企业官网建设流程全解析

网站备案核实单,佛山做外贸网站的,长链接生成短链接网址,网络营销的方法和手段有哪些AI Agent PM 正在成为科技行业薪酬最高#xff08;传闻达 $750K#xff09;、增长最快的职位之一。 但这背后#xff0c;是传统产品管理范式的彻底颠覆。曾在FAANG任职的资深PM Mahesh Yadavad 提出了一个“马车先行”开发法#xff1a; 旧世界#xff1a; PM花数月调研传闻达 $750K、增长最快的职位之一。但这背后是传统产品管理范式的彻底颠覆。曾在FAANG任职的资深PM Mahesh Yadavad 提出了一个“马车先行”开发法旧世界PM花数月调研撰写厚重的PRD再交给工程开发。新世界AIAI让原型成本降低了100倍。PM必须在2周内用Langflow、V0等工具Vibe Coding先把原型“怼”到客户面前拿到反馈后再去补写一份小而精的需求文档。但作为一个AI PM学习者我还是会感到困惑在传统互联网时代PM的职责是清晰的比如业务PM、增长PM、平台PM…但在AI时代PM的边界似乎很模糊。AI PM到底是一个全新的岗位还是只是传统PM的演进呢尤其是当我审视当下的市场我发现一个“交叉共存”的局面基础模型层PM拥有自研模型AI Native应用PM从零开始构建AI原生应用传统业务AI增强PM在现有业务中“AI”例如电商、内容、SaaS纯传统互联网PM暂时未涉及AI这种多样性让我更加困惑我自己的职业规划该怎么做我到底适合哪一种为了搞清这个问题我近期做了一些功课试图从两位顶尖思想者的分享中拼凑出PM的「角色演进」并找到我自己的位置。Peter Deng (PM界)他定义了PM的「5种原型」。Andrej Karpathy (AI界)他定义了「软件3.0」的新时代。 总结一条清晰的路径AI PM正从软件2.0的「算法PM」演进到软件3.0的「Agent PM」。以下的梳理希望对你也有所帮助Peter DengPM的五大原型在谈论AI PM之前先从Peter Deng定义的PM的五种原型框架开始。他认为一个优秀的PM团队应是「复仇者联盟」每个人有不同的超能力需要不同角色间的良性对抗而不是千篇一律的“六边形战士”。1. 消费类产品经理画像“一个兼具设计师和产品经理特质的人”。特质对细节极度痴迷。“它令人愉悦吗精工细作够吗天啊这里偏了三个像素”。他们能感受到产品的“Vibe”氛围感。2. 增长型产品经理画像“一半是数据科学家一半是产品人”。特质天生习惯于优先思考数字充满怀疑精神。“我持怀疑态度给我看看数据。让我做个测试来验证一下我不相信你”。3. 业务型产品经理画像“一半是MBA一半是产品人”。特质天生从商业模式出发思考“利润如何有哪些机遇价值又是在何处创造的” 他们会思考“这里的激励是什么”4. 平台型产品经理画像系统构建者。特质天生热衷于为他人打造工具如内部平台构建能“助你前行的工具”。5. 研究型产品经理画像“半研究员半工程师半产品人”。特质Deng提到这就是AIPM的核心。“如今真正具备产品品味的人是谁是那些深入了解技术及模型的训练方式进而影响并构建最棒的产品”的人。这个框架给我们的启发是不必强迫自己成为完美的「全能PM」而是应该找到自己的优势区。从软件2.0到3.0的“范式转移”Peter Deng的框架很好但它是建立在特定技术时代之上的。而Andrej Karpathy的「软件3.0」理论则精准地定义了“时代正在发生改变”软件1.0 (C/Java/…)程序员“显式”编写代码。软件2.0 (神经网络/权重)通过数据集和优化器来“编程”神经网络的权重。软件3.0 (LLM/Prompt)LLM可能是一个全新的操作系统(OS)而我们的提示词本身就是程序。我们正在「用自然语言编程」。Karpathy的理论引出了两个颠覆性的事实AI的“不可预测性”你无法像软件1.0那样用静态PRD去穷举AI的所有行为。开发的“马车先行”PM可以在几周甚至几天内构建原型。这就导向了一个核心矛盾当AI的行为不可预测而AI的原型又如此之快时PM的传统PRD静态、滞后失效了。AI PM从算法PM到Agent PM结合Deng的原型和Karpathy的时代划分AI PM的演进路径变得异常清晰。阶段一算法PM (软件2.0时代)在软件2.0时代即传统机器学习/深度学习时代AI PM的角色更接近五种原型中的「研究型/算法PM」。