|
课程培训
|
AI 产品经理从入门到进阶培训课程
培训目标
§ 培养真正的 AI 产品经理 § AI 与产品深度融合：帮助产品经理理解如何将 AI 深度融入产品功能与体系结构 § AI 赋能产品全流程：让产品经理能够借助 AI 支持产品的识别、探索、开发、发布与运维的全生命周期 § 总结来说：既要做真正的“AI 产品”，又要用 AI 把产品做出来（Do the AI things, and do the things AI），AI 产品经理应贯穿整个产品流程，善用 AI 赋能每一个环节。 培训大纲
�� 第一章｜角色重塑：什么是「AI 产品经理」
1.1 �� 从传统产品经理到 AI 产品经理
§ 产品经理核心思路的变化：从「需求分析」到「AI 能力编排」 § AI 产品 ≠ 给原有产品加一个聊天框 1.2 �� AI 产品经理的工作对象
§ 基于**大语言模型（LLM）**构建产品，而非工具拼装 § AI 既是功能组件，也是“设计合作者” 1.3 �� AI 不替代产品，而是重构产品形态
§ 不试图替代 Cursor、IDE、SaaS 巨头 § 观察：在已经有大量工具的情况下，人还在做什么？ �� 第二章｜ AI 通识与大模型基础（必须掌握的"地基"）
2.1 ⚙️ 大语言模型的基本原理
§ 生成式模型如何工作（概率、上下文、Token） § 为什么“看起来很聪明，但并不理解世界” 2.2 �� 大模型调用示例
§ 选择模型：OpenAI / 阿里云 / 百度 / 讯飞 等 § 获取 Key：注册平台账号并申请 API Key § 设置参数：如 temperature、max_tokens、top_p 等 § 请求方式：以 HTTP/RESTful 或 SDK 形式发送调用 § 结果解析：理解并使用模型返回的 response § 错误处理：API 限流、超时、Key 失效的应对策略 § ✏️ 练习：运行示例代码并调整参数 2.3 ✍️ 提示词工程（Prompt Engineering）
§ 定义模型“扮演谁”：明确自身角色设定（如专家、助手、面试官等），提升回答的一致性与专业度 § 明确对话对象：设置模型交互中用户（读者）的身份、背景或需求，有针对性地调整输出风格 § 使用提示词模板：设计可复用的提示模板（如：任务描述 + 限定条件 + 期望输出格式） § 结构化输出约束：通过指示要求输出 JSON、表格、Markdown 等结构，便于自动化处理或后续集成 § 多轮提示词链路（Prompt Chaining）：将复杂任务拆解为多步、分阶段提示词，提升模型响应复杂度 § ✏️ 练习：根据不同场景，设计、优化提示词，并观察输出效果 2.4 �� RAG（检索增强生成）
§ RAG 原理：将检索与大模型生成结合 § 典型流程：检索相关上下文 → 输入模型 → 得到结果 § 数据准备：选取、清洗、结构化知识库 § 数据切割：按语义/段落/页进行分块，便于检索 § Embedding：对每个分块文本生成向量 § 向量存储：如 FAISS、Milvus、PGVector 等向量数据库 § 检索调用：输入问题，获取相关内容作为上下文 § 与大模型集成：将检索结果和问题一起发送给模型 § ✏️ 练习：运行示例代码并调整参数 2.5 �� 智能体 Agent
§ Agent 原理：构建具备自动决策与操作能力的智能体 § 能够调用工具、规划多步任务、实现交互闭环 § Agent 框架与工具：LangChain、Autogen、Transformers Agent 等 § 工作流程：系统提示（System Prompt）→ 行动规划 → 调用外部工具 → 调整计划 § 应用场景：自动客服、流程自动化、专家助手等 § ✏️ 练习：运行示例代码并调整参数 2.6 �� 深智能体 DeepAgents
§ ToDo List：Agent 具备多步目标和任务列表管理能力 § 本地文件读写：Agent 支持读取和写入本地文件，实现知识的本地化持久化 § 多智能体协同：多个 Agent 分工合作、消息互通、协作完成复杂任务 § 长期记忆：Agent 能够积累长期知识，支持上下文持久追踪 § ✏️ 练习：运行示例代码并调整参数 2.7 �� 模型上下文协议（MCP, Model Context Protocol）
