- 博客(24)
- 收藏
- 关注
RSS订阅原创 《AI产品经理手册》深度推荐：解锁 AI 产品经理的能力框架
《AI 产品经理手》（全面覆盖了 AI 产品管理的理论与实践，从技术基础到商业化落地，从团队管理到职业发展，为读者提供了构建、管理 AI 产品的完整框架。书中强调伦理与责任，结合大量案例与工具，适合不同阶段的 AI 产品从业者参考。
2025-08-12 21:00:00
639
原创 AI产品经理手册（Ch12-16）AI Product Manager‘s Handbook学习笔记
本书的第三部分（Integrating AI into Existing Traditional Software Products）将围绕着把AI集成到传统软件产品（未使用ML/DL）中的产品设计展开讨论。本部分深入探讨了在现有软件产品中整合 AI 的全过程，从把握各行业 AI 应用趋势，到具体的产品演进策略、设计要点及管理方法。不仅分析了 AI 整合对企业战略、团队文化和技术架构的影响，还通过实际案例展示了如何在保留产品原有优势的基础上，借助 AI 实现功能增强与体验升级，为产品经理提供了从规划到落地。
2025-08-11 21:00:00
710
原创 AI产品经理手册（Ch9-11）AI Product Manager‘s Handbook学习笔记
本部分聚焦于构建 AI-Native 产品的核心设计方法论。系统解析了AI产品设计流程——从用户需求洞察、问题精准定义，到原型实验、用户验证反馈、持续迭代优化，直至美学打磨与文档完善——并提供了每个环节的实践框架与关键考量清单。核心部分深入探讨了AI产品特有的核心挑战：用户深度理解的基石作用、机器学习模型的动态管理需求、产品可解释性的关键意义，以及优先级设定与“讲故事”在体验提升中的价值。并通过实际案例展示了这些原则的实际应用。
2025-08-05 21:00:00
1439
原创 AI产品经理手册（Ch6-8）AI Product Manager‘s Handbook学习笔记
本部分（Part 2 Building an AI-Native Product）围绕 “构建 AI Native产品” 展开，核心是探讨从 0 到 1 打造 AI Native产品的关键环节，包括产品基础、AI/ML 服务产品化、群体定位、技术选择、性能基准、成本与增长等，并通过一个贯穿各章的案例研究具象化这些概念。Ch6-8 从开发阶段、团队构成、技术栈，到产品化策略、行业定制化，系统阐述了关键要素，并通过 Akeira 案例展示了实践应用。核心逻辑是：AI 产品的核心是 “数据驱动的服务产品化”。
2025-08-04 21:00:00
1305
原创 AI产品经理手册（Ch3-5）AI Product Manager‘s Handbook学习笔记
AI Product Manager's Handbook Ch3-5 提供了深度学习技术的全面知识，讲解深度学习与机器学习的区别、多种神经网络和生成式 AI 模型的类型、应用及优劣势，还涉及相关新兴技术、可解释性、伦理责任和成功指南等内容。旨在帮助产品经理在相关产品管理中：做出战略决策、选择合适的模型、应对伦理与合规问题，并提升产品成功概率。
2025-07-29 21:00:00
1397
原创 AI产品经理手册（Ch1-2）AI Product Manager‘s Handbook学习笔记
AI Product Manager's Handbook是AI产品管理者的实战指南，旨在系统化解构人工智能产品的构建逻辑与成功要素。Part1 部分的 Ch1-2 系统梳理人工智能的核心概念、基础设施与工具、模型开发及维护等关键内容，构建 AI 产品管理的知识体系，从核心概念到落地实践形成完整闭环。为 AI 产品经理提供了从理论到实践的全面指导，助力其理解并成功构建、管理 AI 产品。
2025-07-28 21:00:00
1165
原创 AI Engineering: Building Applications with Foundation Models 生成式AI工程化指南，拆解基础模型应用
重磅推荐！Chip Huyen 的《AI Engineering: Building Applications with Foundation Models》！堪称生成式 AI 应用开发的「实战圣经」—— 从基础模型到生产部署，手把手带读者搞定 AI 工程全流程！作者是斯坦福讲师/NVIDIA前技术专家，曾著《Designing Machine Learning Systems》。
2025-07-22 21:00:00
1313
原创 用基础模型构建应用（第十章）AI Engineering: Building Applications with Foundation Models学习笔记
想知道如何构建成功的 AI 应用？前文已涵盖多种基础模型适配特定应用的技术，本章（AI Engineering Architecture and User Feedback AI 工程架构与用户反馈）聚焦如何整合这些技术以打造成功产品。从最基础的模型交互架构讲起，一步步通过增强上下文、搭建防护机制、部署模型网关、优化缓存等实用技巧，构建更可靠的 AI 系统。更有用户反馈收集与利用指南，帮助读者破解模型迭代难题，让 AI 产品从搭建到优化都有章可循！
2025-07-21 21:00:00
1007
