AI 产品经理 · 培养计划

📚 AI 产品求职的「三年模拟 · 五年高考」

基于 Boss 直聘 1,447 个真实在招岗位,把市场需求、能力模型、从浅入深的学习路径和社招 / 校招 / 实习门槛,拆成一套照着练就能上岸的培养计划。

分析样本 1,447 个 AI 产品岗 岗位数据 9,856 条 JD 全文 7,591 份 样本区间 2026-05-21 ~ 06-12 行业风向快照 2026.6 · 课程更新 2026.09
概览

数据规模与口径

从 9,856 条 Boss 直聘在招岗位中,筛出岗位名 / 技能标签命中「AI 产品」,或「产品岗 + JD 强提及大模型 / Agent」的共 1,447 条作为分析样本。下列百分比 = 在这 1,447 份 JD 中提及该项的岗位占比。

1,447
AI 产品类岗位
48.4%
JD 明确要求懂大模型
30.8%
要求 Agent / 智能体经验
¥225/天
实习薪资中位数
核心发现

技术 / 能力要求频率

关键结论:大模型认知(48%)已是 AI 产品岗的硬门槛,但 MCP 还停在极早期——只有 2% 的 JD 直接点名。

AI 技术栈要求 通用产品能力
画像拆解

三类典型人才画像

把 1,447 个岗位按 JD 侧重聚成三类,对应三条差异化的能力主攻路径。

画像 A · 主流刚需

大模型应用型产品

不写代码、不调模型,但把大模型当成「新的产品组件」用得明白。最大众、转岗最容易切入的一类。

  • 说得清 GPT / Claude / 豆包 / DeepSeek 各自强在哪、上下文窗口与幻觉边界
  • 判断需求「该不该上 AI」:列得出规则方案 vs 大模型方案的成本 / 效果对比
  • 写得出含评测集 + bad case 归因的 AI 功能 PRD,而非只写一句「接入大模型」
  • SQL 拉数 + 用转化 / 留存 / 满意度给 AI 功能定 KPI
📂 作品集长这样一份完整 AI 功能复盘:需求 → 方案选型 → 上线 → 数据,附一组真实 bad case 与迭代。
💰社招 25–45K·14薪 · 校招 ≈25–30K/月
🏢字节电商 AI PM · 腾讯元宝 · 美团到家 AI 助手
✅适合:产品方法论扎实、想平滑转 AI 的现有 PM
对标 ≈ 48% 岗位 · 门槛最友好
画像 B · 进阶热门

Agent / 工作流编排

增长最快、最稀缺。要求你「亲手跑通过 Agent」,不是只会讲概念。

  • 用 Coze / Dify / 扣子 独立搭过 ≥1 个能演示的多步 Agent(工具调用 + 记忆 + 兜底)
  • 讲得清 RAG 全链路:切块 / 向量库 / 召回 / 重排 / 防幻觉,知道在哪一环掉点
  • 了解 function call / MCP,说得出工具编排的失败模式与 fallback 设计
  • 会用 Cursor / Claude Code 把原型快速做出来给老板看
📂 作品集长这样一个可在线演示的 Agent demo(含 prompt、工具列表、失败兜底)+ 一段 30s 录屏讲清楚它解决什么。
💰社招 30–55K·15薪 起 · 头部 Agent 岗更高
🏢字节扣子 · 腾讯 ima · 阿里通义 · 各 SaaS Agent 团队
✅适合:愿意动手搭东西、想吃赛道红利的人
对标 ≈ 31% 岗位 · 差异化竞争点
画像 C · 垂直专精

AIGC / 多模态 / 出海

卡细分赛道。要么你有内容生成的手感,要么你懂一个海外市场——靠专精避开主流内卷。

  • 用过即梦 / 可灵 / Midjourney / Seedance 做出可展示的文生图 / 视频作品
  • 理解多模态产品的体验差异(图文 / 语音 / 视频的评测口径与可控性)
  • 有出海 sense:目标市场的合规、支付、本地化与竞品格局说得上来
  • 对标美图、字节 CapCut / 即梦、MiniMax 海螺、快手可灵
📂 作品集长这样一条完整 AIGC 作品(带创作思路 + 工具链),或一份某海外市场的产品拆解。
💰主流 25–50K · 出海岗常含外语 / 时区要求
🏢美图 · 字节 CapCut · MiniMax · 快手可灵 · 网龙
✅适合:有内容创作手感,或有海外背景 / 语言优势的人
对标 ≈ 20% 岗位 · 卡位细分
真实在招 · 三种入口

真实长这样的 AI 产品岗

同一条赛道,社招 / 校招 / 实习要的东西完全不同。下面各取一个 2026 招聘季真实在招的代表岗位,补上岗位职责、该公司当前的 AI 布局与竞品现状——看清门槛差异、判断这家值不值得投,对号入座。

社招字节跳动 · 抖音电商
电商 AI 产品经理
北京 / 上海 / 杭州经验 ≤3 年起≈ 30–50K·15薪
🎯 岗位职责据公开 JD 整理
  • 负责抖音电商 AI 导购 / 生成式搜索 / 「一句话购物」等 C 端 AI 购物场景的产品设计,打通大模型、推荐与交易链路
  • 主导商家侧 AI 经营工具(智能客服、AIGC 营销素材、商品理解与自动上架)从 0 到 1
  • 定义大模型在电商的能力边界与评估标准,做数据驱动的策略迭代(转化 / 留存 / GMV)
  • 协同算法 / 工程 / 运营,沉淀可复用的 Agent + RAG 电商解决方案
🏢 字节的 AI 现在做到哪了

