昨天刷到深度智耀在招 AI 产物司理，我盯着 JD 看了半小时。20-40k，要懂 AI Agent、RAG、责任流，要能把雇主需乞降职工任务转成 AI 职工产物体育游戏app平台，还要能用 AI 写代码。我短暂意志到，这个岗亭的妙技条件跟我之前相识的诳骗型 AI PM 不统长入样。哪些必须会？哪些了解就够？

昨天刷到深度智耀（DIP）在招 AI 产物司理，岗亭名叫“企业 AI 产物司理｜AI 职工与企业责任流”。我点进去看了一会，合计这个 JD 写得挺深远的——不是那种“耀眼 AI、懂产物、会配合”的空论，而是把岗亭缱绻、职责和妙技条件都拆得很细。

这个岗亭不是纯产物司理，也不是纯 FDE，而是诳骗型 AI PM + 现场托福的搀杂变装——你得懂产物、懂 AI、懂业务，还得能进客户现场，跟销售和托福团队一皆干活。

对着深度智耀这个 JD，不错把AI产物司理条件的妙技拆成三层：

第一层：必须会

不会就没法干活那种

1. 业务相识与场景拆解

JD 里写“相识中小企业权术过程，能把雇主需乞降职工任务转换为产物材干”。

翻译过来即是：你得能判断哪些企业任务得当用 AI 职事业念，哪些不得当。

我之前接过一个边幅：客户是个小外贸公司，雇主说“咱们每天要讲演 200 封询盘邮件，能不成让 AI 自动回？”我那时念念：这不即是个举止的客服场景吗，GPT-4 服气能贬责。闭幕进了客户现场才发现，他们的询盘邮件 30% 是举止产物参议，50% 是定制需求（要查库存、问供应商、算报价），还有 20% 是客户诉苦质地问题。

自后我把任务拆成三类：举止参议让 AI 自动回，定制需求 AI 援救草拟（东谈主工审核），质地问题平直转东谈主工。上线后，AI 处理了 40% 的邮件，东谈主工效能进步了 60%。

这即是业务相识材干。

2. 评测联想与成果验收

JD 里写“界说可建立、可托福、可评测、可复制的产物决策”。这句话背后是：你得会联想评测体系，否则上线后即是黑盒。

我第一次作念 AI 产物托福时，算法团队说“模子准确率 90%，不错上线了。”我信了，闭幕上线第一周，客户打电话来：“你这个 AI 如何回事？十封邮件错了三封。”我说：“不可能啊，测试准确率 90%。”客户说：“你测的都是举止询盘，咱们简直场景里 40% 是范围情况。”

自后我学会了：AI 产物的“准确率”不是算法团队说了算，是 PM 和客户一皆定的。你得能界说“准确率”“调回率”“误报率”的业务含义，得能从简直业务数据中采样构建评测集，得能联想 badcase 网罗机制。

3. 需求拆解与决策联想

JD 里写“将客户需求拆解为 AI 职工变装、任务过程、学问库、用具调用和托福举止”。这句话翻译过来即是：你得能把一个糊涂的业务需求拆解成手艺可完了的产物决策，并判断用 RAG、Agent 也曾规则引擎。

我铭记有一次，客户说“咱们要作念一个 AI 采购助手，能帮采购员快速找供应商、比价、下单。”我那时念念：这是个多门径任务，用 Agent 服气没问题。闭幕上线后发现，Agent 收效能只消 60%（五步任务，单步 90% 准确率，0.9^5 ≈ 0.59）。

自后我改了决策：找供应商用 RAG（从供应商库检索），比价用规则引擎（从 ERP 拉数据），下单让东谈主工阐发（触及合同和付款）。收效能进步到 85%。

这即是决策联想材干。

你得能把一个业务需求拆解成 3-5 个子任务，每个子任务标注手艺决策（RAG、Agent、规则引擎）和兜底逻辑（置信度 <80% 转东谈主工）。

4. 能用 AI 写代码（新增必备妙技）

JD 里写“能用 AI 写代码”。这是这个岗亭最相称的一条条件。这不是要你成为工程师，而是要你能用 AI 用具（Cursor、GitHub Copilot、v0.dev）快速完了原型、写建立剧本、考据手艺决策。

