AI 技术基础
概述
作为 AI Native 产品经理，你不需要成为 AI 工程师，但需要对底层技术有足够深的理解，才能做出正确的产品决策、与工程团队有效协作、并准确评估方案的可行性。
知识地图
AI 技术基础
├── 机器学习核心概念 ← 理解 AI 的基本原理
├── LLM 深度理解 ← 掌握大模型的能力与局限
├── AI 应用架构模式 ← 了解 RAG、Agent 等技术方案
└── 数据策略与基础设施 ← 理解数据在 AI 产品中的核心作用为什么 PM 要学这些
| 场景 | 需要的技术理解 |
|---|---|
| 评审工程方案 | 理解 RAG vs 微调的取舍 |
| 定义产品边界 | 知道模型能做什么、不能做什么 |
| 成本预估 | 理解 Token 计价、推理成本 |
| 处理线上问题 | 知道幻觉、延迟的成因 |
| 与 ML 团队沟通 | 使用正确的技术术语 |
学习建议
学习策略
广度优先，深度按需。 先建立全局认知，遇到具体产品问题时再深入某个方向。不需要能写代码，但需要能读懂架构图。