基础认知
先建立共同语言和行业坐标。知道 AI 从哪来、发展到哪一步，以及产业链上的角色各自做什么。
AI 名词地图
把高频名词放回同一张地图：它是什么、解决哪一段问题、和你有什么关系。
AI 发展简史
从符号规则、机器学习到大模型。每次范式变化，究竟换掉了什么。
AI 目前到了哪一步
今天已经稳定可用的、仍在快速变化的，以及演示很好但落地还不稳的。
AI 行业的四层
算力、模型、平台与应用。看懂每层卖什么、向谁付钱、壁垒在哪里。
主流模型厂商的差异
不背厂商排名，按能力、成本、生态、部署和合规做一次真正的选型。
从哪里拿到模型
官方 API、云平台、模型社区与聚合服务，控制权和责任边界各不相同。
大模型
大模型的运作原理。从「预测下一个词」这一条机制，推出它全部的本事和全部的毛病。
大模型的运作原理
每次只预测下一个词，这就是全部。所有本事和所有毛病都从这里长出来。
大模型与搜索引擎的区别
搜索给你书架，大模型给你结论。凭记忆回答，就没有出处可查。
训练与推理的区别
一个是喂出来，一个是用起来。费用和能力的边界都在这条线两边。
训练数据从哪来
语料的构成，决定了模型偏向谁、缺哪一块。
模型的六种类型
文本、图片、视频、语音合成、语音识别、向量。输入输出和计费单位各不相同。
推理模型与普通模型
深度思考是先生成一段推理再作答。什么任务值得多花那份钱。
开源与闭源
权重公开意味着什么，什么时候自己部署才划算。
Token 与计费单位
大模型不按字数收费。中英文的差价，就是从切分方式来的。
参数量与跑分怎么看
参数、上下文长度、跑分，是三件不同的事，别混着看。
温度与随机性
同一个问题每次答案不同，是设计出来的，不是故障。什么时候该关掉。
调用一个模型需要什么
base_url、模型名、API Key 三件套。为什么大家都兼容 OpenAI 格式。
常用调用参数
max_tokens、top_p、stream、system，每个参数在产品上意味着什么。
选型与降级
按任务分档配模型，主模型挂了怎么自动退到备用。
幻觉产生的原因
幻觉是生成机制的必然产物，不是 bug。所以只能防，不能修。
知识截止日期
大模型不知道昨天发生了什么，除非你把昨天塞进去。
多模态：图片怎么被读懂
多模态是后来加装的。加装的方式决定了模型能看多细。
提示词工程
提示词不是咒语，是需求文档。写清楚一分，它就多做对一分。
提示词不是咒语
它是需求文档。你没写清的地方，模型一定会自己补一个。
提示词的四个部件
背景、要求、限制、验收。缺哪一段，就会在哪一段上跑偏。
系统提示与用户提示
哪些话该每轮都带，哪些话只说一次，优先级不一样。
为什么用 Markdown 写提示词
结构化的文本，模型解析得更准。这不是审美问题。
给例子比讲道理管用
少样本示例的用法与陷阱：给几个、给什么样的、什么时候反而有害。
控制输出格式
从「请返回 JSON」到强制格式，以及流式输出时的取舍。
几个高杠杆技巧
让它先反问、参考锚定、先想再答、角色设定真正起的作用。
提示词怎么迭代
一次只改一处，留一组测试样例。凭感觉调是调不出来的。
提示词的沉淀与版本
散落在代码里的提示词，迟早会变成没人敢动的一坨。
上下文与 RAG
大模型没有记忆。先看清检索是怎么找到东西的，再谈怎么把它装进有限的窗口。
向量与语义相似度
把一句话变成一串坐标，意思相近的靠得近。整套检索都建在这上面。
相似不等于相关
算出来最像的那几段，未必能回答你的问题。这是检索最大的误差来源。
关键词、向量与混合检索
三种找法各有各的盲区，实际系统几乎都是混着用。
