
故事是这样的。
前天中午,我正准备午休,手机弹了一条消息。

朋友问我,想从产品经理转行到AI 产品经理,需要做哪些准备,哪些知识是必须要学的。
他今年的主要目标是转行,看到市面上的课程,有报名的冲动。但发现很多课程都是偏模型训练的方向,听着比较懵,所以想听听我的想法和建议。
我让他把课程发给我,帮他看了一下。
刚看到我就觉得不对劲。
果然,是偏向模型训练的课程。有监督学习、无监督学习、反向传播、参数优化……这些东西,听着就很硬核。
机构卖的就是这个感觉,让你觉得学了就能成为 AI 专家。
但问题是,AI 产品经理的日常工作,并不需要学这些东西。
我跟他说,这课里 90% 的内容都在教你怎么练模型,可事实上我们平时连微调模型的机会都没有,全在拆解 Prompt 和搭AI工作流。
AI 产品经理真正需要的,是另一套东西。
包括RAG、Coze/Dify 工作流、Prompt 工程和技巧(Plan 和 ReAct)、工具调用(Function Call 和 MCP)、模型路由、多 Agent 协作这些,另外对于 Vibe Coding 搭建 Demo,还有跟踪AI行业前沿信息,这些也有要求。

听起来是不是很多?其实拆开来看,每一个都有明确的场景。
先说 RAG。
这是因为传统的模型存在一个痛点,通用的模型不了解你的业务知识。
比如你要做一个企业员工知识库,让员工可以问公司年假怎么算、报销流程是什么。这些内部规则,通用模型不可能知道。
RAG 的作用,就是在模型回答之前,先去你的知识库里匹配到对应的信息,然后把这条信息追加到对话上下文里。
这样模型就能基于你的业务知识来回答了。
可以用在任何有私有知识的场景,这也是目前企业应用的核心。
再说 Coze 和 Dify 。
这是目前AI产品经理主要使用的工具,用来搭建多 Agent 协作和整个 AI 工作流。
这个是必须要学的。
但我的建议是,只学 Dify 就可以了,扣子可以不用学,两个都大差不差,学一个其他的也很容易会。像FastGPT、N8N都是类似的东西。
多 Agent 协作,这是为了解决单 Agent 上下文膨胀和工作范围不清晰的问题。
举个例子。
你让一个 Agent 又去做下单的活,又去做客服的活,它就很容易串起来,而且知识库也比较乱。
但如果让各个 Agent 的职责清晰单一,协作起来的效率会更高。
就像一个团队里,有人专门负责售前,有人专门负责售后,有人专门负责订单。各司其职,配合起来才顺畅。
工具调用, Function Call 和 MCP 。
这是为了解决接入企业目前的研发体系,支持调用企业正在运行的软件应用。
光会说话不够,还得能动动手。
比如 AI 客服回答完用户问题后,需要直接帮用户查订单状态、改收货地址、发起退款。这些操作都要调用企业现有的系统。
Function Call 和 MCP 就是让 AI 能调用这些系统的手。
最后是模型路由。
贵的模型当然好用,但太费钱了,很多简单的任务用贵的模型,就像高射炮打蚊子。
以前用得少还不觉得,现在多Agent协作,每一个步骤都可能有多次AI对话,此时Token消耗差距就显得巨大了。
怎么解决呢,可以采用简单的分类任务,用便宜的小模型;复杂的推理任务,才需要调用大模型。
这些,才是 AI 产品经理真正落地的关键点。
模型微调?那是算法工程师的事。
我们不需要成为训练模型的人,我们需要成为让模型干活的人。
如果你现在就想开始:
1. 先别急着报课
2. 花 1 小时试试 Dify,搭一个简单的工作流
3. 想一个你业务里的真实场景,用 AI 试试能不能解决
做完这三步,你再回来想:我是不是真的要转 AI 产品经理。
写到这里,我想说一下我自己的故事。
我是先从研发转产品经理,再从产品经理转AI产品经理。转行的时候,我也焦虑过。
但后来发现,产品经理的原有能力,在 AI 时代不仅没贬值,反而更值钱了。
为什么?
因为 AI 产品,本质上还是产品。
你需要理解用户需求,需要设计交互流程,需要判断什么场景值得做、什么场景做了也没人用。这些,都是产品经理的基本功。
技术概念可以学,RAG 是什么、Coze 怎么用、Prompt 怎么写,这些一两个月就能上手。
但你对业务的理解、对用户的洞察、对需求的判断,这些是多年积累下来的,别人短时间追不上。
所以,有经验的产品经理转 AI,不是从零开始,是能力迁移。
你不需要把自己当成技术小白,你需要把自己当成懂业务的人,现在多了一套新工具。
这套新工具,就是上面说的那些,RAG、工作流、Prompt、工具调用……
这是一个弯道超车的大时代啊,朋友们。。。
你比想象中,更有竞争力。
以上,既然看到这里了,如果觉得不错,随手点个赞、在看、转发三连吧,如果想第一时间收到推送,也可以给我个星标~
谢谢你看我的文章,我们,下次再见。