豆包以 2.26 亿 MAU 稳居国内 AI 助手第一(春节 DAU 峰值 1.45 亿)。2025.10 接入抖音商城,2026.3 内测「一句话购物」——在豆包内匹配商品、直接下单不跳转。核心壁垒是抖音 / 头条 / 抖店的全域消费数据;CEO 梁汝波定调「用 AI 助手整合已有业务」。

⚔️ 竞品现状

淘宝上线千问 AI 购物助手(AI 试穿 / 种草 / 省钱);京东「京言」APP 内用户近 8000 万、同比 +200%,618 全场景 AI;拼多多、抖音电商也在测 C 端 AI 导购。导购仍常「答非所问」,但淘天京东抖音都在抢这条赛道。

门槛:真实落地项目是硬通货——讲得清一次有数据支撑的 AI 电商迭代。
字节跳动社招官网 ↗
校招腾讯 · CSIG / WXG
AI 产品经理培训生 · 青云计划
深圳 / 北京 / 上海2025.1–2026.12 毕业非技术 AI PM 可达 3万/月
🎯 岗位职责据公开 JD 整理
  • 腾讯产品经理培训生升级版,定向培养 AI 产品方向:系统培养 + 专项训练 + 跨界学习
  • 参与混元大模型在元宝 / 微信 / QQ / 腾讯文档等核心产品的 AI 功能落地
  • 围绕 C 端 AI 助手做需求洞察、体验设计与数据迭代
  • 面向 2025.1–2026.12 毕业的顶尖产品人才,2025.8 上旬启动(新华网通稿)
🏢 腾讯的 AI 现在做到哪了

混元 Hy3 preview(MoE 295B / 激活 21B / 256K 上下文,姚顺雨加盟后首秀)已上线元宝、QQ、腾讯文档。元宝 2026.2 月活破亿、嵌入微信即用;微信原生 AI Agent 6 月完成终测;ima 2.0 上线 Agent「任务模式」。代价是 Q1 AI 新品侵蚀利润约 88 亿元。

⚔️ 竞品现状

豆包(2.26 亿)+ DeepSeek(1.35 亿)双寡头占 C 端 AI 助手 88.4% 月活;通义千问 1 亿+;元宝追赶中。各家分化:豆包强写作 / 搜索、DeepSeek 强推理代码、Kimi 强长文档——腾讯打「微信内即用」的生态牌。

门槛:技术理解 + 业务落地双重能力,会用 AI 工具做分析 / 产出是隐性加分。
腾讯校招官网 ↗
实习字节跳动 / 大厂通用
大模型 / AIGC 产品实习生
北京 / 杭州 / 可远程在校可实习日薪 500–2000 元
🎯 岗位职责据公开 JD 整理
  • 参与 LLM / AIGC 应用(对话、文生图 / 文生视频、智能体)的需求调研与 demo 验证
  • 跑数据、做竞品体验拆解、整理用户反馈,支持产品策略迭代
  • 用 Coze / Dify / 即梦等工具搭原型,验证 AI 功能可行性
  • 在校可实习,表现优秀有转正通道
🏢 公司的 AI 现状以字节 AIGC 为例

字节即梦(Seedance)在 AI 视频赛道领跑——「Sora 跌倒、字节吃饱」,国内大厂接管 AI 视频下半场(OpenAI 已于 2026.3 关停 Sora)。叠加豆包 2.26 亿 MAU 的流量入口,AIGC 产品需求与岗位都在快速扩张。

⚔️ 竞品现状

AI 视频已从「能用」到「好用」:可灵(快手)、即梦(字节)、Vidu(生数)、海螺(MiniMax)、智谱清影、通义万相群雄混战,可灵 / 清影最长可生成 5 分钟;国产凭性价比与本地化体验快速迭代,形成中美双轨格局。

门槛:用 Coze / Dify 跑通一个能演示的 Agent,或做出一条 AIGC 作品,就是最通用的敲门砖。
字节校招 / 实习官网 ↗

※ 岗位据各公司 2026 招聘季公开招聘信息整理;公司 AI 布局与竞品现状据 2026 年公开报道(钛媒体、虎嗅、QuestMobile、21 财经、新华网等)。薪资 / 月活为公开报道参考值,非官方承诺,具体以最新 JD 与官方信息为准。

谁在招

头部招聘公司

    在哪招 / 要什么人

    城市 & 学历分布

      学历门槛

        软素质

        除了技术,他们更看重什么

        AI 产品岗的软素质要求集中度极高——沟通协作(66%)和创新好奇心(41%)甚至比任何单一技术栈出现得更频繁,说明大厂默认 AI 技术可后天补,但产品 sense 和驱动力是筛人核心。

        AI 模型 · 2026.6 最新格局

        模型卷到哪了:你要追的「能力边界」

        AI 产品经理的判断力,建立在「模型现在到底能做什么」上——而这条线几乎每月在变。截至 2026 年 6 月的第一梯队(按 Artificial Analysis 综合智能指数):

        综合智能指数(越高越强 · 满分约 70)
        Claude Opus 4.8
        61.4
        GPT-5.5
        60.2
        Gemini 3.1 Pro
        57.0
        Grok 4.3
        53.0
        重磅 · 2026.6.9

        Claude Fable 5 发布——首个公开的「Mythos 级」模型(Mythos 5 本体仅限受控项目),定位 Opus 4.8 之上一档,专为长程自主 Agent 任务而生(SWE-bench Pro 约 80%,远超 Opus 4.8)。日常高频仍用更快更省的 Opus 4.8,复杂自动化交给 Fable 5。

