乐于分享
好东西不私藏
夜雨聆风 > > 办公文件 > 面了一个AI产品女生,Prompt产品交互都答不上来

面了一个AI产品女生,Prompt产品交互都答不上来

当前时间： 2026-08-16 10:41:16 分类：办公文件 评论(0)
面了一个AI产品女生,Prompt产品交互都答不上来
前几天面了一个AI产品经理，聊完以后我其实挺感慨的。
女生简历看起来并不差，做过AI产品，也写过PRD，项目经历里面还有RAG、Agent、Prompt这些关键词。单看简历，很容易让人觉得她已经有一定AI产品经验了。
但真正聊下来，我发现一个挺现实的问题：很多人以为自己做的是AI产品，其实只是把传统产品工作前面加了一个“AI”。
我先问她平时怎么做Prompt，她说主要就是根据业务需求写，然后不断调整。我继续问，那你怎么判断一条Prompt到底好不好？有没有测试集？有没有评价标准？修改前后效果怎么对比？这个时候回答就开始比较模糊。
后面我又问了一些产品交互的问题，比如用户输入不明确的时候怎么办，模型回答不确定的时候产品怎么设计，Agent调用工具失败以后用户应该看到什么，为什么这个场景一定要用AI，而不是普通Workflow。
这些问题其实都不算特别难，但她答得比较浅。
我当时没有觉得她能力差，反而觉得挺可惜的。
因为现在AI产品经理这个岗位，真正的门槛已经不是“会不会写PRD”了。
而是你到底有没有真正理解AI产品。
🔥 现在很多人转AI产品，最大的问题就是学习顺序错了。
一上来就学PRD、画原型、研究竞品，然后简历上写上“熟悉LLM、RAG、Agent”。
看起来什么都会。
但面试官稍微往下问一点，就容易卡住。
  • Prompt为什么这样写？
  • 模型为什么会答错？
  • RAG为什么召回不到？
  • Agent和Workflow到底有什么区别？
  • 这个功能为什么要用AI？
  • 如果模型不稳定，产品怎么兜底？
这些问题答不上来，其实很难证明你真正做过AI产品。
所以如果你准备转AI产品经理，我反而建议不要一开始就疯狂学产品工具。
先把AI底层应用逻辑搞明白，再把产品能力补上。
下面这套学习路线，就是我自己一路转过来以后，觉得比较适合普通人的方式。
✅ 第一步：LLM基础 + API，2-3周
我当时第一阶段没有直接学RAG，也没有上LangChain，而是先把大模型最基础的东西搞懂。
LLM到底是什么、Token怎么算、Context是什么、Temperature有什么影响、Prompt和System Prompt怎么用、模型API怎么调用，这些先全部过一遍。
因为AI产品经理不需要成为算法工程师，但你至少要知道模型到底能干什么、不能干什么。
这一阶段我自己直接调模型，不只是看教程。
拿几个真实场景测试，比如文本总结、分类、信息提取、内容生成、结构化输出，然后不断调整Prompt。
做到什么程度算过关？
很简单：你能够自己调用模型，并且能解释为什么这个Prompt效果好、为什么另一个效果差。
✅ 第二步：Prompt + AI交互，2周
这一阶段我开始重点研究Prompt和AI产品交互。
很多人觉得Prompt就是写几句话，这其实是一个误区。
真正做AI产品以后，你会发现Prompt和产品交互是连在一起的。
比如用户输入的信息不完整，应该让模型猜，还是让用户补充？
模型没有把握的时候，是直接回答，还是明确告诉用户不确定？
模型输出一堆内容的时候，产品应该怎么组织？
这些都不是单纯写Prompt的问题，而是产品设计问题。
所以这一阶段我一边练Prompt，一边研究AI产品的交互方式。
自己拿几个产品去拆，看看别人为什么这么设计。
这一阶段不用花特别久，2周左右基本够了，重点是建立AI产品和传统产品之间的区别。
