行业知识 · v2.3.0 · 资料核对 2026-10-03
AI 产品经理 × AI 项目经理永乐大典
从“我不知道 AI 产品经理是什么”，到能发现机会、定义产品、组织团队、交付上线、评测治理并持续迭代的一套实战知识库。
版本：v2.3.0 发布标识：v2026.10.03.1 资料时点：2026-10-03 适用对象：转行新人、产品经理、项目经理、创业者、业务负责人、解决方案与交付负责人
在线访问：<https://pm.arloyi.xyz/> 代码留档：私有仓库 ArloYi/ai-pm-yongle-dadian
使用方式：独立静态双岗位系统。本目录不与其他项目或外部工作区串联；可在本机使用，生产站点也以独立域名、服务器目录和 Nginx 配置运行。边界见 独立性、存储与发布边界。文中的论文与法规 URL 仅作为公开参考资料。
产品范围、需求与验收基线见 PRD：AI 产品经理 × AI 项目经理永乐大典。
浏览器入口：推荐在 Finder 中双击 打开AI_PM双岗位系统.command，系统会启动只允许本机访问的预览，优先使用 8765，若被占用则自动选择空闲端口。也可以直接打开 双岗位总入口，再进入 AI 产品经理工作系统 或 AI 项目经理工作系统。两套系统都包含工作台、任务式路径、决策训练、产物工作室、能力测评、L0–L5 专家挑战和按需知识支持；状态保存在当前浏览器。
生产部署只使用 dist/ 目录，内部交付与回归清单不进入公开知识包。
首次使用本地源工程前，运行 python3 tools/build_release_package.py 生成完整阅读包，再使用启动入口。独立阅读页与全库目录保存在 dist/，不要单独复制根目录 HTML。
这套大典解决什么问题
AI 产品的难点不只是“会写 PRD”，也不只是“懂模型”。真正的工作是把五套系统同时管好：
- 价值系统：用户为什么需要、商业上为什么值得做。
- 智能系统：数据、模型、提示词、检索、工具、评测如何组成可用能力。
- 体验系统：不确定的 AI 如何被用户理解、控制、纠错和信任。
- 交付系统：范围、进度、成本、质量、风险、供应商与跨团队协作。
- 治理系统：隐私、安全、公平、版权、内容标识、审计与事故响应。
因此，本库把两个容易混淆但高度协同的角色放在一起：
| 角色 | 首要问题 | 最终负责 |
|---|---|---|
| AI 产品经理（AI PM） | 做什么、为谁做、为什么值得做、做到什么程度 | 产品价值、体验、指标与路线图 |
| AI 项目经理（AI Project Manager） | 谁在何时以多少资源交付什么、风险如何受控 | 范围、进度、成本、质量、风险与验收 |
小团队里可能是一人兼任；大组织里应明确责任边界，但两者必须共用同一套目标、评测和风险语言。
一张图看完整体系
战略与场景
└─ 用户研究 → 机会评分 → 商业论证 → 立项
└─ 产品定义 → AI 可行性 → 数据准备 → 方案/原型
└─ 基线评测 → 开发集成 → 红队与合规 → 灰度
└─ 上线监控 → 运营增长 → 漂移治理 → 复盘迭代
↑__________________________________________|
贯穿全程：项目治理｜成本与资源｜安全隐私｜人机交互｜文档与追溯推荐阅读方式
30 分钟：先建立全局地图
7 天：能参与一个 AI 项目
- 第 1 天：角色、术语与 AI 技术全景。
- 第 2 天：用户问题、场景选择和价值验证。
- 第 3 天：PRD、原型、模型与系统方案。
- 第 4 天：评测集、指标、实验和上线门禁。
- 第 5 天：计划、WBS、风险、RACI 与沟通机制。
- 第 6 天：安全、合规、成本、监控和事故响应。
- 第 7 天：用模板完成一个完整案例。
详见 90 天学习与求职路线。
全部卷册
| 卷 | 内容 | 你会获得什么 |
|---|---|---|
| 00 如何使用 | 阅读路径、能力地图、维护规范 | 知道从哪里开始、如何查找 |
