AI 产品经理面试与转型的完整资料地图。12 份 PDF + 1 份 PRD 模板。
一、AI 通识(从入门手册上下两册抽取)
AI 应用领域分类
业内通常分为 4 大领域:
| 领域 | 含义 | 子方向 |
|---|---|---|
| 机器学习(Machine Learning) | 底层基础 | 监督 / 非监督 / 强化 / 迁移 |
| 计算机视觉(CV) | 图像 / 视频理解 | OCR / 检测 / 分割 / 生成 |
| 语音交互(Speech) | ASR / TTS / 对话 | 语音识别 + 合成 + NLU |
| 自然语言处理(NLP) | 文本理解 / 生成 | 翻译 / 摘要 / 问答 |
机器学习 4 种学习方式
| 方式 | 标签 | 典型任务 |
|---|---|---|
| 监督学习 | 有标签 | 分类 / 回归 |
| 非监督学习 | 无标签 | 聚类 / 降维 |
| 强化学习 | 通过环境反馈 | 游戏 / 机器人 |
| 迁移学习 | 跨域 | pretrain → fine-tune |
二、AI 产品经理 100 道面试高频题(file: ai产品经理面试高频100题)
题型分布(按维度)
| 类别 | 高频题示例 |
|---|---|
| AI 通识 | 什么是 AI? 监督 vs 非监督? Pre-train vs Fine-tune? |
| NLP | 什么是 NER? RAG 怎么做? embedding 怎么选? |
| CV | 目标检测 vs 分类? 分割 vs 检测? CNN 原理? |
| 语音 | ASR 难点? VAD? TTS 评价指标? |
| 大模型 | 大模型怎么用? Prompt 工程? Agent 怎么设计? |
| 产品方法论 | AI PM 与互联网 PM 区别? AI 产品需求文档怎么写? |
| 数据 | 数据标注流程? 数据闭环? 冷启动? |
| 业务 | AI 产品的 PMF 怎么找? 商业化怎么做? |
| 管理 | AI 团队结构? 算法 PM vs 应用 PM? |
| 行业 | OpenAI / Anthropic / 国内大模型公司格局? |
AI PM vs 互联网 PM 关键区别
| 维度 | 互联网 PM | AI PM |
|---|---|---|
| 核心能力 | 用户体验 + 业务设计 | 算法理解 + 数据闭环 + 业务集成 |
| 不确定性 | 中(用户行为) | 高(模型效果不可预测) |
| 迭代速度 | 周 / 月 | 月 / 季度(数据采集慢) |
| MVP 思路 | 快速跑通流程 | 效果 + 速度 + 成本 三平衡 |
| 协作对象 | 工程师 + 设计师 | + 算法工程师 + 数据标注 |
| 失败成本 | 低 | 极高(数据 / 算力沉没) |
三、AI PM 系统化思维(必修课)
核心心法
做产品时,应该尽可能用简单纯粹的逻辑,用简单模拟复杂,而不是用复杂追求复杂。
经验 vs 方法
| 经验 | 方法 |
|---|---|
| 个体性 / 不可复制 | 抽象 / 可复制 |
| 隐性 | 显性 |
| 来自直觉 | 来自系统化思考 |
升级路径:经验 → 方法 → 方法论(套路 + 边界)
系统化思维 = 用物理学原理看问题
- 用"第一性原理"(First Principles)
- 用"模型"思考(精简,然后扩展)
- 用"反直觉"训练(打破固化思维)
四、AI 产品的可演进性(file: AI 时代的产品经理:应重视产品的可演进性)
核心论点(鲍捷,文因互联 CEO,2017)
人工智能产品一个核心特点就是"演进"。你很难一下子达到那个地方,这可能是与传统的互联网产品很不一样的地方。
互联网产品 vs AI 产品
| 维度 | 互联网产品 | AI 产品 |
|---|---|---|
| 上线状态 | "完成 / 上线" | 永远在演进 |
| 数据需要 | 用户数据是后续优化 | 数据闭环是核心 |
| 效果可预期 | 可线性预测 | 存在惊喜或惊吓 |
| 失败处理 | bug fix | 模型迭代 / 数据补充 |
AI PM 关键决策
- 预期管理:让客户接受 80% 可用 + 持续优化
- PMF 阶段长:从原型到生产可能 6-18 个月
- 数据飞轮:用户使用 → 更多数据 → 模型更准 → 更多用户
五、连诗路《AI 赋能:AI 重新定义产品经理》(整书)
核心论点
AI 时代,产品经理不仅要做"用户体验设计",更要做"AI 系统设计"。
AI PM 三层能力模型
| 层级 | 能力 |
|---|---|
| AI 通识 | 懂 ML / DL / NLP / CV / 强化学习 |
| AI 产品方法论 | 数据闭环 / 效果指标 / 模型选型 |
| AI 商业理解 | PMF / 行业落地 / 商业模式 |
转型路径建议
- 找一个垂直行业(医疗 / 金融 / 工业)
- 学习该行业的 AI 应用
- 做一个 demo 项目
- 写 case 求职
六、200 页 PPT《人工智能产品经理的新起点》(file: 重磅福利)
20 个原创 AI 领域认知(目录大纲)
- AI 行业本质 — AI 不是工具,是"基础设施"
- AI 产品分级 — L1-L5 自动化梯度
- AI PM 分类 — 算法 PM / 应用 PM / 行业 PM
- AI PM 能力模型 — 5 维度
- 互联网 PM → AI PM 转型 8 步