§ MCP 概念：MCP 是为智能体与工具之间建立协作与通信的一套协议或规范，使多个智能体能够高效协同完成复杂任务。 § 应用场景：企业级流程自动化、跨领域专家系统、复杂问题求解、智能助手生态等。 § 挑战与展望：协议标准化、隐私安全、智能体自治、可扩展性等是当前 MCP 发展中的重要课题。 2.8 ⚠️ 能力与局限
§ 幻觉（Hallucination）的根源 § 上下文窗口、无长期记忆的问题 § 为什么模型“每次都是第一次见你” 2.9 �� 成本与工程现实
§ Token 消耗与计费模型 § 不同模型在能力、价格、速度上的差异 § 产品层面如何设计“可控成本” 2.10 �� 安全与围栏（Guardrails）
§ 什么是围栏 § 产品中哪些地方必须加围栏 § 围栏不是限制 AI，而是让 AI 可用 § ✏️ 练习：运行示例代码并调整参数 ⚡ 第三章｜ AI 与产品的深度集成与基础性创新（PRICE 方法论）
本章是整门课程的方法论中枢。 不讨论具体工具，也不展开实现细节，而是回答一个根本问题： AI 为什么、以及如何，成为产品体系中的"核心生产力"。 3.1 �� 从「功能叠加」到「能力重构」
§ AI 不是一个可以随意插拔的功能点 § 给产品“加 AI”，往往意味着重构产品的工作方式 § 真正的 AI 产品，不是"多了一个智能功能"，而是换了一种做事方式 3.2 �� PRICE：AI 产品的五个底层设计原则
PRICE 描述的不是"AI 能做什么"， 而是当 AI 成为核心生产力后，产品必然呈现出的五种结构性特征。 PRICE = Productivity · Reliability · Imagination · Control · Ease § P — Productivity（生产率） § R — Reliability（可靠性） § I — Imagination（想象力） § C — Control（控制） § E — Ease（易用性） 任何一个严肃的 AI 产品，本质上都在这五个维度上做取舍与平衡。 3.3 �� P ｜ Productivity：AI 进入产品的第一性理由
§ AI 的核心价值不是“聪明”，而是生产率结构性提升 § 能够用更低成本、更短时间，完成原本不值得或不可能完成的工作 § 产品一旦引入 AI，就必须重新思考： § 哪些工作应该交给 AI § 哪些工作才值得保留给人类 3.4 ✅ R ｜ Reliability：让 AI 成为"可用的生产力"
§ 不可靠的 AI 只能是演示工具 § 可进入核心流程的 AI，必须： § 行为可预测 § 错误可总结 § 能被规则与流程约束 § 围栏、评审、嵌套，并不是对 AI 的限制，而是让 AI 真正可用的前提 3.5 �� I ｜ Imagination：AI 的幻想能力是一种非对称优势
§ 人类更擅长判断与选择 § AI 更擅长： § 展开可能性空间 § 并行试探 § 提供非直觉方案 § AI 的价值不在于“一次给出正确答案”， 而在于让产品经理看见原本看不见的选项 3.6 �� C ｜ Control：AI 比人更容易被控制
§ AI 不应独立工作，也不应只是人类的补充 § 正确的形态是： § 人控制 AI § AI 控制任务 § 系统控制质量 § 多智能体、分级、评审回路，本质上都是控制问题，而不是模型问题 3.7 �� E ｜ Ease：让复杂能力，被更多人使用
§ AI 改变产品的另一条关键路径，不是更强，而是更易用 § 当复杂系统可以通过自然语言、对话和意图表达来使用： § 用户门槛被彻底拉低 § 用户群体被显著扩大 § 产品的竞争力，开始来自"谁更容易被用起来" 3.8 ��️ PRICE 维度实操练习
