# 首页 & 前言
## 为什么要写这个系列
2022年底，我在腾讯开始做大模型相关的业务，截至今日，4年多时间，行业沧海桑田，人才涌入，卷到飞起。但是在招聘中，我们却很难找到合适的人才，我们深刻感受到，市场的缺口是因为缺少know how造成的。行业对产品经理的全栈要求已经越来越高，AI能力已经是基础，不再是加分项。（招聘jd见文末）。
市面上关于 AI 的内容，**要么太浅——全是"教你用 ChatGPT"的使用技巧；要么太深——直接上论文和代码，普通 PM 根本跟不上。**
夹在中间的产品经理，其实最需要的是：**能看懂技术、能做决策、能和工程师对话、能把产品做出来** 的系统性知识。所以我决定把自己的经验整理成一个系列，叫做——
**《AI 产品经理手册》** 除了公众号，会同步更新到：
***
## 这个系列会写什么
整个手册分为九章，从"AI PM 是什么"出发，一路写到商业化落地。
**第零章 AI PM 的新起点** 这次技术变革和以往有什么本质不同；模型即产品意味着什么；AI PM 的能力模型和工具箱。
> 📌 **本章作业**：选 3 个大模型产品，用同一个复杂任务测试，记录各自的表现差异和你的判断。
**第一章 先学会衡量：评测体系的建立：评测即需求，评测即产品。** 为什么评测是 AI PM 的核心能力；如何构建评测集；Rubric 设计；LLM Judge 的正确姿势；怎么读各家模型发布评测结果里的水分。
> 📌 **本章作业**：为你负责的一个 AI 功能设计一套评测集（至少 30 个 case，覆盖正常、边界、对抗三类），并为其中一个核心维度写一份完整的 Rubric，定义 1～5 分各级别的判断标准。
**第二章 大模型是如何学习和理解业务的** 训练流程、对齐算法演进、算力与硬件、训练数据、微调框架……还有一个完整的真实案例：以 Keep 运动健康大模型为背景，从立项到上线每一个真实决策。
> 📌 **本章作业**：用 LoRA+ 对一个开源小模型做一次最简单的 SFT（自己的电脑就可以完成），准备 10～20 条业务相关指令数据，对比微调前后输出变化，写出你的观察。
**第三章 大模型是怎么工作的** 7 行代码调通 API；Token 生成的本质；采样参数怎么配；Prompt Engineering 实战；幻觉、延迟、成本的三角权衡。
> 📌 **本章作业**：默写并运行 7 行代码调通大模型 API；用同一 prompt 测试 temperature=0.1 / 0.7 / 1.5，记录输出差异，写出你的采样参数直觉。
**第四章 安全与治理** 内容安全红线、数据合规、国内备案实操——这些做产品绕不开的事。
> 📌 **本章作业**：设计一份内容安全红线清单（至少 10 条），并为其中 3 条各写一个对抗性 prompt，测试你选用模型的实际防御效果。
**第五章 Agent 全景** 从 ReAct 到 MAS；Agent 的认知能力、工具扩展、编排与 runtime；LangGraph、Dify、Coze 的选型，openclaw类产品的优劣对比。
> 📌 **本章作业**：用 Dify 或 Coze 搭建一个接入 2 个工具的 Agent，记录意图识别的失败案例，并设计一套记忆方案。
**第六章 动手做 Agent：工业落地的真实过程** 一个完整的 Agent 从需求拆解到上线的全流程实战记录，包括常见翻车点复盘。
> 📌 **本章作业**：用 LangGraph 实现一个最小可运行的饮食记录 Agent，跑通"记录一餐 → 查询今日摄入 → 给出建议"完整流程，写出遇到的问题和解法。
**第七章 AIGC 内容生成** 图像、视频、脚本的工业化生产；多模态内容流水线；版权与合规的现实处理。
> 📌 **本章作业**：选一个真实业务场景，用图像生成工具完成批量内容生产，提交 prompt 迭代记录（至少 3 轮）和 pipeline 设计思路。
**第八章 大模型时代的商业化** Token 付费的本质；AI 产品成本结构拆解；ROI 怎么算；成本控制策略；定价模型设计。
> 📌 **本章作业**：估算一个 AI 功能的月度推理成本，并设计一套降本 30% 的方案，说明每项措施的预期效果与实施代价。
每章都有一道**实战作业**，不是选择题，是真正能动手做的任务，我也会同步公布答案。
***
## 更新计划
我会按章节顺序更新，频率大约是**每 1～2 周一篇**，尽量保证每篇质量，不水文章。
如果你想跟着这个系列系统学习，建议先关注本公众号，后续每章更新都会第一时间推送。
***
## 最后说一句
这个系列不是教程，也不是综述文章。 它是我踩坑之后，觉得"当初要是有人告诉我这些就好了"的那种内容。 有些结论可能不讨喜，有些观点可能有争议——但我会尽量写真实的判断，而不是正确的废话。 限于个人认知边界，有一些可能也会有问题，请多指正。
***
*关注公众号，不错过每一篇更新。*
---
# Agent Instructions: Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter:
```
GET https://book.likun.ai/readme.md?ask=
```
The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.