第5章 AI产品经理能力模型：你需要掌握哪些技能？

5.1 为什么需要能力模型？

很多想转行AI产品经理的人会问："我需要学什么？""我现在的能力够不够？""我应该重点提升哪些能力？"回答这些问题，需要一个清晰的能力模型——AI产品经理需要具备哪些能力？每项能力的要求是什么？怎么评估自己的能力水平？怎么制定提升计划？

5.1.1 能力模型的价值

• 明确学习方向：知道AI产品经理需要哪些能力，你就知道该学什么，不会盲目学习
• 自我评估：对照能力模型，你能评估自己当前的能力水平，找到优势和短板
• 制定提升计划：根据自我评估结果，你能制定有针对性的能力提升计划，重点突破短板
• 求职准备：面试时，你能对照能力模型准备案例，展示自己的能力匹配度
• 职业发展：入职后，你能对照能力模型持续提升，从初级成长为高级，从执行成长为战略

5.1.2 AI产品经理能力模型的4大维度

AI产品经理的能力可以分为4大维度、16项核心能力：

┌─────────────────────────────────────────────────┐
│              AI产品经理能力模型                    │
├──────────────┬──────────────────────────────────┤
│              │  1. AI技术理解能力                 │
│  硬技能       │  2. Prompt工程能力                │
│  (Hard Skills)│  3. RAG/知识库能力               │
│              │  4. Agent系统能力                 │
│              │  5. 数据分析能力                  │
├──────────────┼──────────────────────────────────┤
│              │  6. 需求分析能力                  │
│  产品能力     │  7. 产品设计能力                  │
│  (Product)   │  8. 项目管理能力                  │
│              │  9. 商业化能力                    │
├──────────────┼──────────────────────────────────┤
│              │  10. 沟通协作能力                 │
│  软技能       │  11. 学习能力                    │
│  (Soft Skills)│  12. 解决问题能力                │
│              │  13. 创新思维能力                 │
├──────────────┼──────────────────────────────────┤
│              │  14. 行业认知能力                 │
│  行业/商业    │  15. 商业思维能力                 │
│  (Industry)  │  16. 用户洞察能力                 │
└──────────────┴──────────────────────────────────┘

下面我们详细讲解每项能力的要求、���估标准和提升方法。

5.2 硬技能维度（5项）

5.2.1 能力1：AI技术理解能力

能力定义：理解大模型、RAG、Agent、Prompt工程等AI核心技术的原理、能力边界、实现成本，能和算法团队有效沟通，做出合理的产品决策。

初级要求：

• 知道大模型是什么、能做什么、不能做什么
• 知道GPT、Claude、文心一言等主流大模型的特点和差异
• 知道RAG、Agent等概念的基本含义
• 能看懂技术团队的技术方案，理解基本的技术术语

高级要求：

• 深入理解大模型的工作原理（Transformer、注意力机制、预训练、微调）
• 理解大模型的能力边界和局限性（幻觉、上下文限制、推理能力、成本）
• 能根据产品需求选择合适的技术方案（用什么模型、是否需要RAG、是否需要Agent）
• 能评估技术方案的可行性、成本、效果上限
• 能和算法团队深入讨论技术方案，提出产品视角的建议

提升方法：

• 系统学习AI技术课程（对应课程第7-30章）
• 大量使用AI产品，体验不同技术的效果和局限
• 阅读技术博客和论文，了解技术原理和最新进展
• 和算法工程师多交流，请教技术问题
• 动手做小项目（用Dify/Coze搭建AI应用），在实践中理解技术

自我评估问题：

• 你能清晰解释大模型为什么会产生幻觉吗？
• 你能说出RAG和微调的区别和适用场景吗？
• 你能根据一个产品需求，判断是否需要用Agent吗？
• 你能估算一个AI功能的大致成本吗？

5.2.2 能力2：Prompt工程能力

能力定义：能设计高质量的Prompt，引导大模型产生符合需求的输出；能持续优化Prompt，提升输出质量；能设计完整的Prompt体系（System Prompt、Few-shot示例、输出格式要求等）。

初级要求：

• 知道Prompt的基本原则（清晰、具体、有上下文）
• 能写简单的Prompt，让AI完成基本任务
• 知道System Prompt、Few-shot、COT等基本概念
• 能根据输出结果调整Prompt