上下文窗口
一次请求能装下的全部内容，就这么大一张台面。
上下文中段丢失
开头和结尾看得最清楚，中间那段随长度增加逐渐失焦。
对话压缩
聊长了会自动丢内容。丢的通常正是早期定下的约束。
长期记忆的实现方式
提取、冲突、注入。让模型认识你，代价是什么。
RAG：知识库的三步
先检索再回答。三个环节，以及它到底解决了什么。
切分：RAG 成败的第一步
切得太碎丢上下文，切得太大稀释重点。这一步定生死。
RAG 答不准的三个环节
切分、召回、重排，每一环都会掉链子，各有各的症状。
微调还是 RAG
要补知识几乎总是 RAG。什么时候才真的需要微调。
Agent 与 Skill
从聊天到办事，中间加了工具调用、循环、Skill 与 MCP 这几层。
模型、Agent、应用的分层
一张图分清三层。分不清就会把产品问题当成模型问题。
工具调用
模型自己什么也做不了。是你把手借给它，它才够得着世界。
Agent 循环
想一下、做一下、看结果、再想。跑几十轮的东西就是这么转起来的。
Skill 与 MCP
一个装知识，一个装接口。分别解决什么，别混着上。
多 Agent 协作
什么时候值得拆成几个，拆完成本涨在哪一段。
提示词的分层
系统提示、长期规则、临时指令，各管一段，优先级不一样。
Agent 跑偏的三种形态
目标漂移、工具误用、循环不收敛，各有各的拦法。
权限分级与人工断点
该在哪几步拦一下，才不至于让它把库删了。
Agent 评测
不评测就是在裸奔。一份能跑起来的最小验收方案。
成本与安全
Token 账单怎么算、提示注入怎么防、哪一段判断永远不该交出去。
一次调用的计费构成
输入、输出、缓存三种价，差好几倍。看懂报价表再选模型。
生图为什么贵几十倍
图片的 Token 是怎么数出来的，分辨率一调账单就跳档。
缓存命中与省钱
前缀不变才命中。把提示词的顺序换一下，账单能差一半。
提示注入
模型分不清哪句是指令、哪句是数据。这是原理层面的漏洞。
对话数据的去向
网页版、API、企业版，三种形态的数据去向不一样。
AI 代码的常见漏洞
密钥硬编码、越权访问、注入，AI 最常留下的几个。
什么能交给 AI
一套三秒钟就能跑完的信任判断法。
核实 AI 回答的三个动作
不用逐条查证，三个动作就能筛掉大部分编造。
人机边界
AI 能补全实现，补不上判断。哪一段永远是你的活。
做产品
基础
这一行做产品的人默认都知道的事。已经懂的跳过，直接看下面的模式。
产品经理在干什么
这个岗位的职责边界，以及它在一家公司的组织里坐在哪。
产品的工作流程
从想法到上线要经过哪些环节，各个角色在哪一步进来。
产品的类型与方向
C 端、B 端、平台、工具、内容，不同类型的判断标准差别很大。
互联网行业地图
电商、社交、SaaS、内容、工具各自走到了哪个阶段。
常见的商业模式
钱从哪来：广告、订阅、抽佣、增值、免费加付费，以及怎么验证。
理解技术
前后端、API、数据库、登录、部署、安全，最小的一份技术底子。
术语表
产品和技术两套黑话，查得到就不会在会上懵。
产品思维模型
PEST、SWOT、AARRR、KANO、用户体验五要素，什么时候用哪个。
工具与模板
画图、写文档、找竞品、扒设计稿，常用的那几个就够。
进阶路线与书单
从入门到能独立带一条线，中间该补什么。
从划桨到掌舵
AI 时代工作方式的根本变化：执行交给 agent，人负责方向。
发现问题
需求从哪来、哪些是真的、哪些值得做。
什么是需求
用户说的话、他真正想要的、和你打算给的方案，是三样东西。
需求的四个来源