        来源:Anthropic / CNBC 2026-06
        国产 C 端

        豆包(2.26 亿)+ DeepSeek(1.35 亿)双寡头占国内 AI 助手 88.4% 月活;通义千问破 1 亿、腾讯混元 Hy3 上线、元宝月活破亿。国产在「够用 + 便宜 + 接地气」上快速追平。

        来源:QuestMobile / 钛媒体 2026
        对你意味着什么

        模型能力月月在变,「上个月做不到、这个月能做」是常态。AI 产品经理的核心功夫,是持续追踪「现在能做什么、成本多少、谁最合适」——这正是这份计划要你养成的判断力,而不是背某个模型的参数。

        国家战略 · 政策红利

        「十五五」把 AI 写进了顶层设计

        2024 政府工作报告首提「人工智能+」,2025 年 8 月国务院印发首个系统性 AI 顶层设计《关于深入实施「人工智能+」行动的意见》,2025 年 10 月《十五五规划建议》再把 AI 列为新质生产力重点方向(全文 8 次提及「人工智能」)——未来十年是国家级的 AI 长坡。

        📅 三步走:连「智能体普及率」都写进了国家目标
        2027 年
        > 70%
        新一代智能终端 / 智能体应用普及率;AI 与六大重点领域广泛深度融合,智能经济核心产业快速增长。
        2030 年
        > 90%
        智能终端 / 智能体普及率再上台阶;AI 全面赋能高质量发展,智能经济成为经济重要增长极。
        2035 年
        新阶段
        全面步入智能经济与智能社会发展新阶段,为基本实现社会主义现代化提供支撑。
        🎯 「人工智能+」六大重点行动
        🔬
        AI+ 科学技术以 AI 引领科研范式变革
        🏭
        AI+ 产业发展制造 / 农业 / 服务业智能化升级
        🛍️
        AI+ 消费提质智能终端与 AI 消费新场景
        ❤️
        AI+ 民生福祉医疗 / 教育 / 养老普惠
        🏛️
        AI+ 治理能力公共治理与社会服务
        🌏
        AI+ 全球合作开放合作体系与出海
        🏗️ 三大基石 + 重点落地行业
        三大基石

        十五五数字中国专篇统筹推进算力 · 算法 · 数据高效供给——着力破解算力瓶颈与数据流通难题,激活数据要素潜能,筑牢数智化底座。

        智能体优先行业

        智能体应用六大优先方向:制造 · 医疗 · 教育 · 交通 · 金融 · 政务。工信部等八部门已印发《「人工智能+制造」专项行动实施意见》(2026.1),落到工业智能体、手术机器人、智能诊断等场景。

        智能经济

        2026 政府工作报告提出「打造智能经济新形态」;截至 2025 末仅河北就在钢铁、医疗等 26 个领域研发垂直大模型 292 个,全国智能算力规模居世界前列。

        发展与治理并重

        坚持促进发展和规范管理相统筹,加强数据基础制度与 AI 治理,营造有益、安全、公平的发展环境——合规与伦理也将是 AI 产品的必修课。

        对你意味着什么

        当「智能体普及率」被写进国家目标,意味着未来 5–10 年几乎每个行业都要补「懂 AI 的产品人」。最稳的卡位:选一个国家点名的重点行业(医疗 / 制造 / 教育 / 金融 / 政务)叠加 AI 的复合方向深耕——政策托底、需求确定,比纯技术内卷稀缺得多。

        新机会 · 超级个体

        不止进大厂:AI 让「一个人」也能做产品

        2026 被称为「一人公司元年」。AI 把一个人的产能放大到一支团队,地方政府正掏钱、给场地、开绿色通道扶持「超级个体(OPC)」——这是 AI 产品人除了大厂之外的第二条路。

        1600万家
        全国「一人公司」存量,占企业总量 27.4%(2025 中)
        23 城
        全国已发布「超级个体 / OPC」专项扶持政策
        72倍
        「1 元 AI 成本」可撬动的人力杠杆(2026 一人公司洞察报告)
        5000万
        大模型备案 / AI 项目地方补贴上限(杭州最高 800 万、广州海珠最高 100 万)
        地方在怎么做
        深圳

        印发《人工智能 OPC 创业生态引领地行动计划(2026—2027)》,到 2027 底建成 10+ 个 ≥1 万㎡ 的 OPC 社区,南山 / 福田 / 宝安 / 罗湖各出配套。

        杭州 · 上城区

        浙江首个区级 OPC 专项政策(2026.3):亿元专项基金 + 2 万㎡ 创业社区 + 极速审批。

        真实超级个体长这样

        一位创业者离职一年,用 AI 开发 6 款弹幕游戏、总流水近 2000 万,个人到手约 80–100 万;单款制作成本只要 1000–1500 元(主要是 AI 订阅 + 素材包)。

        — 2026 一人公司案例

        杭州创业者武培文的 AI 短剧账号,从剧本到成片全程 AI、人工只审核,单账号月产 300+ 条视频、粉丝破 10 万,AI 生成 90% 代码。

        — 新华网 2026
        别被「暴富」叙事带偏

        真实收入是长尾结构:52.4% 月入仍 < 1000 美元(产品验证期)、37.1% 进入可持续、仅 10.5% 月入 > 10 万美元。超级个体不是人人暴富,但启动门槛史上最低——一个会做 AI 产品的人,既能进大厂,也能自己开张。