1
原创 用基础模型构建应用（第九章）AI Engineering: Building Applications with Foundation Models学习笔记
新模型层出不穷，但让模型在保持性能的同时变得更快、更经济始终是核心需求。本章（Inference Optimization 推理优化）就聚焦这一关键问题，深入探讨了 AI 推理过程中可能遇到的瓶颈，以及从模型、硬件和服务三个层面进行优化的技术与方法。无论是模型运行速度过慢导致用户流失，还是成本过高影响投资回报，本章都能剖析原因并提供切实可行的解决方案，帮助读者更好地理解和优化 AI 推理过程。
2025-07-14 21:00:00
1261
原创 用基础模型构建应用（第八章）AI Engineering: Building Applications with Foundation Models学习笔记
本章（Dataset Engineering 数据集工程）深入探讨了如何构建、优化训练数据集以实现模型的最佳性能。剖析了数据在 AI 开发中的关键地位 —— 从数据整理的核心标准（质量、覆盖范围、数量），到数据获取与标注的实践方法，再到数据增强与合成的前沿技术（包括传统方法与 AI 驱动的创新手段），详解模型蒸馏等数据应用场景。无论是解决数据稀缺、隐私敏感等痛点，还是提升模型的泛化能力与效率，这篇文章都为 AI 开发者和研究者提供了系统的理论指导与实操方案，帮助读者在数据驱动的 AI 开发中少走弯路。
2025-07-11 00:25:14
1293
原创 用基础模型构建应用（第七章）AI Engineering: Building Applications with Foundation Models学习笔记
如何让通用 AI 模型更好地适配特定业务场景？比如让大模型精准生成符合格式要求的 JSON 数据，或是在医疗、法律等专业领域给出更可靠的回答？究竟该选择微调（Finetuning）还是RAG，或者提示工程？当模型内存占用过高、硬件资源有限时，该如何高效完成定制化训练？本章（Finetuning 微调）聚焦模型微调（Finetuning）这一 AI 工程的核心技术，提供系统性的解决方案。
2025-07-08 22:51:35
1336
1
原创 用基础模型构建应用（第六章）AI Engineering: Building Applications with Foundation Models学习笔记
本章（RAG and Agents）是理解现代AI应用如何获取动态信息、执行自动化操作的关键指南。ChatGPT 这样的 AI 模型如何“知道”训练数据之外的信息？它们如何执行复杂任务，比如分析数据表或规划行程？答案就藏在 RAG（检索增强生成） 和 智能体（Agents） 这两项革命性的技术背后。本章深入解析这两大核心技术，清晰阐述RAG和Agent的原理与实践。
2025-07-03 23:20:05
1343
1
原创 用基础模型构建应用（第五章）AI Engineering: Building Applications with Foundation Models学习笔记
提示工程作为无需修改模型权重即可引导 AI 行为的核心技术，既是基础模型落地应用的最短路径，也是被误解最深的工程领域。虽然提示工程看起来不过是 “摆弄文字直到生效”，但其背后藏着系统的实验方法论、上下文效率优化策略，与恶意攻击的攻防博弈。从拆解提示的基础结构（系统提示与用户提示的协同），到防御越狱攻击（Jailbreaking）的实战技巧，本章（Prompt Engineering 提示工程）将揭开这项被低估技术的双重面貌：它既是零成本适配模型的最敏捷武器，又是需要统计学思维与系统化评估的严谨学科。
2025-07-01 21:00:00
638
原创 用基础模型构建应用（第四章）AI Engineering: Building Applications with Foundation Models学习笔记
本章关注 “如何将这些方法应用到实际业务场景中”—— 从评估标准的业务化定义，到公共基准的筛选策略，再到评估流程与业务指标的绑定，形成从方法论到落地实践的完整闭环。系统拆解了 AI 应用评估的三大维度：如何定义领域特定能力、生成质量、指令遵循性等评估标准；如何在开源模型与 API 服务间做出决策；以及如何设计评估流程。通过建立科学的评估体系，实现模型能力与业务价值的精准对齐。
2025-06-30 21:00:00
2255
原创 用基础模型构建应用（第三章）AI Engineering: Building Applications with Foundation Models学习笔记
由于评估的重要性和复杂性，AI Engineering: Building Applications with Foundation Models安排了两章内容进行深入探讨。本章（Evaluation Methodology 评估方法论）将系统介绍评估开放式模型的各种方法及工作原理与局限性。第四章（Evaluate AI Systems 评估人工智能系统）则聚焦实践应用，指导读者如何运用这些评估方法为具体应用场景选择合适的模型，并构建完整的评估流程体系。
2025-06-24 22:26:03
1246
原创 用基础模型构建应用（第二章）AI Engineering: Building Applications with Foundation Models学习笔记