我之前跟一个算法团队配合时，他们说“这个 Prompt 要加 Few-shot 示例，但咱们概略情表情对不合，你能不成先写个 Demo 考据一下？”我那时懵了，我又不会写代码。自后我学会了用 Cursor：我把需求描述给 AI，AI 生成代码，我跑一遍行为果，不合就改 Prompt 让 AI 再行生成。半小时就贬责了一个考据剧本。

这即是“能用 AI 写代码”的简直含义：你不需要我方从新写代码，但你得能跟 AI 对话，把需求描述深远，让 AI 生成代码，你能看懂、能跑、能判断对不合。

第二层：了解就够

需要相识，但不需要深入掌合手

1. 写指示词

JD 里写“输出 Prompt 策略”。这句话背后是：你得能写出可用的 Prompt，但不需要我方调优坐蓐级 Prompt（那是算法团队的活）。

我刚运行作念 AI 产物时，写的 Prompt 相称简单：“帮我归来这封邮件。”闭幕 AI 生成的归来扫数不相宜业务方的条件。自后我学会了：Prompt 要包含变装界说、任务证明、输出表情、Few-shot 示例。比如：

你是一个外贸询盘邮件助手。

请归来这封邮件的中枢诉求（产物、数目、交期、价钱），输出表情为：

– 产物：XXX

– 数目：XXX

– 交期：XXX

– 价钱：XXX

示例：原邮件：”Hi, we need 1000 units of Model A, delivery by Dec 1st, please quote.”

输出：

– 产物：Model A

– 数目：1000 units

– 交期：Dec 1st

– 价钱：待报价

但我不需要我方调优坐蓐级 Prompt（那要推敲 token 截止、模子版块、资本优化），我只需要能写出可用的 Prompt，能考据成果，能说出“这个 Prompt 太长了，会超 token 截止”。

2. 算法配合

JD 里写“协同研发完了 AI Agent、LLM、RAG、API、责任流”。这句话翻译过来即是：你得能听懂算法团队说的“微调”“对皆”“token 截止”“embedding”，能判断手艺决策的可行性和资本。

我铭记有一次，算法团队说“这个需求要微调模子，资本大致 30 万。”我问：“能不成先试试 Few-shot Prompt？”他们说：“试过了，成果不好。”我说：“那能不成用 RAG？”他们说：“不错试试。”闭幕用 RAG 解决了，资本只消 3 万。

这即是算法配合材干。

3. AI 系统相识

JD 里写“熟悉 AI Agent、LLM、RAG、用具调用、API、责任流”。这句话翻译过来即是：你得相识大模子的材干范围（擅长什么、不擅长什么）、RAG 和 Agent 的旨趣和适用场景。

我刚运行作念 AI 产物时，以为 AI 什么都能作念。自后发现，AI 擅长的是“高频、规则复杂、作假代价低”的任务，不擅长的是“低频、规则简单、作假代价高”的任务。比如：

RAG 得当：学问库更新常常的场景（产物手册、策略查询）Agent 得当：多门径、低风险任务（邮件草拟、贵寓整理）规则引擎得当：逻辑深远、高准确率条件的任务（价钱规划、库存查询）

但我不需要我方完了 RAG 或 Agent，我只需要知谈什么时候用 RAG、什么时候用 Agent、什么时候用规则引擎。

第三层：可之外包

不需要会，交给算法团队或外部供应商。

1. 模子熟识与调优

JD 里没写“要会熟识模子”。这就对了——诳骗型 AI PM 不需要我方熟识模子，那是算法团队的职责。

我只需要海涵验收举止（准确率、调回率、P95 蔓延）、熟识资本、上线时候。

2. 底层架构联想

JD 里也没写“要懂底层架构”。这也对——诳骗型 AI PM 不需要懂模子部署、推理优化、散布式熟识，那是工程团队的职责。

我只需要海涵系统镇定性、反应速率、资本限度。

材干字据清单：如何解说你会

妙技舆丹青出来了，但口试官如何知谈你真会？我归来了五类材干字据：

1. Model Sense（对模子材干的嗅觉）

每天至少 2 小时跟模子对话，试不同 Prompt、不同模子、不同场景在 Claude、GPT、DeepSeek 上试淹没个任务，对比成果；纪录 badcase，归来法例