        📌 行业风向 → 你的三条行动线

        1. 追能力边界,别背参数:每月花半小时看一次主流模型(Opus 4.8 / Fable 5 / GPT-5.5 / 豆包 / DeepSeek)更新了什么,养成「现在能做什么、用谁最划算」的判断力。
        2. 吃政策长坡:十五五「人工智能+」让 AI 渗透所有行业——选一个垂直领域(金融 / 医疗 / 电商 / 教育)叠加 AI 的复合方向深耕,比纯技术内卷更稀缺。
        3. 给自己留第二条路:会做 AI 产品 = 既能进大厂,也能做超级个体。先用 Coze / Dify 跑通一个能赚钱或能演示的小产品,地方补贴 + 政策窗口正当时。
        行业视角

        头部企业与媒体怎么定义「AI 产品人才」

        把零散的 JD 关键词放回行业语境——下面是头部企业招聘标准与主流媒体对 AI 产品人才画像的公开表述,与前文数据互为印证。

        字节跳动 · 工程落地

        "对工程落地能力要求极高,面试会重点考察候选人把算法应用到海量数据场景的能力。"

        据公开招聘信息及行业报道整理
        腾讯 / 字节 · 大模型经验

        明确要求 AI 产品经理"必须具备大模型落地经验";传统 PRD 已升级为「大模型技术方案 + Prompt 设计 + 伦理风控」三位一体。

        据头部大厂招聘要求整理
        行业能力模型

        2025 年头部企业普遍用「三角能力模型」评估 AI 产品经理:技术理解度 × 产品设计高度 × 商业落地精度,三者相互支撑。

        人人都是产品经理《AI 产品经理全景成长指南》
        百度 · 技术深度

        重视候选人在大模型、自动驾驶等前沿领域的技术深度;"金融 + AI""医疗 + AI"等复合背景人才更受青睐。

        据公开招聘信息及行业报道整理
        JD 原声

        来自真实岗位的要求摘录

        大厂实例 · 能力映衬

        真实大厂岗位,要的到底是什么

        把抽象能力落到真实岗位——下面 5 个头部公司在招的 AI 产品岗,逐个拆解它要什么能力、言外之意的潜在要求、工具链硬指标,以及至少要拿得出手的项目。据公开招聘信息整理。

        字节跳动扣子 Coze 应用产品经理
        ▸ 对应能力 ③ Agent / 工作流编排
        🎯 能力可视化 Agent / 工作流编排,主导应用搭建、插件模块与发布部署的产品设计。
        🔍 潜在懂 Agent 应用从 0 到 1,理解低代码搭建生态与开发者体验。
        🛠 工具链Coze / 扣子(可视化编排、自定义插件、工作流)。
        📦 项目独立用 Coze / 扣子跑通过一个可发布的智能体应用。
        百度文心 · AI 大模型评估产品经理
        ▸ 对应能力 ① 大模型认知 + ⑥ 产品方法论
        🎯 能力大模型能力边界认知,搭建多维评估体系、制定评估标准。
        🔍 潜在对大模型有信仰与热情、强逻辑与表达,有完整负责一款产品的经历优先。
        🛠 工具链熟悉 LangChain 等开源框架优先。
        📦 项目完整负责过一款产品,或搭过一套可量化的评测 / 评估体系。
        腾讯元宝 · AI 策略产品经理
        ▸ 对应能力 ③ Agent + ④ RAG + ⑤ 工具调用
        🎯 能力优化 Agent 能力,通过 RAG、工具调用(Tools)、记忆(Memory)提升体验。
        🔍 潜在既听懂技术语言又能精准把握需求,策略迭代 + 数据驱动。
        🛠 工具链RAG / Tools / Memory 技术栈,Agent 编排。
        📦 项目做过 Agent 体验 / 策略优化,能讲清一次有数据支撑的迭代。
        美团高阶 AI 应用产品经理(C 端)
        ▸ 对应能力 ① + ③ + ④ · 社招高门槛
        🎯 能力把 LLM / AIGC 落到生活服务 C 端(生成式搜索、Agent、内容生成),理解 LLM / RAG / Agent 原理。
        🔍 潜在AI 应用从业 ≥ 2 年。
        🛠 工具链LLM / RAG / Agent 全链路。
        📦 项目万级 DAU 的 toC 大模型应用成功经验(Chatbot / 智能体 / 生成式搜索)。
        快手可灵 · AI 产品(视频生成 / 数字人)
        ▸ 对应画像 C 多模态 / AIGC · 门槛友好
        🎯 能力多模态 / AIGC 产品 sense,覆盖视频生成、数字人、智能体场景。
        🔍 潜在对 AI 极高热情、学习能力强(助理岗对经验门槛友好)。
        🛠 工具链对 LLM / GPT / Stable Diffusion 有了解是加分项。
        📦 项目体验过 / 做过 AIGC(文生图、文生视频)相关产品或 demo。
        门槛规律

        校招 / 实习看「会写 Demo + 混 GitHub / Hugging Face 的技术热情」,门槛友好;社招 / 高阶看「万级 DAU 的真实落地项目」,项目经验是硬通货。中间地带——一个能跑、能讲清数据的 Agent 项目,是最通用的敲门砖。

        能力地图 · 自学路径

        学习路径 · 18 门课,把个人 AI 产品做上线

        18 门课配 30 个 B 站视频与官方文档,从模型判断、产品基本功,到 AI 协作开发、服务器部署和个人项目上线。先看视频理解与跟做,再用文档查当前版本;每门课都有动手任务与交付物。建议按 L1 → L6 推进,已有基础可直接开始对应模块。