§ ✏️ 练习：选择以下的至少 2 个维度，在产品中增加相应的 AI 功能（注意：可以让 AI 协助思考） § 【P · 生产率】请思考并列举一个因引入 AI 而显著提升生产率的实际产品场景。 § 【R · 可靠性】设计一条用于保障 AI 输出可靠性的流程或机制，并阐释其意义。 § 【I · 想象力】描述一个你希望 AI 能实现的“超出现有直觉方案”的创意功能。 § 【C · 控制】模拟一个"人-机-系统"协作的产品结构示意，并说明各自职责。 § 【E · 易用性】针对非专业用户，提出一条降低 AI 产品使用门槛的具体设计建议。 �� 第四章｜ AI 产品开发与运营的一些核心问题
4.1 �� AI 产品的垂域优化
§ 根据场景选择适用的基础模型（如通用/垂直大模型） § 调整温度等生成参数以控制输出风格 § 优化提示词（Prompt）以适配具体业务 § 结合 RAG（检索增强生成）提升知识准确性 § 设计多智能体协作流程满足复杂需求 § 针对企业或行业数据进行模型微调 4.2 �� AI 产品的个性化定制
§ 「代码数据化」，降低代码量，减少维护难度 § 将“可能变化的功能”设计为可配置的数据项； § 程序根据这些数据解释执行，而不是通过硬编码逻辑来实现； § 这样可以大幅降低响应个性化需求的开发成本； § 让产品在“拿不准的地方”具备弹性，预留调整空间。 § 拆分子智能体与工具，实现模块化拼装 § 将复杂任务细分为独立的子智能体或工具模块； § 每个智能体/工具具备清晰职责，便于组合与复用； § 支持根据需求灵活拼装，降低开发与维护成本； § 为迭代和扩展预留接口，提升产品系统的弹性。 个性化定制的可行路径在于设计阶段的前置思考： § 大多数需求的差异通过配置/组装/数据扩展满足，而非重复开发； § 定制规模扩大时，可以“批量支持”不同客户，而不是陷入无休止的定制开发。 总结：大量定制 ≠ 大量开发，产品经理需要掌握将逻辑数据化、按需分离可变与不变的设计思维，从而实现 AI 产品的规模化与灵活演进。 4.3 �� 基于客户运营数据的产品演进
1 多渠道数据收集 § 自动采集关键交互信号：如点赞/点踩、拷贝文本、下载结果、追问或重试等。 § 检测“失败”场景：如用户反复修改输入、明显无效互动。 § ✏️ 练习：用两个 AI �� 模拟数据和分析数据 2 重点案例标记与分析 § 针对失败或争议较大的交互，由运营/产品进行人工标记说明失败原因。 § 用于后续作为模型改进和 Prompt/RAG 优化的核心案例。 3 AI 辅助数据归因与方案生成 § 利用 AI 分析已收集及标记的数据，自动发现高频问题与改进方向。 § 针对主要失败场景，优化 Prompt 或调整知识检索（RAG）配置。 4 改进回测 § 用标记案例反复测试新方案，关注问题是否得到实质性提升，确保改进有效闭环。 通过收集-标记-分析-优化-回测，形成持续进化的数据驱动流程，助力 AI 产品精细化迭代。 �� 第五章｜ AI 辅助产品设计（从想法到可演示原型）
本章目标：借助 AI，帮助 AI 产品经理完成从产品想法、方案设计，到可演示原型（PVT）的完整设计流程， 并形成可供研发承接与管理层/投资人沟通的产品成果。 序：方法论与工具
NPDP 新产品开发全流程与 AI 赋能方法论
新产品开发流程（New Product Development, NPD）是产品经理实现创新落地、推动 AI 产品进步的基础。以下内容将 NPDP 的重要分阶段主线与实际工作结合，明确每个阶段的任务、AI 辅助机会，并配套实战练习，帮助你系统掌握“从 0 到 Demo”的路径。 可用工具
§ ChatGPT / DeepSeek / Claude：通用大模型，几乎万能，可协助思考、生成内容、汇总资料、制图等。 § 豆包：提供优质语音服务，适合驾驶、出行等场景下语音交流，便于发现和碰撞问题。 § NotebookLM：谷歌推出，擅长资料整理及自动生成演示类产出，如语音、图片、PPT、结构图等。 备注：此类工具不断推陈出新，实际工作中可结合自身和团队习惯工具灵活选择。 一、模糊前端阶段（Fuzzy Front End / Front-End）