高级要求：

• 能设计复杂的Prompt体系，包含角色设定、任务描述、输入格式、输出格式、约束条件、示例等
• 能针对不同场景设计专用Prompt（客服、写作、编程、分析等）
• 能系统优化Prompt，用测试集评估Prompt效果，持续迭代
• 能设计结构化输出（JSON、表格、代码），确保输出格式稳定
• 能处理Prompt的边界情况（异常输入、敏感内容、超长输入）

提升方法：

• 系统学习Prompt工程（对应课程第9-14章）
• 大量练习，每天写不同类型的Prompt
• 收集优秀的Prompt案例，学习借鉴
• 建立自己的Prompt库，分类整理和迭代
• 用测试集评估Prompt效果，数据驱动优化

5.2.3 能力3：RAG/知识库能力

能力定义：理解RAG（检索增强生成）的工作原理，能设计企业知识库的架构、内容结构、分块策略、检索策略，能运营和优化知识库，提升检索准确率和回答质量。

初级要求：

• 知道RAG是什么、解决什么问题（减少幻觉、基于私有知识回答）
• 知道RAG的基本流程（文档→分块→向量化→检索→生成）
• 知道向量数据库、Embedding模型的基本概念
• 能用Dify/Coze等工具搭建简单的知识库

高级要求：

• 能设计完整的企业知识库架构（文档管理、分块策略、Embedding、检索、Reranker、生成）
• 能根据文档类型选择合适的分块策略（固定分块、语义分块、结构化分块）
• 能选择合适的Embedding模型和Reranker，平衡效果和成本
• 能设计知识库的运营机制（文档更新、质量监控、效果评估、持续优化）
• 能诊断和解决知识库的常见问题（检索不准、回答不相关、知识过时）

提升方法：

• 系统学习RAG知识库（对应课程第15-22章）
• 动手搭建企业知识库，在实践中理解各个环节
• 做对比实验，测试不同分块策略、Embedding模型、Reranker的效果
• 学习知识库运营的最佳实践
• 分析bad case，持续优化知识库效果

5.2.4 能力4：Agent系统能力

能力定义：理解Agent的核心能力（感知、规划、工具调用、记忆），能设计Agent系统的架构和交互，能评估Agent效果，设计Agent的安全和控制机制。

初级要求：

• 知道Agent是什么、和聊天机器人的区别
• 知道Agent的核心能力（感知、规划、工具调用、记忆）
• 知道Function Calling的基本概念
• 能用Dify/Coze搭建简单的Agent

高级要求：

• 能设计复杂的Agent系统（单Agent、多Agent协作）
• 能设计Agent的规划策略（ReAct、Tree of Thoughts、反思修正）
• 能设计Agent的工具体系（工具选择、工具调用、错误处理）
• 能设计Agent的记忆系统（短期记忆、长期记忆、向量记忆）
• 能评估Agent效果（任务成功率、步骤效率、成本、安全性）
• 能设计Agent的安全和控制机制（权限控制、人工确认、异常终止、审计日志）

提升方法：

• 系统学习Agent系统（对应课程第23-30章）
• 动手搭建Agent应用，体验Agent的能力和局限
• 研究主流Agent框架（LangGraph、AutoGen、CrewAI）
• 分析Agent的bad case，理解Agent失败的原因和改进方法
• 设计Agent的评估体系，用数据驱动优化

5.2.5 能力5：数据分析能力

能力定义：能定义AI产品的核心指标，能收集和分析用户数据，能通过数据发现问题、评估效果、驱动决策，能设计和执行AB测试。

初级要求：

• 知道AI产品的核心指标（准确率、满意度、留存、转化率等）
• 能看懂数据看板，理解基本的数据指标
• 能用Excel做基本的数据分析
• 知道AB测试的基本概念

高级要求：

• 能设计AI产品的完整指标体系（效果指标、体验指标、商业指标）
• 能设计数据埋点方案，确保数据收集完整准确
• 能通过数据分析发现问题、定位原因、提出优化方案
• 能设计和执行AB测试，确定样本量、实验周期、评估指标，判断统计显著性
• 能做bad case分析，分类归因，制定优化优先级
• 能用SQL查询数据，用Python做数据分析（可选但加分）

提升方法：

• 学习数据分析基础（统计学、SQL、Excel、Python数据分析）
• 在工作中养成用数据说话的习惯，每个决策都要有数据支撑
• 学习AB测试方法论，在实践中设计和执行AB测试
• 练习bad case分析，从数据中发现问题和机会
• 学习数据可视化，能清晰展示数据分析结果

