
共 20 篇文章


技术理解力、产品基本功、业务洞察三块的权重分配,以及不同类型 AI 产品对能力的不同要求。


时间花在哪些事上、与传统 PM 的日常差异在哪,以及评测、badcase 分析这些特有的工作内容。

To B 与 To C 在需求来源、付费逻辑、交付形态、增长打法上的本质差异,以及 AI 时代两条路各自的新变化。


加对话框不等于 AI 产品、模型强不等于产品好、demo 到生产差着 80% 的活、提示词不是护城河等常见误区的辨析。

不用会写工程代码,但要能调 API、读懂技术方案、判断成本边界,并建立 token、上下文、幻觉等技术直觉。

简历要写 AI 相关的决策和结果而非职责罗列,作品集要有一个能跑的东西,没经验就自己造项目,用问题-决策-权衡-结果结构呈现。

0-3 年练执行把一个模块做到能打,3-5 年独立带方向对结果负责,5-10 年在专家、管理、创业三条岔路做选择。

训练与推理的成本结构差异、泛化与过拟合对落地的影响,以及怎么用这些概念做可行性判断和验收。

为什么它是基本功、要会到什么程度、写 prompt 的心法,以及它的能力边界在哪里。



AI 产品五类典型伪需求的特征,以及用「用户愿不愿意付代价」和 workaround 来检验的方法。


用户对 AI 无概念、预期两极分化、信任是核心议题,以及用原型演示和行为观察替代空对空提问。


从「写死规则」到「定义期望与边界」,评测集当验收标准,badcase 库和兜底策略进 PRD。