        课程更新:2026-09-12 · 学习时长为阅读与动手的建议投入,因基础而异。岗位占比仍来自 2026-05-21 至 06-12 的原始样本;课程更新不代表招聘数据重新采集。

        能力需求雷达
        8 项通用能力在 AI 产品岗 JD 中的出现频率
        数值 = 该能力在 1,447 份 AI 产品岗 JD 中的出现占比。Prompt 工程为几乎所有岗位的隐性必备项,未单独统计频率,此处按高频估值定位。
        能力模型地图
        三角能力模型:技术理解度 × 产品设计高度 × 商业落地精度
        AI 硬通用 产品基本功 ○ 圆越大 = JD 需求越高 · 位置 = 偏向的能力角
        🔤 先搞懂这些词 · AI 产品名词速查(说人话版)
        能力地图里的专有名词逐个用大白话解释 + 举真实例子 + 标重要性 + 说清你个人能拿它干嘛。看不懂缩写先扫这里。
        大模型 / LLMLarge Language Model硬门槛 · 48%
        💡在大量数据上训练、能理解输入并生成内容的 AI 模型。适合用来分析、编写和归纳,结果仍需要核对。
        📦例子:GPT-6 Astra、Claude、Gemini、豆包、DeepSeek;以各平台当前可用版本为准。
        🎯你能用它:用同一组业务任务比较结果质量、响应时间和成本,再决定模型与工具组合。
        Prompt / 上下文设计Prompt Engineering隐性必备
        💡把目标、材料、限制、示例和验收标准写清楚;再安排哪些文件、历史记录和工具结果进入上下文。
        📦例子:给分析助手提供字段说明、来源材料和输出 schema,并用固定样例检查结果。
        🎯你能用它:减少理解偏差,让同一类任务的输出更稳定,也便于替换模型后复测。
        Agent 智能体AI Agent高频 · 31%
        💡接收目标后,根据上下文选择工具、观察执行结果,再决定下一步的 AI 应用;产品需要定义权限、停止条件和人工确认点。
        📦例子:读取用户反馈,按需要检索产品文档、查询数据,再生成带证据的处理建议。
        🎯你能用它:把开放任务做成可调整的智能体;发信、付款等外部动作保留确认与结果回读。
        RAG 检索增强生成Retrieval-Augmented Generation加分 · 9.6%
        💡先从授权资料中检索相关内容,再基于这些材料回答。能减少无依据的回答,效果取决于检索、资料质量和评估。
        📦例子:产品手册问答、企业知识检索、带页码引用的文档助手。
        🎯你能用它:设计引用、资料更新时间、检索失败与无答案时的处理方式。
        MCP 模型上下文协议Model Context Protocol工具接入
        💡让 AI 应用按统一协议连接工具和数据。实际可用能力取决于服务端实现、客户端支持与授权。
        📦例子:通过 MCP 检索文档、读取 GitHub issue,或查询允许访问的数据。
        🎯你能用它:整理工具输入输出、权限范围和失败处理,先接通一个只读工具再扩展。
        多模态 / AIGCAI Generated Content加分项
        💡让 AI 不只处理文字,还能看图、听声、生成图 / 视频 / 音频;AIGC 就是「用 AI 生产内容」。
        📦例子:文生图(即梦 / 可灵)、文生视频、数字人、AI 配音、图片理解。
        🎯你能用它:内容 / 电商 / 营销赛道 PM 的重点方向,做一条 AIGC 作品就是敲门砖。
        Coze 扣子 / Dify低代码 AI 应用平台落地工具
        💡用可视化界面配置模型、知识库、工具和流程的 AI 应用平台,适合快速验证需求。
        📦例子:用 Coze 或 Dify 做客服知识问答、反馈分类和内部检索。
        🎯你能用它:快速验证业务假设,再根据权限、成本和定制需求决定是否迁移到代码实现。
        LangChain大模型开发框架按需选学
        💡帮助组织模型、工具、检索和状态的开发框架。LangGraph 提供更细的状态与执行控制,可按项目需要选用。
        📦例子:带工具调用的资料助手,或需要暂停、恢复的多步骤任务。
        🎯你能用它:比较直接使用模型 SDK 与引入框架的维护成本,选择够用的实现方式。
        PRD / 产品方法论Product Requirement Doc硬门槛 · 51%
        💡把「要做什么、为什么做、怎么验收」写清楚的产品需求文档——AI 替代不了的产品底线。
        📦例子:一份完整 PRD:背景 / 目标 / 用户故事 / 功能流程 / 指标 / 排期。
        🎯你能用它:把模糊需求整理成可讨论、可实现、可验收的产品方案。
        SQL / 数据分析Structured Query Language硬门槛 · 44%
        💡跟数据库「对话」的语言,让你自己跑数、看转化漏斗、做数据驱动决策,不用每次求数据同学。
        📦例子:查日活、算注册转化率、拉留存漏斗。
        🎯你能用它:独立查询关键指标,说明数据变化与产品决策的依据。
        重要性:■ 硬门槛 多数岗位要求 ■ 高频 / 必备 ■ 加分项 ■ 工具接入 · 按项目需要学习 ■ 落地工具
        0% 完成
        已完成 0 / 18 门 · 建议投入 0h / 共约 92h
        按动手产出自查后勾选完成。进度仅存本机浏览器,换设备不同步;原有 10 门课的勾选记录继续保留。L4 平台与框架按需选学,已具备基础可从 L3 开始完成自己的项目。
        视频已标注发布日期、单片或合集时长及建议看点;长课按需选看章节。92h 为完成课程任务的建议投入。界面、模型名称与接口参数对照官方文档,基础方法课可结合新项目练习。

