# AI产品经理的自我修养：既懂用户，更懂技术！

今天上班的时候，发现很多AI社群都在讨论一篇播客《一个顶级AI产品经理的自我修养，对谈光年之外产品负责人Hidecloud》，这篇播客的嘉宾是光年之外的产品负责人——Hidecloud（张涛），聊了许多关于他在做AI产品时的设计思路，还有对AI产品经理这个岗位的理解，以及对未来AI产品形态发展的预测。

我趁通勤的时间听完了整篇播客，觉得大佬的许多观点对我都非常有启发，所以回家第一件事就是用AI工具将这次博客内容进行整理总结，并梳理出了几个我认为比较核心的问题，希望能够为同样对AI产品充满热情的伙伴们提供一些启示和指导。

播客要点

要点1: AI行业机遇与产品经理角色转变

• AI代表着继移动互联网之后的最大机遇。
• 产品经理需要理解技术进展，将模型能力边界与用户需求相连接。

要点2: 开源社区与AI产品创新

• 开源社区的进展为AI产品开发提供了强大的支持。
• 利用开源模型进行快速原型设计和产品迭代。

要点3: AI产品的商业模式与市场策略

• AI产品的推广和运营至关重要。
• 需要关注产品的商业模式和用户获取策略。

要点4: 用户体验与AI产品设计

• 产品设计应关注于提升用户体验，包括降低用户使用门槛和提高互动性。
• 探索AI技术如何在不同场景下满足用户需求。

核心问题

① 在AI领域，产品经理的角色应该是什么样子的？

Hidecloud认为AI产品经理应该是技术与产品之间的桥梁，他们需要深入理解AI技术的基本原理和最新进展，以便将技术创新与用户需求有效结合。因为AI产品的核心不仅仅在于技术能力，而更在于如何将这些技术应用到创造真正为用户带来价值的产品中。

Hidecloud还特意强调，懂技术的产品经理是一个阶段性的机会，因为技术更新迅速，能够快速学习和适应的产品经理将能在AI时代占据优势。后续AI技术曲线放缓且稳定后，可能产品经理的工作就更多回归到上层应用了。

② 为什么AI产品经理需要深入理解底层技术？

首先，Hidecloud强调了现在AI产品的模式更多是“模型即产品”（model as product），意味着模型的输入和输出几乎决定了整个产品的交互方式。这种情况下，如果产品经理不能理解模型的能力边界，就很难将其与用户需求连接起来。因此，AI产品经理需要深入理解技术，不仅是为了与技术团队有效沟通，也是为了确保产品能够真正满足用户的需求和预期。

其次他还说到，由于AI技术的快速发展和更新，以及模型在产品开发过程中需要进行多次参数调整以达到预期效果。因此如果产品经理对模型调参和技术原理有着足够的了解，能够更快地让产品落地，实现快速迭代。

③ 是否模型能力强的产品表现会更好？

Hidecloud认为，将模型能力与产品表现直接等同起来是过于简化的。一方面，模型能力强大的确可以为产品带来优势，尤其是在模型占比较高、或者说是“模型即产品”的情况下。另一方面，他也强调了产品的成功并不完全取决于模型能力的强弱，而是如何利用模型来满足用户需求、提供独特的价值和优化用户体验。

所以Hidecloud更倾向于未来的团队应该具备操作模型的能力，即根据业务需求使用不同的数据重新训练或调整模型，而不必从零开始构建模型。这一点突出了在AI产品开发中灵活运用模型的重要性，而不是单纯追求模型的强大能力。

④ 情感陪伴这类场景是否在AI模型应用场景中变现出色？

Hidecloud对情感陪伴这类场景长期看好，他认为随着AI模型的不断进步和渗透，将会出现完全新的、以前未曾有过的需求。

Hidecloud通过亲身实验感受到了人类情感容易被AI“hack”的特性，在实验中他让多个agent对他上传的图片进行识图和评论，这些agent他都设定了不同的人设，包括夸赞他、讽刺嘲讽他的“朋友”，以及会根据讽刺内容辩护他的“朋友”。

最终他发现，就算是作为上帝视角查看这些“朋友”的讨论时，自己还是会从这些文字信息中感受到情绪上的波动。所以自从这件事后，Hidecloud觉得人类容易被AI所生成的互动内容情感上“hack”，这强化了他对于AI在情感陪伴场景中应用潜力的看法。

⑤ 模型能力的未来发展方向是怎样的？

Hidecloud认为，在短期内，文本和图像模型的能力已经足够强大，能满足大部分的普通用户场景了，只是现在成本还是太高，没办法大规模普及。

他特别提到了多模态模型的发展，认为这是未来AI技术的一个重要方向。多模态模型能够处理和理解不同类型的数据（如文本、图像、声音等），这将为创造更丰富的用户体验和应用场景提供可能。

⑥ 什么是AI产品的核心竞争力？

Hidecloud的看法是，AI产品的核心竞争力可能在于低prompt或0prompt的设计，让用户能够以极低的输入成本获得高价值的娱乐体验。

Hidecloud举了一个实际的例子，在早期开发dodoboo时（涂鸦AI绘画产品），工程师觉得可以让生成的图像直接用作继续创作的基础。这种做法不需要用户提供详细的prompt，基本实现了0prompt的交互方式。实验表明，这样的设计能够极大地提升用户的娱乐体验，因为它简化了用户的操作，同时使得创作过程变得更加有趣和吸引人。

这也让他敏感地意识到，其实AIGC除了G生成部分有价值，它generate出来的那个C，即content内容本身其实也是具备消费价值的。也就是要找到一种合适的形式让用户能够去消费这部分内容，不管是消费他最终的产物，还是消费这个过程。（这部分我的理解是，generate这部分满足的是偏专业人士写Prompt过程的需求；content满足的就是普通用户对生成产物的需求）

⑦ 产品经理应该如何学习AI？

Hidecloud觉得学习AI，主要包括几个方面：

• 持续学习的重要性：鼓励产品经理积极关注AI领域的最新发展，如通过阅读相关的论文、博客、参加行业会议等方式来不断更新自己的知识库，最好的方式就是多阅读最新paper，每天保持两三篇。
• 实际操作加深技术理解：产品经理应该通过实际操作来加深对AI技术的理解，比如使用开源工具和平台进行实验，甚至参与一些AI项目，以实践中的发现和问题来促进学习。
• 跨学科学习的重要性：产品经理不仅仅学习技术知识，还应该了解人文、心理学等领域的知识，与数据科学家、工程师等其他专业人士紧密合作，可以帮助产品经理更全面地理解AI技术，并找到将技术应用于产品的最佳途径。
• 我这边也收集了很多有关产品经理的一些PDF课件资料

以上七点只是我个人认为比较有代表性的核心点。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“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，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。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 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】