5.3 产品能力维度（4项）

5.3.1 能力6：需求分析能力

能力定义：能通过用户研究、数据分析、业务沟通等方式发现用户需求，能区分真需求和伪需求，能评估需求的价值和优先级，能把模糊需求转化为清晰的产品需求。

初级要求：

• 能通过用户访谈、问卷调查等方式收集用户需求
• 能写基本的需求文档，描述需求的背景、目标、功能
• 能区分需求的优先级（重要/紧急）
• 能和用户沟通，理解用户的真实需求

高级要求：

• 能建立完整的需求管理流程（需求收集→评估→优先级→排期→上线→复盘）
• 能区分真需求和伪需求，透过用户表面需求发现深层动机
• 能评估需求的商业价值（ROI、用户价值、战略价值）
• 能用KANO模型、RICE评分等方法科学排优先级
• 能把模糊的业务需求转化为清晰、可执行、可验证的产品需求
• 能管理需求变更，控制需求范围，避免需求蔓延

提升方法：

• 学习需求分析方法论（用户研究、KANO模型、RICE评分、用户故事）
• 多和用户沟通，培养用户同理心
• 练习需求分析，每个需求都问"为什么"，找到深层需求
• 学习写高质量的PRD，需求描述清晰、完整、可验证
• 复盘需求上线后的效果，总结经验教训

5.3.2 能力7：产品设计能力

能力定义：能设计AI产品的交互体验（对话流、状态机、异常处理），能设计产品功能和流程，能画原型和写PRD，能平衡用户体验、技术可行性、商业价值。

初级要求：

• 能画基本的产品原型（Axure/Figma）
• 能写基本的PRD，描述功能需求和交互流程
• 能设计简单的用户流程
• 知道基本的设计原则（简洁、一致、反馈）

高级要求：

• 能设计AI产品的对话流（单轮/多轮对话、对话引导、对话终止）
• 能设计AI产品的状态机（对话状态、任务状态、异常状态）
• 能设计AI产品的异常处理（用户输入异常、AI输出异常、工具调用异常、系统异常）
• 能设计AI产品的信任机制（来源引用、置信度展示、人工兜底、用户反馈）
• 能设计完整的产品方案，包含需求分析、竞品分析、功能设计、交互设计、数据指标
• 能和设计师有效协作，确保设计方案落地

提升方法：

• 学习产品设计方法论（用户体验要素、交互设计、信息架构）
• 学习AI产品设计方法（对话流设计、状态机、异常处理）
• 大量拆解优秀AI产品，学习设计思路
• 多做产品设计练习，每个练习都做完整的方案
• 和设计师多交流，学习设计思维

5.3.3 能力8：项目管理能力

能力定义：能管理AI产品的全生命周期，能制定项目计划，能协调多方资源（算法、开发、设计、运营、业务），能控制项目进度和风险，能推动项目按时高质量上线。

初级要求：

• 能制定基本的项目计划（任务分解、时间排期）
• 能组织项目会议，跟进项目进度
• 能识别基本的项目风险
• 能和开发团队有效沟通，推动需求落地

高级要求：

• 能管理复杂的AI项目（涉及算法、开发、设计、运营、业务等多方团队）
• 能制定合理的项目计划，考虑AI项目的不确定性（效果不确定、技术方案不确定、时间不确定）
• 能协调多方资源，解决团队冲突，推动项目进展
• 能识别和管理AI项目的特殊风险（效果不达标、技术方案变更、数据问题、合规风险）
• 能推动项目快速迭代，用MVP验证假设，逐步完善
• 能管理项目上线后的效果优化，建立持续迭代机制

提升方法：

• 学习项目管理方法论（敏捷开发、Scrum、里程碑管理）
• 在实践中管理项目，积累项目管理经验
• 学习沟通和协调技巧，提升团队协作效率
• 学习风险管理，提前识别和应对项目风险
• 复盘每个项目，总结经验教训

5.3.4 能力9：商业化能力

能力定义：能设计AI产品的商业模式，能计算产品成本和ROI，能制定定价策略，能推动产品商业化，对产品的商业结果负责。

初级要求：

• 知道AI产品的基本商业模式（订阅制、按次付费、按量付费、私有化部署）
• 知道AI产品的主要成本（模型调用费、算力费、人力成本）
• 能做基本的成本估算
• 知道基本的定价策略