涵盖正式开发前的探索性活动，是整个 NPD 的起点。 包括发现商业与技术机会、概念萌芽与筛选、技术与市场可行性初步分析。这个阶段决策是否继续进入正式开发，特征是不太正式、迭代多。 5.1 产品机会与想法生成
§ 方法论： § 通过市场调研、用户反馈、竞品分析、头脑风暴发现潜在商业和技术机会。 § 多元渠道收集创新点，初步筛选符合战略方向和可行性的想法。 § AI 辅助： § 用 AI 自动挖掘行业报告、网络评论，抓取需求、痛点和趋势。 § 借助 AI 模型分析数据异常点，辅助归因与创新灵感捕捉。 § ✏️ AI 辅助练习（任选）： § 用 AI 工具自动汇总用户声音和行业变化，生成机会点清单。 § 输入部分场景描述，让 AI 生成 3-5 个创新想法，并初步分析其市场潜力。 5.2 竞品与替代方案分析
§ 方法论： § 梳理直接、间接竞品和可替代方案，输出价值主张、能力差异和体验对比。 § 初步分析市场容量、技术门槛和壁垒。 § AI 辅助： § 利用 AI 自动爬取和汇总竞品功能、市场数据，智能生成对比矩阵和体验差异图。 § 自动聚类竞品优缺点，辅助识别差异化创新点。 § ✏️ AI 辅助练习（任选）： § 上传竞品材料，请 AI 生成结构化对比表，标注技术/商业亮点与短板。 § 用 AI 生成市场地图和竞品聚类分析，并输出选择建议。 二、产品设计阶段（Product Design）
指将批准的概念转化为可实施的设计方案，包括整体与细致设计，涉及工程、外观、功能、工艺与规范。 5.3 AI 能力可行性与边界评估
§ 方法论： § 拆解产品目标，区分哪些环节适合 AI 辅助，哪些仍需人工。 § 明确模型能力上限、数据需求、性能成本与核心风险。 § AI 辅助： § 借 AI 分析需求点，可视化 AI 及非 AI 能力分布和潜在风险点。 § 让 AI 做出模型能力清单与边界报告，结合法规自动提示敏感点。 § ✏️ AI 辅助练习（任选）： § 提交产品功能表，请 AI 自动判断可由 AI 实现与不可实现的部分，并给出理由。 § 用 AI 生成针对主要风险点的预警报告，包括技术和伦理边界。 5.4 产品形态与核心流程设计
§ 方法论： § 制定能力模块与用户流程，描述端到端体验与 AI 介入环节。 § 明确各功能模块的设计目标及交付标准，高层/详细设计兼顾。 § AI 辅助： § 用 AI 生成产品功能结构图与关键页面流程，标注 AI 赋能节点。 § 借助 AI 快速出方案草图与流程说明，辅助团队沟通与多轮迭代。 § ✏️ AI 辅助练习（任选）： § 让 AI 输出你的产品主流程及各节点的 AI 能力分布表。 § 结合 NotebookLM 或 GPT4，让学员提供基本需求，AI 自动生成交互流程与功能分解图。 三、产品实施阶段（Product Implementation）
在设计基础上进行工程开发、原型制作与技术实现，通过测试完善细节，为批量生产或上线做准备。 5.5 场景与用户画像建模
§ 方法论： § 明确核心使用场景，绘制 JTBD、用户画像和典型用户旅程。 § 利用典型案例或过往数据，丰富具体需求与业务场景细化。 § AI 辅助： § AI 大数据分析用户群，快速生成准确画像与典型路径。 § 用 AI 归纳不同分群需求，辅助模拟用户全流程体验。 § ✏️ AI 辅助练习（任选）： § 让 AI 基于目标市场输出 3 类主要用户以及场景流程。 § 上传历史用户反馈数据，让 AI 生成五大典型场景与画像卡片。 5.6 PVT（可演示价值原型）设计
§ 方法论： § 聚焦“最小价值闭环”，设计低保真或高保真的原型，明确核心交互和展示点。 § 保证原型可验证核心价值，为后续技术实现提供功能基线。 § AI 辅助： § AI 自动生成原型页面、流程草图及交互说明，快速调整迭代。 § 基于输入需求，AI 推荐最关键演示环节和度量指标。 § ✏️ AI 辅助练习（任选）： § 输入场景描述，AI 自动输出 PVT 原型页面清单和关键交互描述。 § 给出功能列表，让 AI 根据“最小可演示逻辑”输出可行原型。 四、模糊后端/商业化阶段（Fuzzy Back-End / Commercialization）