角色定位“炼丹炉”的辅助者算法的翻译官。核心工作核心三件套是「场景、数据、评测」。PM不编写算法但需要通过定义标注规则、寻找bad case、设计评测体系来“编程”数据集。最终目标让模型变得更准。阶段二Agent PM(软件3.0时代)在软件3.0时代Karpathy说LLM会是一个全新的OS。我们不再需要从零“炼丹”软件2.0可以直接使用这个OS软件3.0。LLM的下一步是AI Agent智能体。Agent不再是“被动回答”的聊天机器人它是一个可以“感知-规划-行动”的自主系统。***工具***能调用API、搜索、写代码来改变世界状态。***目标***拥有明确的角色和目标并会为了实现目标而持续尝试。***知识与记忆***能连接外部知识库RAG或拥有记忆。***护栏***拥有检查和平衡机制确保行为可控。 这就催生了一个全新的名称Agent PM。**角色定位**不再是“辅助者”而是“系统设计者”。**工作核心**设计Agent的感知、规划和行动。核心产出“活的PRD”即一个动态的、可执行的、不断进化的评测体系。在Agent时代“评测”不再是QA的辅助工作它本身就是PM定义产品的核心手段。更精妙的是这个构建“评测体系”的过程恰好需要「复仇者联盟」的全部五种能力我们再拿小红书的案例进行展示吧现阶段可能还没有这么明确的分工以下只是一个类比如有理解错误的地方恳请指正。1. 用“黄金评测”定义“产品上限”**传统PRD**PM写一篇文档描述“旅游攻略”应该长什么样。**Agent PM**PM直接去定义甚至标注100条“理想的”旅游攻略SFT数据黄金评测。**对应原型**这需要“消费类PM”的极致品味和用户共情来定义“什么才是好”。2. 用“负面评测”定义“产品底线”**传统PRD**PM在文档里写一条“回答风格不要油腻”。工程师**Agent PM**PM将“油腻”、“重复”、“答案错误”等失败模式提炼出来定义成“确定性的Reward信号”用来训练Reward Model。**对应原型**这需要“研究型PM”的技术理解力将模糊的产品感受转化为可量化的惩罚信号。3. 用“工作流”平衡“价值与成本”**背景**纯Agent的输出不可控且成本高。**Agent PM**PM必须做出架构决策——何时使用高确定性、低成本的“Workflows”如“霸王茶姬推荐”何时使用高灵活性、高成本的“Agentic Search”如“UPF是什么意思”。**对应原型**这需要“业务型PM”的商业头脑来判断用户真正需要的价值是“效率”还是“探索”并平衡开发和维护成本。4. 用“评测飞轮”驱动“产品进化”**Agent PM**PM的核心工作是构建并拥有小红书的(A1-A2-A3)评估飞轮。(A1) **定义标准**PM定义多维评估标准准确性、完整性等。(A2) **自动评测**PM引入“LLM法官”实现自动化评估。(A3) **闭环反馈**PM收集真实用户反馈点踩、分享反过来迭代(A1)的评测标准。对应原型(A2)需要“平台型PM”的系统思维来构建自动化工具(A3)需要“增长型PM”的数据分析能力来闭环反馈。所以我到底适合哪种PM 这条演进之路现在非常清晰了算法PM(软件2.0)研究型PMPeter Deng原型5Agent PM (软件3.0)Deng的5种原型合体在Agent时代一个酷炫的聊天界面像素不重要Agent是否“可靠地”完成了用户的“目标”价值才重要。 AI PM不再是单一职能必须像“消费类PM”一样定义“好”的黄金标准像“平台型PM”和“研究型PM”一样构建自动化的评测系统并像“增长型PM”和“业务型PM”一样让整个评测飞轮与真实的用户价值和商业目标对齐。这也许就是为什么Peter Deng在招聘时最看重的不是你来自哪个原型而是你是否具备“成长型思维”。 那么回到最初的问题我适合哪种PM这个框架告诉我们我们不必是“六边形战士”但必须拥有自己的“超能力”。如果是消费类PM你的品味和用户共情是定义“黄金评测”的基石。如果是增长或业务PM你的商业嗅觉和数据能力是Agent“不跑偏”的保障。如果是平台或研究PM你的技术深度和系统思维是构建“评测飞轮”的核心。在AI时代所有人都在重新学习。我们要找到自己的优势区然后开始构建自己的“评测”能力。