        已有基础,先走一遍上线路线:Astra 实测 → Codex 开发 → API 接入 → 评估 → 服务器 → Docker → 个人项目 → 用户反馈。模型服务与云资源可能单独计费,开始前设置预算和用量提醒。

        L1
        模型认知与表达
        判断模型能力,组织上下文,用具体任务建立自己的使用基线。
        0/4未开始
        建议先完成前一阶段,也可直接开始本阶段。
        大模型认知与能力边界★
        比较文本、图片理解、检索和推理任务;区分模型能力、工具能力、上下文限制与数据时效。
        动手产出:10 条业务任务及评分标准,记录每个模型的失败样例。
        模型判断基础约 3h
        官方文档模型目录与能力说明
        Prompt 与上下文设计★
        组织目标、背景材料、示例、输出格式与验收标准;为长任务维护简明状态,让模型在信息不足时提出具体问题。
        动手产出:一份任务说明 + 5 组输入输出样例 + 修改前后的对比。
        上下文设计基础约 2h
        官方指南提示词与上下文实践
        结构化思维与表达★
        先说明判断,再给证据与行动建议;把一份杂乱材料整理成能推动决策的简报。
        动手产出:一页决策简报,包含结论、依据、待确认事项和下一步。
        产品表达约 4h
        写作指南Google · 结构与读者
        GPT-6 Astra 实测与模型选择★★
        从复杂分析、代码修改和图文理解中各选一个任务,用 Astra 与一个当前可用模型对比;记录任务完成度、延迟和实际用量。访问权限以账号及客户端为准。
        动手产出:一份 10 题对比记录,写明测试日期、模型版本、成本及适用任务;暂未开通 Astra 时先用可用模型完成基线。
        新增模型实测约 3h
        官方模型页GPT-6 Astra · 能力与接口
        L2
        产品基本功
        把用户问题、核心流程与成功指标写清楚,再开始做应用。
        0/2未开始
        建议先完成前一阶段,也可直接开始本阶段。
        产品方法论:需求 / PRD / 竞品★★
        选择一个具体用户问题,定义使用场景、核心流程、成功指标与范围;把异常、空态和失败处理一并写进需求。
        动手产出:一页 PRD + 可点击原型 + 3 个关键流程的验收条件。
        产品基本功约 8h
        实践指南Atlassian · 产品需求文档
        SQL / 数据分析★
        从 SELECT、聚合和 JOIN 入门,练习查询调用量、任务完成率与重复使用情况;每个指标明确统计口径。
        动手产出:3 条能运行的 SQL + 一张指标表 + 一项改进建议。
        数据分析入门约 1h
        交互练习SQLBolt · 边学边运行
        L3
        AI 应用与协作开发
        低代码验证与代码开发两条路线,完成真实模型和工具接入。
        0/4未开始
        建议先完成前一阶段,也可直接开始本阶段。
        Agent 入门与低代码原型(Coze)★★
        用目标、上下文和工具描述驱动智能体;观察它何时检索、何时调用工具、何时需要用户补充。可视化流程用于明确的业务步骤。
        动手产出:一个能处理 5 种不同输入的助手,记录工具选择与失败处理。
        Agent 入门低代码路线约 5h
        官方文档扣子 · 智能体与工具接入
        RAG / 知识库与引用(RAGFlow)★★
        准备授权文档,完成解析、切分、检索和引用;分别检查找错资料、没有答案与资料过期的情况。
        动手产出:一个知识库 + 10 个有答案 / 无答案问题 + 引用核对表。
        知识检索引用核对约 4h
        官方文档RAGFlow · 当前指南
        Codex 协作开发 · 从需求到可运行应用★★
        选定一个小功能,向 Codex 提供目标、原型、数据样例与验收条件;让它读代码、实现、运行检查,再由你核对页面和真实操作。用 Git 保存可回退版本。
        动手产出:一个本地可运行的前后端应用 + README + 一次修改与验证记录。
        新增AI 编程约 6h
        官方教程Codex · 安装与首个任务
        模型 API 接入 · Responses 与工具★★
        用 JavaScript 或 Python 官方 SDK 从服务端调用模型,处理流式输出、结构化结果、超时与限流;让模型按任务需要选用检索或自定义函数。API 密钥保留在服务端。
        动手产出:前端 → 后端 → 模型的真实调用 + 一个工具 + 成功 / 失败状态;记录模型与工具费用。
        新增服务端接入约 4h
        官方教程Responses API · 首次调用
        L4
        工具、框架与效果评估
        平台和框架按项目需要选学;接好工具,评估效果与成本。
        0/4未开始
        建议先完成前一阶段,也可直接开始本阶段。
        Dify · 应用配置与运行管理★★
        用 Dify 管理模型接入、知识库、应用发布和运行日志;需要快速低代码交付时选用,并与代码路线比较定制成本。
        动手产出:一个可访问的应用 + 调用日志 + 一次失败排查记录。
        平台路线按需选学约 5h
        官方文档Dify · 当前产品文档
        LangChain / LangGraph · 框架进阶★★★
        需要更复杂的状态、工具协作或暂停恢复时,再学习当前框架文档。先用官方最小例子跑通,固定依赖版本并理解状态流转。
        动手产出:一个可暂停恢复的任务 + 状态说明 + 与直接 SDK 实现的取舍。
        代码进阶按需选学约 10h
        官方文档LangChain / LangGraph
        MCP / 工具调用与权限★★★
        接入一个只读工具,定义输入输出、权限和失败处理;区分模型提出调用、服务器执行成功与结果被用户确认。
        动手产出:一份工具说明 + 成功、超时、无权限三类调用记录。
        工具接入权限边界约 2h
        官方文档MCP · 协议与入门
        效果评估与成本控制★★★
        用自有样本表或脚本评估任务成功率、引用正确性、耗时与单次成本。纳入正常、边界、失败样例;更换模型、提示词或工具后复测同一组任务。
        动手产出:20 条评估样本 + 基线与改进版对比 + 3 个典型失败案例;评估方法可独立实现。
        新增效果与成本约 4h
        方法参考评估设计 · 用自有样本执行
        L5
        服务器部署与运行
        从本地走向线上,让应用可访问、数据可恢复、版本可回滚。
        0/2未开始
        建议先完成前一阶段,也可直接开始本阶段。
        服务器部署基础 · Linux / SSH / 域名★★
        为个人项目选择按量云服务器,预估月成本;学习 SSH 密钥登录、文件与进程、端口和安全组。完成域名解析,并用 Nginx 或 Caddy 配置反向代理与 HTTPS。
        动手产出:一个手机也能打开的 HTTPS 地址 + 部署步骤 + 端口清单;数据库保持内网访问,确认进程重启后可恢复。
        新增服务器约 4h
        官方教程阿里云 ECS · 入门与部署
        Docker Compose · 发布、备份与回滚★★★
        把应用、数据库及配置写入 Compose;区分镜像与持久数据,配置健康检查、重启策略、日志和环境变量。练习小版本发布、数据库备份与恢复。
        动手产出:一套 Compose 配置 + 一次重建后数据仍在的验证 + 一次备份恢复与旧版回滚记录。
        新增部署实践约 5h
        官方教程Docker · 应用与 Compose
        L6
        个人项目与用户反馈
        围绕一个场景发布产品,收集反馈,再交付一个有依据的新版本。
        0/2未开始
        建议先完成前一阶段,也可直接开始本阶段。
        个人 AI 产品 · 从问题到上线★★★
        围绕一个具体场景完成最小可用产品。可选:带来源的资料研究助手、能读反馈并检索文档的产品反馈助手、按个人约束调整计划的学习助手。让模型按上下文选择工具,并设置清楚的权限与停止条件。
        动手产出:一个线上项目 + 代码仓库 + 需求与原型 + 架构说明 + 评估集 + 3 分钟演示;数据来源与用户授权写进说明。
        新增个人项目约 14h
        官方实践Codex · 项目协作方法
        用户反馈与作品集 · 做出第二个版本★★
        邀请 3–5 位目标用户完成同一组核心任务,观察在哪一步停下、哪些结果不可信、是否愿意再次使用。按影响与成本选择一项改进,上线后复测。
        动手产出:用户反馈表 + v1 / v2 对比 + 真实调用和成本记录 + 一页作品说明;用户数与收益按实际记录填写。
        新增反馈与迭代约 8h
        方法指南GOV.UK · 用户可用性研究
        简历实测 · 能力匹配

