AI产品经理的前世今生

最近大热的AI产品经理到底是个什么岗位呢？具体他们需要做些什么具体工作呢？好像听说很高大上，具体工作会不会很复杂呢？

我想大家一定都会有或多或少的疑惑。别急，且听小编一点点娓娓道来。

最早AI产品经理并没有这个细分岗位，这些工作都是集中于AI算法工程师为一体。从筛选项目，定义问题，拆解方案，具体执行，实际交付可能都由一人完成，所以项目质量和速度也不好保证。随着项目成熟化普遍化，公司意识到需要把岗位进行拆分，专业的事情交给专业的人，这才逐渐分化出AI算法工程师和AI产品经理相互合作的现象，分工明确，搭伙干活，各司其职，按时按量完成交付。

AI大方向主要是熟知的几个领域：语音、视觉、NLP、知识图谱、机器学习这5大类，应用偏多的主要是前3大类。而且往往一个复杂项目涉及到不仅仅是一大类的技术和产品，还需要几大类的配合，才能最终完成。

比如某厂世界大会很火的虚拟人项目，拿20年前的著名主持人和企业家进行情景再现，穿越回20年前进行对话，这就涉及到好几方向的能力服务。首先是虚拟人的形象，用到的是视觉算法技术，需要根据名人现在的形象进行特征提取，具体设定好参数，再运用模型进行训练生成，逐渐拟合得到合适的年轻名人形象。当然其中的技术远不如所述简单，从数据采集过程，分解动作拆解模型，具体算法拟合生成，每一步都有困难和卡点，稍有不慎会显得最后形象不生动，不连贯，不够贴近真人那就达不到最后的世界大会呈现效果。

再是语音能力，这需要结合虚拟人的声音表达，搭配好形象嘴唇动作进行输出，对输入的语音信息也需要进行识别，转换成文字进行分析，做好回答的准备。这文字部分就会用到NLP，俗称自然语言处理能力。这不仅仅是对于文字话语的断句，提取词，对语言进行拆解，还需要语义理解，对深层次的词语，句子进行挖掘，联系到现在的时事，背后的故事逻辑，进行串联才分析得到最后的回答。所以其中一个大项目下来，涉及能力多样，过程彼此牵连，呈现完整的形式并不容易。

回过头来我们仔细盘一下这个项目的过程。其实对于早期的项目立项，就非常需要AI产品经理的参与和贡献。一开始我们已知语音、视觉、NLP的能力，名人和故事也是已知的，但是怎么联想到去做这一项目呢？

那就需要AI产品经理很好的提案，可以是头脑风暴，可以是看到某一产品发布会引发的灵感，也可以是从过去的技术积累产品形式得到的升华。这里需要注重的一点是，方案可以天马行空，但是需要拉上算法和开发一起讨论，先从技术实现的角度敲定大方向。总之，确定方向可落地后，产品同学可以撰写初步的PPT提案，做好demo形式，往上提报。

通过后产品经理会对这个产品问题进行定义，梳理清楚产品需求文档PRD的细节，比如内容上包括具体开场形式，对话台词，形象设定，视频时长动作等，比如算法实现速度准确率，给观众带来的音视听体验等，工程上性能情况，SDK大小运行速度，网络连接影响延时情况，稍后都需要考虑。而统筹的AI产品经理则需要对于不同部分工作进行分工，拆解给不同方向产品经理细化。接下来就需要产品评审，技术评审，以及反复修改最初的PRD文档，对于实现方案进行优化。

此外，重要的一点是产品验收情况，既然有验收那就需要达到的标准。AI产品经理平时最常见做的事情就有制定标准这一条。在计算机视觉大领域中，对图像审核类涉恐涉政涉黄的图片鉴别出来都需要标准，具体怎么制定是一件非常难的事情。在直播场景，新闻资讯场景，短视频场景，图片社交场景都有不同的划分，即使对于政治图片这一类也会有很多的细分，一张图片占比多少，人物呈现什么样是可以定义为违规的。这都需要AI产品结合业务需求，实际场景来判断制定。

在推进项目的过程中，AI产品经理也充当起了项目经理的角色。一般复杂大项目不会到结束时候才统一验收，会在阶段性就逐渐测试体验，及时止损。AI产品经理相当于是协调算法，开发，测试，客户这几方角色，做好需求沟通，推进好项目，最终做好交付。

总体而言，AI产品经理如果对算法有一定的基础知识储备，那会对工作理解推进更加迅速和深入。如果纯业务导向也可以，可以站在客户角度保证良好的用户体验，考虑到涉及的问题。而后的工作细分，目前很多公司已有AI产品策划经理，AI交付产品经理，AI项目经理等角色。

闻道有先后，术业有专攻，在未来的AI大领域当中，期待产品经理的角色日渐重要，日渐体现出实际应用的价值！

如何系统的去学习大模型LLM ？

作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。

但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的 AI大模型资料 包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

有需要的小伙伴，可以V扫描下方二维码免费领取

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。
• 内容：
  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
    - L1.4.1 知识大模型
    - L1.4.2 生产大模型
    - L1.4.3 模型工程方法论
    - L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
• 内容：
  • L2.1 API接口
    - L2.1.1 OpenAI API接口
    - L2.1.2 Python接口接入
    - L2.1.3 BOT工具类框架
    - L2.1.4 代码示例
  • L2.2 Prompt框架
    - L2.2.1 什么是Prompt
    - L2.2.2 Prompt框架应用现状
    - L2.2.3 基于GPTAS的Prompt框架
    - L2.2.4 Prompt框架与Thought
    - L2.2.5 Prompt框架与提示词
  • L2.3 流水线工程
    - L2.3.1 流水线工程的概念
    - L2.3.2 流水线工程的优点
    - L2.3.3 流水线工程的应用
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
• 内容：
  • L3.1 Agent模型框架
    - L3.1.1 Agent模型框架的设计理念
    - L3.1.2 Agent模型框架的核心组件
    - L3.1.3 Agent模型框架的实现细节
  • L3.2 MetaGPT
    - L3.2.1 MetaGPT的基本概念
    - L3.2.2 MetaGPT的工作原理
    - L3.2.3 MetaGPT的应用场景
  • L3.3 ChatGLM
    - L3.3.1 ChatGLM的特点
    - L3.3.2 ChatGLM的开发环境
    - L3.3.3 ChatGLM的使用示例
  • L3.4 LLAMA
    - L3.4.1 LLAMA的特点
    - L3.4.2 LLAMA的开发环境
    - L3.4.3 LLAMA的使用示例
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
• 内容：
  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

学习计划：

• 阶段1：1-2个月，建立AI大模型的基础知识体系。
• 阶段2：2-3个月，专注于API应用开发能力的提升。
• 阶段3：3-4个月，深入实践AI大模型的应用架构和私有化部署。
• 阶段4：4-5个月，专注于高级模型的应用和部署。

这份完整版的大模型 LLM 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

有需要的小伙伴，可以Vx扫描下方二维码免费领取