最后Peter Deng的访谈中提到了一句Instagram的座右铭分享给大家“We may not be right, but at least we’re not confused.”我们可能不正确但至少我们没有困惑。想入门 AI 大模型却找不到清晰方向备考大厂 AI 岗还在四处搜集零散资料别再浪费时间啦2025 年AI 大模型全套学习资料已整理完毕从学习路线到面试真题从工具教程到行业报告一站式覆盖你的所有需求现在全部免费分享扫码免费领取全部内容​一、学习必备100本大模型电子书26 份行业报告 600 套技术PPT帮你看透 AI 趋势想了解大模型的行业动态、商业落地案例大模型电子书这份资料帮你站在 “行业高度” 学 AI1. 100本大模型方向电子书2. 26 份行业研究报告覆盖多领域实践与趋势报告包含阿里、DeepSeek 等权威机构发布的核心内容涵盖职业趋势《AI 职业趋势报告》《中国 AI 人才粮仓模型解析》商业落地《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》领域细分《AGI 在金融领域的应用报告》《AI GC 实践案例集》行业监测《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。3. 600套技术大会 PPT听行业大咖讲实战PPT 整理自 2024-2025 年热门技术大会包含百度、腾讯、字节等企业的一线实践安全方向《端侧大模型的安全建设》《大模型驱动安全升级腾讯代码安全实践》产品与创新《大模型产品如何创新与创收》《AI 时代的新范式构建 AI 产品》多模态与 Agent《Step-Video 开源模型视频生成进展》《Agentic RAG 的现在与未来》工程落地《从原型到生产AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。二、求职必看大厂 AI 岗面试 “弹药库”300 真题 107 道面经直接抱走想冲字节、腾讯、阿里、蔚来等大厂 AI 岗这份面试资料帮你提前 “押题”拒绝临场慌1. 107 道大厂面经覆盖 Prompt、RAG、大模型应用工程师等热门岗位面经整理自 2021-2025 年真实面试场景包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题每道题都附带思路解析2. 102 道 AI 大模型真题直击大模型核心考点针对大模型专属考题从概念到实践全面覆盖帮你理清底层逻辑3. 97 道 LLMs 真题聚焦大型语言模型高频问题专门拆解 LLMs 的核心痛点与解决方案比如让很多人头疼的 “复读机问题”三、路线必明 AI 大模型学习路线图1 张图理清核心内容刚接触 AI 大模型不知道该从哪学起这份「AI大模型 学习路线图」直接帮你划重点不用再盲目摸索路线图涵盖 5 大核心板块从基础到进阶层层递进一步步带你从入门到进阶从理论到实战。L1阶段:启航篇丨极速破界AI新时代L1阶段了解大模型的基础知识以及大模型在各个行业的应用和分析学习理解大模型的核心原理、关键技术以及大模型应用场景。L2阶段攻坚篇丨RAG开发实战工坊L2阶段AI大模型RAG应用开发工程主要学习RAG检索增强生成包括Naive RAG、Advanced-RAG以及RAG性能评估还有GraphRAG在内的多个RAG热门项目的分析。L3阶段跃迁篇丨Agent智能体架构设计L3阶段大模型Agent应用架构进阶实现主要学习LangChain、 LIamaIndex框架也会学习到AutoGPT、 MetaGPT等多Agent系统打造Agent智能体。L4阶段精进篇丨模型微调与私有化部署L4阶段大模型的微调和私有化部署更加深入的探讨Transformer架构学习大模型的微调技术利用DeepSpeed、Lamam Factory等工具快速进行模型微调并通过Ollama、vLLM等推理部署框架实现模型的快速部署。L5阶段专题集丨特训篇 【录播课】四、资料领取全套内容免费抱走学 AI 不用再找第二份不管你是 0 基础想入门 AI 大模型还是有基础想冲刺大厂、了解行业趋势这份资料都能满足你现在只需按照提示操作就能免费领取扫码免费领取全部内容​2025 年想抓住 AI 大模型的风口别犹豫这份免费资料就是你的 “起跑线”