从 GPT-4 为何更懂英语而非小语种，到医疗 AI 如何通过专业数据突破通用模型局限，再到 ChatGPT 背后的 “人类偏好驯化” 技术 —— AI Engineering: Building Applications with Foundation Models第二章（Understanding Foundation Models 理解基础模型）将系统讲解基础模型的训练数据陷阱、Transformer 架构的统治力密码、模型规模与性能的平衡法则，以及采样策略如何造就 AI 的创意与 “离谱”，帮助建立
2025-06-23 07:30:00
1163
原创 用基础模型构建应用（第一章）AI Engineering: Building Applications with Foundation Models学习笔记
在决定构建AI应用前，有必要了解这一过程涉及哪些内容，并回答诸如：这个应用有必要吗？是否一定需要AI？我必须自己来构建这个应用吗？AI Engineering: Building Applications with Foundation Models 的第一章（构建AI应用的基础模型）将帮助你回答这些问题，让我们对基础模型能够实现什么有一个直观的认识。
2025-06-18 08:53:46
931
原创 AI产品经理技术篇：必懂的LLM与Agent技术进阶课
本文将从LLM的底层工作机制出发，解析其“记忆知识却不懂逻辑”的矛盾特性，进而探讨如何通过Agent技术弥补LLM的缺陷，构建真正可落地的智能系统。探讨如何通过RAG解决LLM的“健忘症”，何时选择Agent而非传统编码方案，以及企业应用中的典型陷阱与最佳实践。
2025-06-06 08:00:00
1389
原创 AI产品经理技术篇：从传统AI到生成式AI，解密大模型的核心概念
摘要：本文系统解析了大模型的核心技术概念。首先区分了传统判别式AI与生成式AI的本质差异，强调后者通过学习数据分布生成新内容的能力。其次详细阐述了参数体系，包括模型参数（权重/偏置）、超参数和生成控制参数的分类与作用。接着介绍了Token与Embedding机制，说明如何将离散文本转化为连续向量表示。然后重点剖析了Transformer架构的自注意力机制及其上下文理解原理。最后完整演示了大模型生成文本时"预测下一个Token"的迭代流程，包括编码、概率计算和选择策略。这些概念共同构成了理
2025-05-30 07:00:00
1531
原创 AI产品经理技术篇：AI领域常用术语解析
本文汇总了AI领域的核心术语，分为10大类：1.基础概念（AI、ML、DL等）；2.模型算法（神经网络、Transformer等）；3.NLP技术（分词、BERT等）；4.CV技术（目标检测、OCR等）；5.数据处理（特征工程、数据增强等）；6.评估指标（准确率、F1等）；7.工具框架（TensorFlow、PyTorch等）；8.伦理责任（算法偏见、隐私保护等）；9.工程部署（MLOps、边缘计算等）；10.产品运营（用户旅程、A/B测试等）。这些术语覆盖了AI技术全栈，适合快速查阅参考。
2025-05-25 16:30:00
1629
原创 产品经理技术篇：必知的模型参数&调优
在深度学习实践中，产品经理虽不直接参与算法开发，但需深入理解模型参数的作用与调优逻辑，以便精准评估模型迭代的技术边界，并在需求对接和资源协调中建立技术共识。本文介绍了超参数、模型训练参数和生成控制参数的概念及其在不同阶段的作用。超参数在训练前设置，影响模型训练效率和性能；模型训练参数在训练过程中调整，影响学习过程和性能；生成控制参数主要用于生成任务的语言模型，影响生成文本的多样性和质量。通过合理设置和调整这些参数，可以优化模型训练效率，提高最终性能，并在生成文本时平衡多样性和连贯性。
2025-05-22 07:30:00
4941
3
原创 AI产品经理认知篇：辨别真假AI需求
区分真AI需求与伪AI需求的核心在于判断问题是否必须依赖机器学习/深度学习技术解决。真AI需求通常涉及复杂规则、动态变化、海量变量或依赖人类经验，如图像识别、自然语言理解等；而伪AI需求则可通过规则引擎或条件判断解决，如订单状态流转、数据格式校验等。技术选型需考虑成本、效率、可解释性和维护成本，避免因滥用AI导致资源浪费或系统复杂度失控。AI并非万能，应优先选择最简单且高效的技术方案，确保商业价值的实现。
2025-05-18 18:40:09
1092
原创 AI产品经理技术篇：轻松掌握AI基础概念的趣味指南
用有趣例子讲解AI基础概念，力求轻松掌握AI技术：训练集、验证集、测试集的使用及划分，机器学习与深度学习的过程及差异。
2025-05-17 11:53:01
1187
原创 AI产品经理：技术、思维与商业的融合之道
本文从技术理解、产品思维、商业洞察的维度来构建AI产品经理所需具备的能力体系，并结合AI产品的特殊性进行针对性学习。从实际工作经验来看，当前的工作大多是在现有流程中简单叠加AI技术，例如自动化文档处理等。这种改良路径本质上属于边际效率优化，难以突破生产力瓶颈。因此，相比于对技术的深入理解，思维方式的快速转变更为关键。颠覆性技术带来的真正价值必须伴随着。
2025-05-10 20:06:02
1253
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人