-24 09:36:31
428
原创 第 23 篇 检索进阶：查询改写、混合检索与图检索
基础 RAG 的瓶颈常常不在生成，而在查询与融合：先诊断清瓶颈在哪一侧，再用"从零额外调用到多次调用、从改配置到建工程"的逐级顺序加手段——每一级都用最小成本验证收益，不盲目堆叠，检索上限才抬得动、抬得稳。本文为「AI 产品经理入门与进阶」系列第二季第 7 篇（总第 23 篇）。温习自第 05 篇《RAG 产品设计与调优实战》。数据来源：本篇诊断表、改写六法、融合策略、成本收益对照与引入清单均为可操作框架；延迟与成本增量按量级/区间表述，示例阈值（如候选相关率、子查询数）已标注"示例数据"。
2026-09-24 09:35:04
372
原创 第 22 篇 对话状态与记忆设计：多轮会话的产品架构
多轮对话的"记不住"“记错”，根子几乎都不在模型，而在架构：三层概念分没分、状态外没外置、记忆写入有没有门槛、遗忘纠错有没有通道——把这些设计清楚，模型再怎么波动，对话都站得稳。本文为「AI 产品经理入门与进阶」系列第二季第 6 篇（总第 22 篇）。温习自第 07 篇《Agent 产品设计：从单次调用到自主系统》、第 05 篇《RAG 产品设计与调优实战》、第 11 篇《AI 交互设计：让用户信任会犯错的功能》。
2026-09-23 09:48:25
434
原创 第 21 篇 结构化输出与系统集成：AI 接入存量系统的工程契约
模型负责"尽量给出正确结构"，产品经理负责"给定正确结构和错误结构各自的归宿"——这份输出契约，才是 AI 从"能吐字"走到"敢接进系统"的那道门。本文为「AI 产品经理入门与进阶」系列第二季第 5 篇（总第 21 篇）。温习自第 04 篇《Prompt 工程：产品经理的第一门手艺》、第 07 篇《Agent 产品设计：从单次调用到自主系统》、第 09 篇《评测工程：把好不好变成可测的数字》。数据来源：本篇契约模板、schema 示例与验收清单均为可操作框架，示例数值已标注"示例数据，非真实业务"。
2026-09-23 09:47:02
219
原创 第 20 篇 立项与 PRD：AI 功能的产品文档怎么写
AI 功能的 PRD 不是把"功能描述"写长，而是把不确定性写死：质量定义只是其中一节，能力边界、失败降级、成本经济与跨团队契约，才是让概率系统变成可控产品的那几根桩。本文为「AI 产品经理入门与进阶」系列第二季第 4 篇（总第 20 篇）。温习自第 02 篇《从 0 到 1 落地一个 AI 功能》、第 09 篇《评测工程：把好不好变成可测的数字》。数据来源：本篇立项模板、范围图与契约清单均为可操作框架，示例数值已标注"示例数据"。具体数值随技术迭代变化，请以最新数据为准。
2026-09-22 09:44:24
194
原创 第 19 篇 用户研究：AI 产品的访谈与可用性测试
AI 产品的用户研究，目标不是问出"用户想要什么"，而是测出"用户在什么条件下会信任、会在哪里放弃"——把想象中的预期，拉回真实能力的地面。本文为「AI 产品经理入门与进阶」系列第二季第 3 篇（总第 19 篇）。温习自第 02 篇《从 0 到 1 落地一个 AI 功能》、第 11 篇《AI 交互设计：让用户信任会犯错的功能》。数据来源：本篇方法论、访谈提纲与测试脚本均为可操作框架，示例数值已标注"示例数据"。具体数值随技术迭代变化，请以最新数据为准。
2026-09-22 09:39:25
251
原创 第 18 篇 AI 竞品拆解：如何逆向分析一个 AI 产品
AI 竞品拆解的本质是"用自己的用例测出对手的边界"——它强在哪决定你避开什么，它弱在哪决定你打哪里，它成熟在哪说明场景值得跟。看清边界，才看得清自己的位置。本文为「AI 产品经理入门与进阶」系列第二季第 2 篇（总第 18 篇）。温习自第 01 篇《能力地图与知识清单》、第 02 篇《从 0 到 1 落地一个 AI 功能》。数据来源：本篇拆解框架、探边界用例库与记录模板均为可操作方法论，示例数值已标注"示例数据"。具体数值（延迟、版本、榜单）随技术迭代变化，请以最新数据为准。
2026-09-21 13:24:10
337
原创 第 17 篇 场景挖掘与机会识别：从哪找到值得用 AI 做的问题
场景发现是 AI 产品的源头闸门：先用四条路径把候选捞出来，用适用度打分表排好序，再用反面清单把会翻车的挡在门外——门后的，才是值得投入的题。本文为「AI 产品经理入门与进阶」系列第二季第 1 篇（总第 17 篇）。温习自第 02 篇《从 0 到 1 落地一个 AI 功能》、第 01 篇《能力地图与知识清单》。数据来源：本篇方法论与示例模板均为可操作框架，示例数值已标注"示例数据，非真实项目"。具体数值随技术迭代变化，请以最新数据为准。
2026-09-21 13:21:29
219
原创 第 16 篇 转型路线图与求职实战
走到这一篇，16 篇就闭环了。从"AI PM 是什么"到"怎么落地一个功能"，再到技术、工程、设计、商业、风险、B 端落地，最后落到"怎么成为并被认可为一名 AI PM"——所有内容都指向同一件事。你不需要比谁都懂模型，你需要比谁都能为一个概率性系统的输出负责。把这句话带进你的作品集、你的简历、你的面试和你的第一个 90 天，这 16 篇就真正变成了你的能力，而不是你读过的文章。
2026-09-20 10:11:14