| 01 角色与职业 | AI PM、AI 项目经理、组织协作 | 角色边界与胜任标准 |
| 02 AI 技术底座 | ML、LLM、RAG、Agent、多模态、MLOps | 能与算法和工程有效沟通 |
| 03 AI 产品 0→1 | 从机会到上线运营的全流程 | 独立做出可验证的产品闭环 |
| 04 AI 项目管理 | 立项、计划、执行、风险、采购、验收 | 把方案可靠交付 |
| 05 安全合规伦理 | 风险分级、隐私、安全、法规、审计 | 建立可上线的治理底线 |
| 06 模板工具箱 | 31 份可复制模板 | 直接用于工作 |
| 07 案例演练 | 客服 RAG、销售 Copilot、Agent | 从案例学完整决策链 |
| 08 术语词典 | AI、产品、项目、数据、治理名词 | 随用随查 |
| 09 论文书单 | 分层论文、标准与阅读法 | 建立可靠的一手知识源 |
| 10 学习与求职 | 90 天路径、作品集、面试题 | 从新人走到可胜任 |
| 11 附录 | 工具地图、检查清单、决策速查 | 日常工作案头手册 |
| 12 进阶专题 | 战略、商业化、Prompt、传统 AI、平台与组织 | 从会做单点功能到能管产品线 |
| 13 岗位实战 | 日常 SOP、70 道评审题、决策速查 | 把知识转成稳定工作习惯 |
| 14 行业基线 | 统计评测、Agent 控制、数据、FinOps、八行业场景、交付与法规 | 从方法走到可复核的证据包 |
本轮全库审查与一手资料记录见 2026-10-03 行业资料调研。可下载 20 项指标合同、12 项证据台账及 30 条合成 Agent 测试；公共基准目录说明适用任务与局限。法规、正式标准、动态规范、草案和本库建议分别标注，新增内容尚未取得独立行业专家评审或认证。
本地 Skills 套件
六个 Skills 均保存在当前目录的 skills/ 中，没有安装到全局，也不会自动调用外部服务。每个 Skill 均包含标准 SKILL.md、UI 元数据、按需加载的参考资料和可复制模板。
| Skill | 适合解决的问题 | 主要输出 |
|---|---|---|
| 0 | 机会验证、需求澄清、AI PRD、MVP 范围 | 机会简报、AI PRD |
| 0 | Prompt/RAG/工具/Agent/微调/模型选型 | 技术方案、ADR |
| 0 | 评测集、模型比较、安全门禁、上线与回滚 | 评测与上线计划、黄金集结构 |
| 0 | 章程、计划、RACI、RAID、变更、验收 | 项目交付计划、RAID 台账 |
| 0 | 战略、壁垒、定价、单位经济、组合与平台 | 战略备忘录、单位经济模型 |
| 0 | 学习、入职、面试、案例、方案评审与复盘 | 30 天训练计划、评分卡 |
本地完整性检查：
python3 tools/validate_local_knowledge_base.py生产发布不再依赖人工记住构建顺序：build_release_package.py 会先重建知识数据，再生成可追溯的 release-manifest.json。产品版本、发布标识和资料时点统一从 release.json 读取。
一条最重要的原则
AI 产品不是“模型能力的展示页”，而是“在约束条件下稳定创造用户价值的完整系统”。
模型分数高不等于用户任务完成率高；Demo 惊艳不等于可以上线；能回答不等于答案可采信；能自动执行不等于应该自动执行。任何功能都要同时回答：
- 目标用户完成了什么任务？
- 与当前方案相比，价值提升多少？
- 正确、错误和拒答分别怎样定义？
- 最坏情况下会伤害谁，如何发现、阻断和恢复？
- 单次与全量成本是多少？
- 谁对结果、过程和事故负责？
边界与更新
这是“足够完整的工作操作系统”，不是静态百科的终点。模型、价格、法规和工具会持续变化；本库把稳定的方法论写入正文，把易变化内容标注日期并链接一手来源。涉及医疗、法律、金融、招聘等高风险场景时，必须由对应专业人员和法务复核，不能把本库当作法律或行业意见。