2. 评测联想材干

能界说评测举止、构建评测集、联想监控大盘从简直业务数据中采样 200 条，标注“好”“中”“差”；界说“准确率 85% 且误报率 <10%”的验收举止

3. 算法配合材干

能听懂算法团队的术语，能判断手艺决策的可行性跟算法团队开过至少 3 次需求评审会，能说出“这个决策资本太高，咱们先试试 Few-shot 或者 RAG”

4. Prompt 工程材干

能写出身产级 Prompt，能考据成果写过至少 10 个 Prompt，包含变装、任务、表情、Few-shot 示例；能说出“这个 Prompt 成果不好，我加了 3 个 Few-shot 后准确率从 70% 进步到 85%”

5. 能用 AI 写代码（新增字据）

能用 Cursor 或 GitHub Copilot 写一个 Prompt 测试剧本或数据处理剧本能看懂 AI 生成的代码，知谈那处是 API 调用、那处是逻辑判断能在客户现场快速搭一个考据 Demo，而不是且归让研发作念

转型旅途：70% 能平移，30% 要补课

我作念了 7 年产物，前 4 年作念传统 To B 产物，后 3 年转 AI。转型初期我也迷濛过——要不要学深度学习？要不要刷吴恩达的课？自后我发现，传统 PM 转 AI PM，70% 的材干不错平移，30% 要补课。

70% 能平移的材干：

用户经营：传统 PM 的用户经营方法论扫数适用于 AI 产物需求拆解：把业务需求拆解成产物决策的材干是通用的跨团队配合：跟研发、联想、运营的配合时势没变，仅仅多了算法团队边幅鼓舞：排期、资源谐和、风险管制的方法论是通用的

30% 要补课的材干：

大模子判辨：相识大模子的材干范围、资本结构、手艺蹊径Prompt 材干：能写出可用的 Prompt，能考据成果数据评估：能界说评测举止、构建评测集、监控线上成果能用 AI 写代码：能用 Cursor 或 GitHub Copilot 快速考据念念法、写建立剧本

补课旅途：

我那时补课花了 4 个月：

第一个月缔造 Model Sense（每天 2 小时跟模子对话）

第二个月学 Prompt 工程（学 Prompt Engineering 指南，写 10 个坐蓐级 Prompt）

第三个月学评测联想（学 Anthropic《AI Agent 评测指南》，从简直业务数据中采样构建评测集）

第四个月学用 AI 写代码（学 Cursor 和 GitHub Copilot，写了 20 个考据剧本）。

但当今有更快的路：比如开头课堂的《AI 产物司理妙技特训课程》

配套实训边幅带教，每月两场直播，提供可写入简历的边幅案例。

我那时自学花了 4 个月，当今有课程大致能贬低到 2 个月。

但岂论自学也曾上课，中枢是：你得有简直边幅陶冶。莫得简直边幅，学再多表面都是望梅止渴。

写在临了：这个岗亭的罕见性

我盯着深度智耀这个 JD 看了半小时，短暂意志到：这个岗亭不是纯产物司理，也不是纯 FDE，而是诳骗型 AI PM + 现场托福的搀杂变装。

你不需要熟识模子，但你得懂范围。你不需要写代码，但你得能用 AI 写代码。你不需要深入掌合手 Prompt 工程，但你得能写出可用的 Prompt。你不仅要在办公室里画原型写 PRD，还要进客户现场，跟销售和托福团队一皆解决简直业务问题。

妙技分三层：必须会、了解就够、可之外包。

必须会的是业务相识、评测联想、需求拆解、能用 AI 写代码；了解就够的是 Prompt 工程、算法配合、AI 系统相识；可之外包的是模子熟识、底层架构。

但妙技舆图仅仅开头，简直的判断力要靠实战集会。

至少你知谈标的了，不会在转型路上走弯路。

本文由 @最好意思小时光 原创发布于东谈主东谈主都是产物司理。未经作家许可，辞谢转载

题图来自Unsplash体育游戏app平台，基于CC0公约