高级要求：

• 能设计完整的商业模式（收入模式、成本结构、盈利路径）
• 能精确计算AI产品的成本（模型调用成本、算力成本、运营成本），优化成本结构
• 能计算产品ROI，评估产品的商业价值
• 能制定合理的定价策略，平衡用户付费意愿和商业目标
• 能设计付费转化路径，提升付费转化率
• 能对产品的商业结果负责，驱动收入增长和成本优化

提升方法：

• 学习商业模式设计（商业模式画布、收入模式、成本结构）
• 学习定价策略和付费转化方法论
• 研究成功AI产品的商业模式（ChatGPT、Midjourney、GitHub Copilot等）
• 在工作中关注商业指标，培养商业思维
• 练习做商业分析，每个产品决策都考虑商业影响

5.4 软技能维度（4项）

5.4.1 能力10：沟通协作能力

能力定义：能和不同背景的团队（算法、开发、设计、运营、业务、管理层）有效沟通，能表达自己的想法，能倾听他人的意见，能解决团队冲突，能推动团队达成共识。

提升方法：

• 学习沟通技巧（结构化表达、积极倾听、非暴力沟通）
• 根据沟通对象调整沟通方式（和技术团队讲技术语言，和业务团队讲业务语言）
• 练习公开表达，提升表达能力
• 学习冲突管理，能理性解决团队分歧
• 培养同理心，站在对方角度思考问题

5.4.2 能力11：学习能力

能力定义：AI技术和产品变化快，能快速学习新知识、新技能，能跟上技术和市场的变化，能把学到的知识应用到实践中。

提升方法：

• 建立系统的学习方法（目标驱动、刻意练习、及时反馈）
• 保持好奇心，对新技术、新产品保持敏感
• 建立知识管理体系，整理和沉淀学到的知识
• 在实践中学习，边做边学，学用结合
• 定期复盘学习效果，调整学习方法

5.4.3 能力12：解决问题能力

能力定义：面对复杂和不确定的问题，能清晰定义问题，能分析问题原因，能提出多种解决方案，能评估和选择最优方案，能推动方案落地并验证效果。

提升方法：

• 学习问题解决方法论（5Why分析、鱼骨图、MECE、假设驱动）
• 面对问题时，先定义问题再找解决方案，不要急于行动
• 练习分析复杂问题，拆解为可解决的子问题
• 培养数据驱动的决策习惯，用数据验证假设
• 复盘每个问题的解决过程，总结经验教训

5.4.4 能力13：创新思维能力

能力定义：能跳出传统产品思维，探索AI产品的新形态、新玩法、新商业���式，能提出有创意的产品想法，能平衡创新和可行性。

提升方法：

• 保持开放心态，接受新事物、新想法
• 大量体验不同类型的AI产品，拓展视野
• 练习头脑风暴，不急于否定任何想法
• 学习创新方法论（设计思维、颠覆式创新、跨界创新）
• 培养跨界思维，从其他领域获取灵感

5.5 行业/商业维度（3项）

5.5.1 能力14：行业认知能力

能力定义：深入理解目标行业的业务流程、用户痛点、竞争格局、监管要求，能找到AI在行业中的应用场景和价值点。

提升方法：

• 深入研究目标行业，学习行业知识和业务流程
• 和行业专家多交流，了解行业痛点和需求
• 研究行业内的成功案例和失败案例
• 关注行业政策和监管动态
• 如果有机会，深入行业一线，亲身体验业务流程

5.5.2 能力15：商业思维能力

能力定义：能从商业角度思考产品决策，能评估产品的市场机会和竞争格局，能理解公司的商业模式和战略目标，能让产品为公司创造商业价值。

提升方法：

• 学习商业基础知识（市场营销、财务管理、战略管理）
• 研究成功公司的商业模式和战略
• 在工作中关注商业指标，理解产品对商业结果的影响
• 练习做商业分析和市场分析
• 培养全局视角，从公司整体战略角度思考产品

5.5.3 能力16：用户洞察能力

能力定义：能深入理解用户的需求、行为、动机、痛点，能通过用户研究和数据分析发现用户的真实需求，能站在用户角度设计产品。

提升方法：

• 学习用户研究方法（用户访谈、可用性测试、问卷调查、数据分析）
• 多和用户沟通，培养用户同理心
• 分析用户行为数据，发现用户行为模式和痛点
• 建立用户画像，深入理解目标用户
• 在产品设计中始终把用户放在第一位

