完整知识体系与能力边界

一张完整的知识地图

AI Agent 产品经理的知识体系由四大板块构成：技术底层知识、产品专业知识、评测与效果知识、商业与行业知识。它们有顺序：技术认知帮你判断能不能做，产品知识帮你知道怎么设计，评测知识帮你证明做得好不好，商业知识帮你回答值不值得做。

2.1 技术底层知识：必须懂的技术边界

不用推导数学公式，必须理解下面这些技术的产品级含义。

•大语言模型的核心原理，以及主流模型的能力分层——知道不同档位模型在推理、知识、创作、多模态上的差异。

•Agent 五大核心技术栈：RAG（检索增强）、工具调用、思维链、记忆机制、多智能体协作，后面模块会逐一深入。

•多模态技术的原理、能力边界与适用场景，知道哪些识别任务现在可靠、哪些仍不稳定。

•模型微调、提示词工程、主流 Agent 框架的产品视角理解——知道每种手段解决什么问题、成本几何。

•推理成本、延迟、效果的权衡逻辑，还有基础的成本估算方法。

2.2 产品专业知识

•AI Agent 产品完整生命周期管理：从需求、设计、研发、评测、上线到迭代的全流程。

Agent 产品设计核心就四件事：人设、边界、交互、错误处理。

•多轮对话设计：意图识别、槽位填充、上下文管理、话题切换。

•RAG 产品全流程设计与优化：知识库、分块、检索、生成、引用。

•工具调用型 Agent 的设计与编排逻辑，以及多 Agent 协作系统的架构与设计原则。

2.3 评测与效果知识

•三级评测体系：人工评测、自动评测、半自动评测，各自适用场景与局限。

•幻觉、安全性、合规性的全链路治理方法。

•四维核心指标体系：效果指标、效率指标、成本指标、业务指标。

•AI 产品 A/B 实验的特殊方法与注意事项。

•Badcase 根因分析与闭环优化方法论。

2.4 商业与行业知识

•AI Agent 赛道里的主流玩家就分三类：通用平台、垂直应用、基础设施。

ToC、ToB、企业内部这三类Agent，产品逻辑不一样——付费方、核心要求、成功标准全不同。

•四种主流商业化模式与各自适用场景。

•垂直领域 Agent 的机会点、竞争壁垒与落地逻辑。

2.5 PM 的能力边界准则

不用深入掌握具体代码编写、模型训练的工程与数学细节、算法推导。这些有专门的算法和工程团队负责。

技术能做什么、做不到什么、做起来要花多少钱、需要多长周期、存在什么风险，这些必须牢牢掌握。

判断是否达标的标准很朴素：你能和技术团队平等对话——既不会被专业术语“忽悠”，也不会拍脑袋提出物理上不可能的需求。