        一份简历,对照岗位看差距

        用一份脱敏示例简历(影像 / AIGC 赛道资深产品经理)对标 美团 · C 端高阶 AI 应用产品经理——每段经历按目标岗位的 JD 语言改写,逐条算匹配度、点出差距与补法。仅作演示,非真实个人信息。

        A
        候选人 A(化名)
        AI 应用 / 增长产品经理 · 影像·AIGC 赛道 3 年+
        教育
        某 211 院校 · 计算机科学与技术 · 数学建模国赛获奖
        核心经历(按目标岗位 JD 改写 · 指标为脱敏示例)
        阿里巴巴 · AI 应用产品经理2022.10–至今
        • 主导电商 C 端生成式搜索:基于 LLM+RAG 重构搜索体验,意图识别准确率 +21%、搜索转化率 +9.3%,日均调用千万级
        • 设计智能导购 Agent(多轮对话 + 工具调用 + 记忆),接入商品 / 履约系统,会话留存 +15%、带动客单价 +8%
        • 搭建 AI 增长闭环:大模型个性化推荐位分发,核心场景 CTR +12%、7 日 GMV +11%
        剪映 CapCut · AIGC 内容产品经理2021.08–2022.10
        • LLM 驱动的 AIGC 内容生产(文字成片 / 智能剪辑):创作转化率 +18%、内容生产效率 +40%
        • 0→1 落地会员素材商业化订阅:付费渗透 +30%、约 100 万付费用户,双月订阅收入显著增长
        • 千人千面素材个性化分发与潜力付费人群挖掘,素材使用率 +25%
        美图 · 影像 AIGC 平台产品经理2021.02–08
        • 多模态 AIGC 特效(无限反转 / 记忆回溯):模块渗透 +32%、订阅转化 +2.46%
        • 出海素材中台 + 个性化 push:海外工具渗透 +6.8%、次日留存 +1.25%、流失召回 +14.6%
        • 创作者 UGC 平台沉淀 400W+ 素材,构建内容生态闭环
        小米 · 智能影像产品经理2020.06–2021.02
        • AI 影像玩法(智能美颜 / 合拍):相机 APP 全活用户 +5.84%、单周留存 +1.27%
        • 云相册订阅转化 +4.0%;参与端侧画质算法与影像新技术预研
        技能
        LLM · RAG · Agent 应用生成式搜索增长全链路SQL · 埋点 · 归因AIGC 内容生产千万 DAU C 端
        88%
        与「美团 C 端高阶 AI 应用 PM」综合匹配度
        岗位要求(美团 C 端高阶 AI PM)候选人具备匹配
        万级 DAU 的 toC 大模型 / 内容应用阿里 C 端 AI 助手 · 千万级 DAU远超
        LLM / AIGC 在 C 端应用落地生成式搜索 + 剪映 AIGC 内容生产强匹配
        理解 LLM / RAG / Agent 原理LLM+RAG 智能导购 Agent匹配
        增长 & 商业化变现增长全链路 + AIGC 订阅商业化强匹配
        数据驱动(SQL / 埋点 / 归因)SQL 数据全链路、涨跌归因强匹配
        AI 应用从业 ≥ 2 年影像 / AIGC 赛道 3 年+满足
        把 88% 拉满:临门一脚