5.6 不同阶段的能力要求

AI产品经理的能力要求随职业阶段不同而不同。以下是4个阶段的能力要求重点：

5.6.1 初级AI产品经理（0-2年）

能力重点：

• AI技术理解：理解大模型、RAG、Agent的基本概念和能力边界
• Prompt工程：能写高质量的Prompt，能优化Prompt效果
• 产品基础：需求分析、产品设计、PRD撰写、原型设计
• 数据分析：能看懂数据看板，能做基本的数据分析
• 执行能力：能高效执行任务，推动需求落地

主要工作：在导师指导下负责AI产品的某个功能模块，做需求分析、产品设计、效果跟踪、bad case分析。

5.6.2 中级AI产品经理（2-5年）

能力重点：

• AI产品设计：能设计完整的AI产品方案（对话流、状态机、异常处理、效果优化）
• RAG/知识库：能设计和运营企业知识库，提升检索和回答效果
• Agent系统：能设计Agent系统，评估Agent效果
• 项目管理：能独立管理AI项目，协调多方团队
• 效果优化：能建立效果优化闭环，持续提升AI效果
• 沟通协作：能和算法、开发、业务等团队有效协作

主要工作：独立负责一个AI产品或产品线，制定产品策略，推动产品落地和持续优化，对产品效果负责。

5.6.3 高级AI产品经理（5-8年）

能力重点：

• 产品战略：能制定AI产品的长期战略和路线图
• 商业化：能设计商业模式，推动产品商业化，对商业结果负责
• 团队管理：能带领产品团队，培养初级产品经理
• 行业认知：深入理解行业，能找到AI的行业应用机会
• 创新能力：能探索AI产品的新形态、新商业模式
• 跨部门协作：能推动跨部门协作，争取资源，推动战略落地

主要工作：负责多个AI产品线或整个AI产品体系，制定产品战略，带领团队，对业务结果负责。

5.6.4 AI产品负责人/总监（8年以上）

能力重点：

• 商业战略：能制定公司级AI战略，对公司AI业务的整体结果负责
• 组织建设：能搭建和管理AI产品团队，建立团队文化和工作流程
• 生态建设：能建设AI产品生态，整合内外部资源
• 行业影响力：在行业内有影响力，能代表公司参与行业交流
• 资本运作：能参与融资、并购等资本运作（创业公司）

主要工作：负责公司整体AI产品战略和团队管理，对公司AI业务的整体结果负责。

5.7 能力提升计划

5.7.1 自我评估方法

对照能力模型，对每项能力进行1-5分的自评：

• 1分：完全不了解，没有相关经验
• 2分：了解基本概念，能在指导下完成基本任务
• 3分：能独立完成基本任务，有一定实践经验
• 4分：能独立完成复杂任务，有丰富实践经验，能指导他人
• 5分：专家水平，有深入理解和创新，能制定标准和方法论

5.7.2 提升优先级

根据自评结果，按以下原则确定提升优先级：

• 短板优先：得分低于3分的能力是短板，优先提升
• 核心优先：AI技术理解、Prompt工程、产品设计、数据分析是AI产品经理的核心能力，优先提升
• 阶段匹配：根据你当前的职业阶段，重点提升该阶段的能力重点
• 目标导向：根据你的职业目标，重点提升目标岗位需要的能力

5.7.3 3个月提升计划示例

假设你是一个想转行AI产品经理的运营人员，自评结果：AI技术理解2分、Prompt工程2分、产品设计2分、数据分析3分、沟通协作4分、行业认知3分。

第1个月：AI技术+Prompt工程

• 系统学习大模型、RAG、Agent的基本概念（对应课程第7-30章）
• 每天用AI工具，体验不同产品
• 练习写Prompt，建立自己的Prompt库
• 输出：3篇AI产品分析文章，1套Prompt作品集

第2个月：产品设计+实战项目

• 学习产品设计方法论（需求分析、PRD、原型）
• 学习AI产品设计方法（对话流、状态机、异常处理）
• 用Dify/Coze搭建一个AI产品实战项目
• 输出：1个完整的AI产品设计方案，1个可运行的实战项目

第3个月：数据分析+求职准备

• 学习数据分析基础，练习bad case分析
• 优化作品集，准备简历
• 准备面试，做模拟面试
• 开始投递，积累面试经验

5.8 本章小结

AI产品经理能力模型是你学习和职业发展的地图。对照能力模型，你能知道自己需要学什么、现在水平如何、该怎么提升。

核心内容回顾：

4大维度16项能力：

1. 硬技能（5项）：AI技术理解、Prompt工程、RAG/知识库、Agent系统、数据分析
2. 产品能力（4项）：需求分析、产品设计、项目管理、商业化
3. 软技能（4项）：沟通协作、学习能力、解决问题、创新思维
4. 行业/商业（3项）：行业认知、商业思维、用户洞察