用户反馈、业务目标、数据异常、竞品动作，各自的可信度不同。
真需求与伪需求
分辨他说他想要，和他真的会用。
问行为不问意愿
问他上次是怎么做的，别问他会不会用。
先找现有替代方案
他现在是怎么凑合的？没有凑合就说明问题不够痛。
值不值得做
频率、痛感、人数，三个都低就别做。
场景锚点
用一个具体的人在具体时刻的处境，代替一句用户觉得不方便。
用户访谈怎么问
开放式提问、追问细节、避免引导，一份可复用的提纲。
五个为什么
从表面诉求追到根因，再决定要不要照着做。
需求池与优先级
KANO 分类加上一套排序规则，别靠谁嗓门大。
定义产品
给谁、解决什么、做到哪为止。
定义由三部分组成
目标用户、核心价值、功能边界，缺哪一块后面都会摇摆。
产品的生命周期
探索期、成长期、成熟期、衰退期，侧重点完全不同。
商业模式怎么接上
产品定义要能回答钱从哪来，否则做完就停在那。
一句话产品
一句话说不清做什么给谁，就先别让 AI 动手。
唯一主线
找出产品的主任务，其余功能都是配角。
目标用户收窄
面向所有人等于没有用户，先服务好一小撮。
反面清单
明确写下这个版本不做什么，比写要做什么更管用。
最小切片
砍到能完整跑通一遍的最小范围，再往上加。
借形
从已有产品借走通的结构，而不是从零发明。
产品演进蓝图
把未来几个版本画成一张图，让每一版都有交代。
先讲好故事再建产品
产品营销契合与产品市场契合同样重要，甚至先于构建。
设计结构
信息架构、页面地图、数据模型。产品的组织方式。
什么是信息架构
让用户随时知道自己在哪、能去哪、怎么回来。
四种组织结构
层级、矩阵、线性、自然，不同内容适合不同的组织方式。
网页与移动端的差别
屏幕、导航位置、能承受的层级深度都不一样，结构不能照搬。
四种导航形式
仅左侧、仅顶部、左一顶二、顶一左二，取决于有多少个一级模块。
一屏一件事
每个页面只承担一个主任务，其余的让位。
分组与命名
你怎么分组，用户就怎么理解这个产品。
宽而浅
一级菜单五到九个，主路径不超过三层，深了没人走到底。
内容清单
先把要展示的信息列全，再谈分几个页面。
卡片分类
把功能写在卡片上让用户来分组，比你自己拍脑袋准。
页面地图
画出全部页面和它们之间的跳转，再开工。
三种结构图
功能结构、信息结构、产品结构，各画各的，别混成一张。
数据模型先行
实体和关系定错了，界面怎么改都别扭。
设计交互
路径、状态、反馈、异常、权限。所有不顺利的时刻。
交互管的是行为
原型图能传达长相，传达不了行为。行为要写清楚，交给 AI 才不会全靠猜。
常用组件有哪些
下拉、步骤条、分页、抽屉，先认全再谈选哪个。
提示的五种形式
数字、气泡、全局、公告、推送，强度从弱到强。
四态齐全
空、加载、出错、正常。AI 默认只写最后一种。
操作必有反馈
点完之后，用户怎么知道生效了。
可撤销优于确认
危险操作给一次后悔的机会，好过弹窗问三遍。
权限即视图
没权限的功能不该显示出来再报错。
画用户路径
把一次完整任务拆成有先后的几步，标出每步的出口。
列状态清单
逐个组件问一遍会出现哪几种样子，再开始写。
首次体验设计
第一次打开、什么数据都没有的时候，屏幕上有什么。
表单克制
每多一个字段，就少一批愿意填完的人。
提示语怎么写
说明当前状况加引导措施，不用感叹号，句尾不加标点。
设计界面
布局、层级、颜色、排版、设计系统。
视觉层级从哪来
大小、位置、留白、对比，四样东西决定用户先看哪。
颜色基础
色相、明度、饱和度，以及界面里为什么中性色占九成。
排版基础