        ① Agent / RAG 技术原理讲到能画架构图——把"智能导购 Agent"的检索、工具调用、记忆链路说清取舍,面试从"用过"升级到"懂原理"(能力 ③④⑤)。② 每段 AIGC 项目补北极星指标——生成式搜索的点击率、AIGC 内容的付费转化、留存提升,用数字坐实"C 端商业化落地"。③ 备一个端到端 Agent 作品 demo——把增长 sense 接上一个能跑的 Agent,补齐技术动手证据,匹配度冲 92%+。

        延伸机会 · 新兴岗位

        FDE 专题 · AI 落地的「最后一公里」

        FDE(Forward Deployed Engineer,前线部署工程师)起源于 Palantir,是被派驻到客户现场、把大模型能力真正「塞进」客户业务里的复合型工程师。2025 年前 9 个月,FDE 相关岗位同比增长超 800%,OpenAI、Anthropic、Google Cloud、Cohere 均在规模化招聘,a16z 称其为「科技界最热门的工作」;月之暗面、MiniMax、智谱等国内大模型公司也以「AI 解决方案专家 / 交付工程师」之名密集招募。

        "FDE 的职责与创业公司的 CTO 颇为相似:你将在小团队中工作,对高风险项目进行端到端的执行。"

        — Palantir 官方对 FDE 的定义

        "模型再强,也得有人把它真的塞进客户的业务里去。光卖 API 撑不起企业市场——客户要的是结果,不是 token。"

        — 行业评论《FDE 是谁:AI 落地的最后一公里,由人来扛》

        "FDE 会去到前线,但同时要面对客户与核心产品团队,把现场观察到的需求带回产研。"

        — ExplainThis《FDE 是什么?为什么软件业界需要 FDE》
        FDE 与产品 / 运营的关系:同源而不同岗
        FDE · 前线部署

        把 AI 端到端跑出价值

        • 驻场嵌入客户团队,深入其 IT 架构与业务规则
        • 直接在客户真实系统上写代码、做集成与调优
        • 对单个高风险项目端到端负总责
        • 陪到系统真正产生业务价值才算交付
        • 把现场需求反哺产品路线图
        产品经理

        定义产品与框架

        • 面向规模化的通用需求做抽象
        • 产出 PRD / 竞品 / 技术方案,对内驱动研发
        • 关注产品长期演进与版本节奏
        • 偏远程、对内协同,不直接交付单客户代码
        运营

        规模化增长与留存

        • 拉新 / 促活 / 转化,做数据驱动的用户运营
        • 沉淀可复制的标准化流程
        • 面向规模用户群而非单一客户
        • 不深入单客户的技术集成与部署
        FDE 能力画像
        Python · 工程实现 RAG · LangChain · 向量库 大规模部署 · MLOps 垂直行业知识(金融/医疗/制造) 模糊需求翻译 跨层级沟通 High Agency · 高自主 快速上手陌生系统
        薪资 美国 $220k–550k TC 国内头部 50–100 万+ 2016 年起 Palantir FDE 数量已超传统工程师
        对产品 / 运营背景求职者意味着什么

        FDE 的三角能力是「工程实现 + 产品思维 + 解决方案设计」。产品人已具备「业务价值拆解 + 需求翻译」,运营人已具备「客户场景理解 + 落地推动」——这正是 FDE 三角中的两角。补上工程实现(Python + RAG + 部署调优)这一角,就能切入这个增长最快、最稀缺也最高薪的相邻赛道,而不必从零转码。

        📌 培养计划总结 · 发展与求职建议

        1. 大模型认知是入场券:近半数岗位要求,但门槛是「会用、懂边界」而非「会训练」。简历必须体现至少 1 个用大模型解决真实问题的案例。
        2. Agent 经验是当下最高性价比的差异化点:31% 岗位要求且在快速上升,但真正跑通过 Coze/Dify 的候选人稀缺。建议动手完成 1 个完整的 Agent 项目。
        3. MCP 是「超前卡位」机会:仅 2% JD 点名,说明绝大多数候选人都不懂——现在掌握 MCP/工具调用,半年后就是稀缺红利。
        4. 产品基本功不能丢:51% 要 PRD/竞品,44% 要 SQL/数据。AI 不能替代产品方法论,反而是筛人底线。
        5. 主战场在北京(48%),其次上海、深圳;本科即可投(78%),学历不是主要瓶颈,能力证据才是。
        6. FDE 是值得关注的高薪相邻赛道:若已有产品 / 运营底子,补上工程实现能力即可切入;增长最快、最稀缺,国内头部开到 50–100 万+。