4个职业阶段：

• 初级（0-2年）：重点是AI技术理解、Prompt工程、产品基础、执行能力
• 中级（2-5年）：重点是AI产品设计、RAG/知识库、Agent系统、项目管理、效果优化
• 高级（5-8年）：重点是产品战略、商业化、团队管理、行业认知、创新能力
• 负责人/总监（8年+）：重点是商业战略、组织建设、生态建设、行业影响力

能力提升方法：自我评估（1-5分）→ 确定提升优先级（短板优先、核心优先、阶段匹配、目标导向）→ 制定提升计划（分月、分周、分天）→ 执行和复盘（持续学习、实践、复盘、调整）。

能力提升是一个持续的过程，不要期望一蹴而就。按照能力模型，有计划地学习和实践，你会逐步成长为优秀的AI产品经理。

📝 本章练习（5题）

答案与解析请在 互动学习看板 中作答查看。

📚 AI产品经理实战训练营 课程目录（44 章）

1. 第1章 AI产品经理是做什么的？和传统PM有什么区别？
2. 第2章 2026年AI产品经理就业市场：哪些行业在招？薪资多少？
3. 第3章 零经验转行AI产品经理的3条路径
4. 第4章 AI产品全景图：从聊天机器人到Agent，一文搞懂
5. 第5章 AI产品经理能力模型：你需要掌握哪些技能？
6. 第6章 实战：拆解3个你每天在用的AI产品
7. 第7章 大模型是什么？用大白话讲清楚
8. 第8章 主流大模型对比：GPT-4o、Claude、DeepSeek、豆包、Kimi怎么选？
9. 第9章 Prompt入门：写好提示词的5个原则
10. 第10章 Prompt进阶：System Prompt、COT思维链、Few-shot示例
11. 第11章 结构化输出：让大模型返回JSON、表格、代码
12. 第12章 Prompt优化实战：从垃圾Prompt到高质量Prompt
13. 第13章 大模型的"幻觉"问题：产品经理怎么应对？
14. 第14章 实战：为一个智能客服设计完整Prompt体系
15. 第15章 RAG是什么？为什么企业都在做知识库？
16. 第16章 RAG工作原理：文档→分块→向量→检索→生成
17. 第17章 向量数据库选型：Milvus、Pinecone、Chroma、pgvector怎么选？
18. 第18章 Embedding模型选型：OpenAI、BGE、M3E、GTE对比
19. 第19章 Reranker重排序：让检索结果更精准
20. 第20章 查询改写与混合检索：提升召回率的实战技巧
21. 第21章 知识库运营：文档治理、更新机制、效果监控
22. 第22章 实战：从零搭建一个企业知识库（完整流程）
23. 第23章 Agent是什么？和聊天机器人有什么区别？
24. 第24章 Agent核心能力：感知、规划、工具调用、记忆
25. 第25章 主流Agent框架与协议：Agent Harness、MCP、A2A全解析
26. 第26章 工具调用（Function Calling）原理与实战
27. 第27章 Agent记忆系统：短期记忆、长期记忆、向量记忆
28. 第28章 多Agent协作：多个智能体怎么分工配合？
29. 第29章 Agent评估体系：成功率、成本、延迟怎么监控？
30. 第30章 实战：设计一个制造业生产异常处理Agent
31. 第31章 AI产品需求分析：怎么识别真需求还是伪需求？
32. 第32章 AI产品竞品分析：怎么调研和拆解竞品？
33. 第33章 AI产品PRD撰写：技术可行性、数据需求、评估指标
34. 第34章 AI产品原型设计：对话流、状态机、异常处理
35. 第35章 AI产品数据指标体系：从DAU到模型准确率，全面监控
36. 第36章 AI项目管理：从需求到上线的全流程管控
37. 第37章 实战项目1：从零搭建制造业AI智能质检系统
38. 第38章 实战项目2：从零搭建企业级AI知识库（RAG系统）
39. 第39章 AI产品经理简历优化：让HR一眼看中你
40. 第40章 项目经验包装：把普通项目讲成亮眼案例
41. 第41章 AI产品经理面试常见问题：提前准备，从容应对
42. 第42章 案例分析面试：用结构化思维征服面试官
43. 第43章 薪资谈判：拿到你应得的报酬
44. 第44章 入职前3个月：快速站稳脚跟，建立信任