字号、行高、字重、字距，中文排版跟英文不是一套参数。
一套间距
定一组固定数值，别每个地方现拍一个。
字号阶梯
三到四级字号就够用，多了层级反而散。
一个强调色
只留一个彩色，其余全交给中性灰。
留白优先
先试着删掉分割线和边框，用间距分区。
对齐轴
整页元素归到少数几条轴线上，页面立刻干净。
先定组件后拼页
组件不统一，页面再怎么调都像拼的。
建一份最小设计系统
颜色、间距、字号、圆角，四组变量就能管住整个项目。
响应式怎么落
别把桌面端组件原样堆到手机上，先想清楚断点处的取舍。
与 AI 协作
把前面的判断，翻译成 AI 能照着执行的东西。
它会做的和不会做的
它能补全实现，补不上判断。分清楚分界，才知道你该管哪一段。
上下文是怎么回事
它只知道你给它的那些，记忆不会自动跨会话延续。
规格、提示、约束的分工
一次性的写规格，反复的写约束，临时的写提示。
先规格后代码
先让它写清楚要做什么，再让它写代码。
一次一件
拆成小任务，别一次要一整个应用。
参考锚定
给它一个具体对照物，比形容词有效十倍。
三段式提示
目标、约束、验收标准，缺一段就会跑偏。
上下文预算
该给什么、不该给什么，比给得多重要。
从原型到代码
先出静态页确认样子，再接数据，最后补边界。
约束沉淀
反复要重申的规矩，写进 CLAUDE.md 和 Skill。
验证与迭代
上线前查一遍，上线后看数据。
能用、好用、有人用
三层验证，各自要看的东西不一样。
指标体系怎么搭
从北极星往下拆到能被单个功能影响的那一层。
先埋点后上线
没埋点的功能，上线等于没上。
一个北极星
选一个指标代表产品在变好，其余都是参考。
拿真实数据判断
小样本和自己人的感受都不算数。
五秒测试
陌生人看五秒，能说出这是什么吗。
走查清单
功能、体验、数据、安全，上线前逐条过。
真实数据压测
用超长内容和零条数据各跑一遍。
AI 代码的安全检查
密钥硬编码、越权访问、注入，AI 最常留的几个坑。
北极星拆解
把一个总指标拆成几条可以分别下手的路径。
知识工作怎么验证
代码看输出，知识工作看过程。验证方式不同，产品就要为过程可见而设计。
前线部署工程师
重新认识 FDE
先把这个角色说清楚：它是什么、不是什么、需要什么能力、在团队里扮演谁。
选对战场
先筛问题，再进现场；理解机构约束，把验证范围收窄到能产生价值的切口。
拿下信任
先选能成为灯塔的客户，再用真实结果、动手和诚实建立长期信任。
让系统活起来
上线不等于激活，用热修复、读旧写新、变革管理逼近真实使用。
把关系做长
用健康分做预警，按结果收费，从部门扩张到全网。
把打法复制
把每一次成功沉淀成打法手册，再产品化成平台能力。
Agent 开发
先选对复杂度
先把复杂度压到最低：什么情况下根本不需要 Agent，需要时该从哪一级起步。
上下文工程
上下文是 Agent 唯一的工作记忆：装什么、怎么分层、怎么避免越跑越脏。
工具与环境
工具是契约，环境是能力边界。两者一起决定 Agent 能拿到多少真实反馈。
状态与长任务
一次跑通不等于能交付：状态分层、中断恢复、副作用收据与多 Agent 的准入条件。
评测与验证
先定义完成再写功能：评测集、四层指标、在线离线双轨，以及验证速度怎么追上生成速度。
安全、成本与上线
能跑之后的三件事： containment 与凭证边界、成本归因、上线指标与失败回流。
生产运行
上线之后的运行纪律：故障先分类、恢复有分级、事件在安全点消费、发布是过程不是开关。
持续进化
让系统越跑越好而不越改越乱：归因认首错、评估集要养、经历变成学习、进化闭环有刹车。