专注于生产准备、市场投放与商业发布，包括产线启动、营销推广、渠道铺设与上市执行。虽然不确定性高，但目标清晰：助力产品成功上市。 5.7 演示材料与产品叙事
§ 方法论： § 提炼产品演示脚本、核心卖点与商业话术，输出多版本叙事材料覆盖不同受众。 § 支持管理层、渠道及客户培训，形成市场宣讲与客户沟通闭环。 § AI 辅助： § AI 批量生成演示脚本、分镜头、FAQ 与路演 PPT 大纲。 § 根据受众与目的，AI 自动优化不同类型 pitch 文案（如技术、投资、渠道等）。 § ✏️ AI 辅助练习（任选）： § 用 AI 生成一份产品“故事化”演示脚本与关键卖点摘要。 § 输入产品优势，AI 输出适合投资人/管理层/客户的 pitch 文案与演讲大纲。 建议：后续如“界面与交互设计、设计回顾优化”等阶段，也可按“方法论—AI 辅助—AI 练习”结构推进，持续拓展 AI 工具对新产品开发流程的全流程赋能。 5.10 综合 AI 练习｜用 NotebookLM 跑完一次「从 0 到 Demo」
§ ✏️ 练习：综合选择以上每个阶段的“AI 辅助练习”，结合自身课题，实践完成一个 Mini 新产品的从想法到原型“全链路”路径。 § 推荐组合：机会点发掘 → 竞品分析 → 用户画像与场景 → 原型 PVT 设计 → 产品 pitch 脚本输出。 § 学员可自由组合 AI 工具（如 NotebookLM、GPT-4、Claude 等），导入行业资料、需求、用户反馈，由 AI 自动化/半自动化生成结构化产品材料，完成“0 到 1”演练。 （备注：如有更多原型界面与交互草图、设计回顾与优化内容，可自行据此扩展，与 AI 结合产出高效完整的 NPD 材料。） �� 第六章｜ AI 需求分析
SEAI 需求结构与 AI 编程直接相关，非常适合投喂到 AI 辅助编码工具里边。 6.1 ��️ 拆分并形成需求层次与框架
SEAi 需求分析法的特点与优势： 这种方法的优点在于需求层次与代码结构直接对应，便于 AI 辅助编码工具理解与实现： § 场景（Scenario） 大致对应代码中的代码包（Package） § 实体（Entity） 大致对应代码中的Model，外加数据库表 § 行为（Action） 对应后端的 API 和前端的页面，即增删改查等操作 § 实例（Instance） 对应测试用例 § ✏️ 练习：建立一个一人年需求的需求条目与层次，并让 AI 进行辅助拆分和编写 § 如果要学习/已学习 《AI 辅助编程》课程，可以尝试投喂此练习的结果进行实现，并且观察实现后的效果 6.2 �� 基于需求的规模估算与范围管理
§ 基于 SEAi 需求框架自动计算功能点 § 由于 SEAi 中的条目和国际标准功能点中的定义是完全符合的，因此可以直接基于其数量进行估算，讲师提供自动化工具 § 功能点可以用来进行甲乙方的报价，也可以用来甲方自己估算开发成本 如果您想学习本课程，请预约报名
如果没找到合适的课程或有特殊培训需求，请订制培训 除培训外，同时提供相关技术咨询与技术支持服务，有需求请发需求表到邮箱soft@info-soft.cn,或致电4007991916 技术服务需求表下载请点击 服务优势： 丰富专家资源，精准匹配相关行业，相关项目技术精英，面向用户实际需求，针对性培训或咨询，互动式交流，案例教学，精品小班，实际工程项目经验分享，快捷高效，节省时间与金钱，少走弯路与错路。 专家力量： 中国科学院相关研究所高级研究人员 西门子，TI,vmware，MSC,Ansys，MDI，Mentor, candence,Altium,Atmel 、Freescale,达索，华为等 大型公司高级工程师，项目经理，技术支持专家 中科信软培训中心，资深专家或讲师 大多名牌大学，硕士以上学历，相关学历背景专业，理论素养高 多年实际项目实践，大型复杂项目实战案例分享，热情，乐于技术分享 针对客户实际需要，真实案例演示，互动式沟通，学有所值 |
|