✅ 第三步：RAG，3-4周
接下来我才开始学RAG。
因为很多企业AI产品最终都会涉及内部知识库、文档问答、企业资料查询，所以RAG基本绕不开。
这一阶段我没有只看概念，而是自己完整跑了一遍。
从文档解析、文本切分、Embedding，到向量数据库、相似度检索、Top-K召回，再到最后交给模型生成答案。
刚开始Demo特别容易跑通。
但真正让我理解RAG的，是后面不断出现的各种问题。
为什么这个问题能召回，换一个问法就召不回来？
为什么明明召回了正确内容，模型最后还是答错？
为什么知识库内容越多，效果反而不一定越好？
这时候我才真正理解，AI产品经理为什么必须懂一点技术。
因为以后研发跟你说“RAG效果不好”，你不能只回一句“那再优化一下”。
你至少要知道可能是哪一层出了问题。
这一阶段我给自己的要求是：能够独立解释RAG完整链路，并且知道常见问题怎么排查。
✅ 第四步：Agent + Tool Calling，2-3周
RAG之后，我开始学习Agent。
这一阶段重点不是学各种复杂Multi-Agent，而是先把Tool Calling搞懂。
我自己做了一个简单Agent，让模型根据用户需求选择工具，然后调用接口，把工具结果重新交给模型。
跑通以后，我才真正理解Agent和普通聊天机器人到底有什么区别。
Agent并不是“一个更聪明的聊天框”。
它真正的价值，是让模型能够根据任务进行判断、选择工具、执行动作，再根据结果继续完成任务。
对于AI产品经理来说，这一步特别重要。
因为你以后看到一个业务需求，应该能够判断：
这个东西到底适不适合做Agent？
还是普通Workflow就够了？
还是传统规则就能解决？
这一阶段2-3周足够入门，重点不是把Agent框架学得多复杂，而是理解Agent到底解决什么问题。
✅ 第五步：AI产品能力，3-4周
前面的AI基础补完以后，我才开始系统补产品能力。
需求分析、用户画像、竞品分析、PRD、产品流程、交互设计、数据分析，这些传统产品经理该会的东西还是要会。
但AI产品还有一个非常特殊的能力：
你必须学会做AI效果评估。
传统产品很多功能可以直接判断“能不能用”。
但AI产品不是。
一个回答到底算不算正确？
幻觉怎么判断？
模型回答80分和90分有什么区别？
用户觉得不好，到底是模型的问题、Prompt的问题、RAG的问题，还是产品交互的问题？
这些都需要产品经理参与判断。
所以这一阶段，我会建议大家重点练习“需求 → AI方案 → 交互 → 效果评估”这一整套流程。
✅ 第六步：完整项目，4-6周
前面东西学完以后，不要再继续收藏课程。
开始做项目。
我当时也是到了这个阶段，才真正开始把前面的东西串起来。
可以选择企业知识库、AI客服、智能助手、简历分析、销售助手这些场景。
重点不是项目多，而是一定要完整。
从用户需求开始，到产品方案、交互设计，再到模型选择、RAG或者Agent方案，最后做测试和迭代。
面试的时候，面试官真正想听的其实也是这些。
  • 为什么做？
  • 为什么这么设计？
  • 为什么用AI？
  • 为什么不用普通方案？
  • 效果怎么样？
  • 哪里出了问题？
  • 你怎么改的？
如果这些问题都能讲清楚，哪怕你没有把所有框架都学一遍，面试竞争力也不会差。
💣最后
我把自己转型时用的路线整理成了《AI产品经理学习路线》，入门、进阶、项目、求职四个阶段都拆好了。每个阶段学啥、学到啥程度算过关、做啥项目练手、最后能投啥岗位，全理清楚了。
需要的兄弟姐妹，关一下评论区留个「11」，我挨个发给你～
最后希望屏幕前的兄弟姐妹能够早日上岸，少走弯路，找到真正适合自己的方向，加油！💪
#AI产品经理#AI#大模型#LLM