- AI 产品的 PMF
- 数据闭环设计
- 模型评估指标
- 用户体验设计中的 AI 元素
- AI 商业化路径
- ...(其他 10 个)
七、深度学习精华汇总 65 页(file: 65 页 PDF)
全景图
深度学习
├── 卷积神经网络 (CNN) — 图像
├── 循环神经网络 (RNN) — 序列
├── 长短期记忆网络 (LSTM) — 长序列
├── 生成对抗网络 (GAN) — 生成
└── 强化学习 (RL) — 决策
各种网络核心思想
| 网络 | 核心 | 应用 |
|---|---|---|
| CNN | 卷积 + 池化 + 全连接 | 图像分类 / 检测 |
| RNN | 时序循环 | 时序数据 / 简单 NLP |
| LSTM | 门控记忆(遗忘 / 输入 / 输出门) | 长序列 NLP |
| GAN | 生成器 vs 判别器 对抗训练 | 图像生成 / 风格迁移 |
| RL | Agent-Environment-Reward | 游戏 / 机器人 / 推荐 |
八、AI PM 技术专题(4 份子 PDF)
1. 语音识别技术(ASR)
发展时间线:
- 1950s — 探索声音和语音学基本概念
- 1960s — 解决不等长语音匹配
- 1970s — 线性预测分析 + HMM 基本成熟
- 1980s — HMM + 人工神经网络(ANN)
- 现代 — 深度学习端到端 ASR(Whisper / Conformer)
2. 语音交互评价指标(5 大维度)
| 维度 | 关键指标 |
|---|---|
| ASR 语音识别 | WER(词错误率)/ CER(字错误率) |
| NLU 自然语言理解 | 意图准确率 / 槽位填充 F1 |
| TTS 语音合成 | MOS(主观)/ MCD(客观) |
| 对话系统 | 任务完成率 / 平均轮次 |
| 整体用户指标 | DAU / 留存 / 唤醒率 |
3. 数据标注工作入门
典型标注任务:
- 图像:目标检测框 / 语义分割 / 关键点
- 语音:语音转写 / 说话人分离
- NLP:NER / 情感 / 意图
标注流程:
1. 制定规范(SOP)
2. 试标 + 一致性测试
3. 大规模标注
4. 质检 + 修正
5. 模型训练 + 反馈优化
4. AI PM 如何面对数据挖掘
两个机会点:
- 数据孤岛打破 — 大数据类产品
- 业务深度集成 — AI 算法 / AI 软硬件
九、AI 产品需求文档(PRD)模板(docx)
标准结构
1. 产品概述
- 产品定位
- 目标用户
- 核心场景
2. 用户需求分析
- 用户画像
- 痛点梳理
- 需求优先级
3. 功能设计
- 核心功能(MVP)
- 高级功能(P1/P2)
- 流程图 / 时序图
4. AI 相关
- 模型选型(自研 / 第三方 / 微调)
- 数据需求(标注 / 采集)
- 效果指标(精度 / 召回 / 业务 KPI)
- 异常处理(模型失效 fallback)
5. 数据闭环
- 用户行为 → 数据收集
- 标注流程
- 模型迭代节奏
6. 商业化与运营
- 定价
- 渠道
- 增长策略
7. 风险与不确定性
- 模型效果不达预期 ← AI PM 特有
- 算力 / 成本超预算
- 监管风险
8. 时间线与里程碑
9. 团队配置
与互联网 PRD 关键差异
- 数据闭环段 ← AI PM 独有
- 模型效果指标 ← 不能简单用 DAU / 留存
- 异常处理 / fallback ← 用户对 AI 容忍度需引导
- 隐私 / 合规 ← 越来越重要(GDPR / 个保法)
十、转型路径建议(综合)
互联网 PM → AI PM 8 步法
- AI 通识恶补(本 wiki + 同源 RAG/微调 wiki 集)
- 找一个垂直方向(医疗 / 金融 / 教育 / 工业)
- 学一个工具栈(Python / SQL / 一个 AI 平台)
- 写一个 AI PRD(基于自己接触的业务)
- 做一个 demo(用 LangChain / 元气 / 艾玛知识库)
- 写 case 求职(具体某个 AI 产品的设计)
- 网络积累(关注 newtype / dontbesilent / 王凯等 IP)
- 公司面试 + 入职 + 在职提升
See also
- LLM 面试 / 基础架构与组件 — 大模型基础(LLM 通识)
- LLM 面试 / RAG 检索增强生成完整专题 — RAG 实战
- LLM 面试 / 微调与强化学习完整专题 — 微调 RLHF
- LLM 面试 / 分布式训练 8 篇图解专题 — 分布式训练
- dontbesilent AI 自媒体课程 / 13 节系统化方法论 — AI 自媒体(转型选择之一)
- 王凯 1000+ AI 产品 idea 库与商业模型分析 — AI 产品 idea 库
- newtype · Vibe Coding 独立产品实战 — 非技术独立开发实战
- AWS Agent 系列讲座 2025(4 篇汇编) — idoubi 独立开发 AI 产品(高频参考)
高频考点优先级
- 🔥🔥🔥 AI PM vs 互联网 PM 区别 — 必考
- 🔥🔥🔥 数据闭环设计
- 🔥🔥 AI PRD 模板核心区别
- 🔥🔥 机器学习 4 种学习方式 + 应用
- 🔥🔥 可演进性思维 + 预期管理
- 🔥 NLP/CV/语音 4 大领域基础
- 🔥 AI 商业化 + PMF