163
原创 第 15 篇 B 端 AI 落地：企业级产品的特殊战场
B 端 AI 落地的本质不是技术竞赛，而是交付能力的竞赛。模型谁都能接，难的是在企业的约束里把"好用"变成"能卖、能交付、能验收、能追责"的东西。B 端 AI 产品卖的不是模型能力，而是一份"可验收、可追责、可审计"的交付承诺。本文数据来源：企业 AI 项目落地行业观察（POC 到规模化生产的转化比例）、B 端 SaaS 交付实践、主流私有化部署与数据安全合规要求。文中 85% 的 POC 转化比例为行业公开引用的观察值，具体数值随统计口径与时间变化，请以最新数据为准；
2026-09-20 10:10:01
237
原创 第 14 篇 安全、合规与负责任 AI
模型供应商提供能力，你决定能力如何被使用、被什么边界兜住。安全合规不是工程的附带任务，是 PM 必须定义的产品质量维度。AI 出事，买单的是产品方。把风险当产品质量来设计，而不是当工程问题来祈祷。本文为「AI 产品经理入门与进阶」系列第 14 篇。数据来源：负责任 AI 与 AI 安全领域的公开通用原则（内容安全、数据最小化、透明标识、人在环等业界共识）、主流模型厂商的安全使用指南、AI 治理公开框架（如风险分级、 red-teaming、模型卡/数据集卡等通行实践）。
2026-09-19 15:03:38
89
原创 第 13 篇 Token 经济学：成本结构、定价与商业化
AI PM 和 AI 工程师在单位经济性上的分工是：工程师把单次成本压到最低，PM 把它变成可预测、可定价、可盈利的结构。没算过单位经济性的 AI 功能，不是产品，是补贴。本文为「AI 产品经理入门与进阶」系列第 13 篇。数据来源：主流 LLM 厂商公开计价模式（按 token 计价、输入输出不同单价、批处理与缓存折扣等公开机制说明）、SaaS 边际成本结构公开论述、AI 产品商业化实践案例。文中价格一律以变量/公式表示，不写死具体金额；示例毛利表为虚构自洽数据，非真实价格。
2026-09-19 15:00:02
326
原创 第 12 篇 AI 产品指标体系与埋点设计
AI 产品的指标不是 traditional 指标的平移，而是为"概率性、静默失败"这两个特性专门设计的。系统层与质量层做前哨，行为层做最诚实的真相，业务层做收口；埋点把这一切落到可追因的数据上。把指标看对，你才能在模型悄悄变坏之前，先一步看见。本文为「AI 产品经理入门与进阶」系列第 12 篇。
2026-09-18 09:29:25
339
原创 第 11 篇 AI 交互设计：让用户信任一个会犯错的功能
AI 交互设计的终点不是"让用户觉得它聪明"，而是"让用户准确地知道它几斤几两，并因此在边界内放心使用"。可预测、可验证、可恢复，这三点做到了，一个会犯错的功能也能被信任；做不到，再强的模型也救不了产品。本文为「AI 产品经理入门与进阶」系列第 11 篇。数据来源：人机交互（HCI）与可用性工程关于信任与等待感知的研究、主流 AI 产品交互设计规范、本系列前文（第 02、05、12 篇）。本文侧重方法论与设计原则，未引用需精确时效的数值；具体阈值与参数请以各自产品实测为准。
2026-09-18 09:27:53
70
原创 第 10 篇 数据飞轮与冷启动：AI 产品的数据从哪来
模型可以买，数据不能买。AI 产品的壁垒不在你用了哪个模型，而在你有没有把自己场景里的"正确"数据，用飞轮持续地、干净地、合规地积累起来。本文为「AI 产品经理入门与进阶」系列第 10 篇。数据来源：公开 LLM 数据治理与合成数据研究（含 model collapse / 数据自噬相关文献）、RAG 知识库构建实践、企业 AI 数据合规通用原则。具体数值与法规随迭代变化，请以最新资料与合规要求为准。
2026-09-17 10:18:02
464
原创 第 09 篇 评测工程：把「好不好」变成可测的数字
没有评测的 AI 项目，迭代全靠感觉，上线只能靠运气。评测不是上线前的一道手续，而是 AI PM 贯穿产品全生命周期的底层操作系统——它定义"好"，守住"好"，并证明"还好吗"。本文为「AI 产品经理入门与进阶」系列第 09 篇。数据来源：本系列第 01 篇对 654 份产品经理 JD 的分析（32% 岗位要求 evals 能力）、公开 LLM 评测框架技术文档（Ragas / DeepEval / Arize Phoenix / LangSmith）、LLM-as-judge 偏差相关研究。
2026-09-17 10:15:24
303
原创 第 08 篇 多模态产品化：图像、语音、视频的机会与代价
多模态的价值在"新场景"，风险在"难评测"。模态服务于任务，主观质量靠人在环量表兜住，多模态不可用时有文本兜底——Demo 的惊艳，必须换成生产的可靠。本文为「AI 产品经理入门与进阶」系列第 08 篇。数据来源：主流多模态模型厂商公开能力文档、语音识别/合成评测标准（如词错率 WER 定义）、多模态评测研究（含 LLM-as-judge 的模态能力边界）、行业落地实践。文中延迟与成本以"量级/区间"表述，具体数值随技术迭代变化，请以最新数据为准。
2026-09-16 11:27:20
296
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人