国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

在人工智能技術飛速發(fā)展的當下，AI 產(chǎn)品經(jīng)理這一新興職業(yè)正逐漸成為市場的熱門焦點。隨著 ChatGPT 等 AI 應用的火爆，許多人開始擔憂 AI 可能帶來的就業(yè)沖擊，然而，DeepLearning.AI 的創(chuàng)始人吳恩達卻看到了一個全新的機遇——AI 產(chǎn)品經(jīng)理將成為未來最具潛力和價值的職業(yè)之一。本文將深入探討 AI 產(chǎn)品經(jīng)理的就業(yè)前景、崗位畫像、核心能力以及市場需求，幫助讀者全面了解這一新興職業(yè)的現(xiàn)狀與未來趨勢。

大家都知道，ChatGPT 火遍全球之后，第一反應都是：“糟了，我的工作會不會被AI干掉？”但有一個人，站在了不一樣的角度——DeepLearning.AI?的創(chuàng)始人、Coursera 聯(lián)合創(chuàng)始人，也是斯坦福大學的吳恩達老師，他卻看到了另一個方向：AI 不只是來搶工作的，它也在悄悄打開一條全新的黃金職業(yè)賽道。

他在最近的一封公開信中明確指出：AI 產(chǎn)品經(jīng)理將是未來最炙手可熱的崗位之一。他說得很直白：軟件變得越來越便宜、越來越快，特別是原型開發(fā)這塊成本已經(jīng)大幅降低。接下來，市場最需要的，其實不是“怎么做”，而是“做什么”才最有價值——這，正是AI產(chǎn)品經(jīng)理的核心價值。

時代變了，決定“做什么”的人，變得稀缺

放在我們熟悉的語境里，吳恩達還舉了一個很形象的例子：當年福特把汽車價格打下來了，結果大家對汽油的需求一下就猛漲了。這個現(xiàn)象其實背后有個經(jīng)濟學原理：當一個“互補品”變便宜，另一個的需求就會升高。

套用到現(xiàn)在的軟件行業(yè)也一樣：AI 就像是讓軟件開發(fā)這輛“車”越來越便宜、越來越快了。以 GitHub Copilot 為例，這個工具可以邊寫代碼邊給你建議，程序員寫代碼的效率直接能提高 30%-50%。但這只是表面變化。

真正的變化，是開發(fā)的整個流程都被改寫了。以前，一個產(chǎn)品從想法到上線，要經(jīng)歷一整套“慢工出細活”的流程。但現(xiàn)在，用上各種 AI 工具，技術實現(xiàn)早就不是卡脖子的地方了。現(xiàn)在的最大難題，變成了：你要做的這個東西，真的有價值嗎？

也就是說，AI 并不是讓“碼農(nóng)”失業(yè)，而是讓“想清楚做什么”的人變得前所未有地重要——AI 產(chǎn)品經(jīng)理，正是干這事兒的。

目前通過調研，行業(yè)中描繪出了三類AI產(chǎn)品經(jīng)理的畫像：

1. AI Native產(chǎn)品經(jīng)理（原生AI產(chǎn)品PM）

角色定位：?這是“正面戰(zhàn)場”的PM，直接打造以AI為核心的產(chǎn)品，AI即產(chǎn)品主體，例如Midjourney、ChatGPT、Kimi等等。

核心能力（用戶定義）：?超強的用戶洞察能力，懂Prompt、懂AI能力邊界，能在“半確定”的狀態(tài)下做決策，并進行快速試錯和迭代。

研究補充：?這類產(chǎn)品經(jīng)理處于AI應用創(chuàng)新的最前沿。行業(yè)趨勢顯示，AI智能體（Agent）的進化和多模態(tài)大模型的普及將催生更多AI原生應用 ，這些正是AI Native產(chǎn)品經(jīng)理的主戰(zhàn)場。百度創(chuàng)始人李彥宏認為，AI Native產(chǎn)品經(jīng)理需要具備極強的學習能力，可能并非都擁有計算機科學背景，但能快速搭建原型進行測試 。2025全球產(chǎn)品經(jīng)理大會的主題也包含了生成式AI和AI智能體，直接印證了對此類PM的需求 。

市場關聯(lián)性：?對于致力于突破AI驅動產(chǎn)品體驗邊界的初創(chuàng)企業(yè)和科技巨頭而言，AI Native產(chǎn)品經(jīng)理是不可或缺的核心力量。

2. 平臺型AI產(chǎn)品經(jīng)理（AI Infrastructure PM）

角色定位：?他們是“幕后英雄”，主要職責是為算法、架構等技術團隊打造底層工具和平臺，例如模型訓練與部署平臺、模型監(jiān)控與可觀測性系統(tǒng)、Prompt管理平臺及知識庫服務等。

核心能力（用戶定義）：?熟悉AI/ML基礎架構原理，能對接技術團隊并理解其開發(fā)痛點，強調系統(tǒng)穩(wěn)定性、擴展性及技術對接能力。

研究補充：?這類產(chǎn)品經(jīng)理的工作是后續(xù)AI開發(fā)和應用的基礎。一些招聘信息描述了專注于MLOps、分布式訓練管道和推理基礎設施的角色 ，這與平臺型AI產(chǎn)品經(jīng)理的職責高度吻合。例如，谷歌云安全圖譜（Security Graph）產(chǎn)品經(jīng)理的角色，雖然專注于安全領域，但也體現(xiàn)了提供核心數(shù)據(jù)/分析平臺的平臺型職責 。阿里巴巴的“AI Clouder Program”也將“AI Infra”作為一個重點方向，暗示了市場對該領域產(chǎn)品經(jīng)理的需求 。

市場關聯(lián)性：?對于大力投入自研AI能力或以平臺即服務（PaaS）/模型即服務（MaaS）模式提供AI服務的企業(yè)而言，平臺型AI產(chǎn)品經(jīng)理至關重要，正如阿里巴巴云計算所展示的 。

3. AI+產(chǎn)品經(jīng)理（傳統(tǒng)產(chǎn)品的AI升級版PM）

角色定位：?這類PM多數(shù)在傳統(tǒng)行業(yè)中，將AI作為“提效工具”嵌入現(xiàn)有產(chǎn)品體系，例如智能客服、搜索推薦優(yōu)化、智能質檢、智能風控以及企業(yè)內部流程自動化（RPA + AI）等。

核心能力（用戶定義）：?明確業(yè)務目標，判斷AI是否真的“提效”，與算法團隊協(xié)作，評估落地效果（如準確率、召回率），并懂得如何在不打亂原有邏輯的前提下將AI嵌入現(xiàn)有產(chǎn)品流程。

研究補充：?該角色聚焦于AI的實際應用和集成。中國建設銀行招聘零售業(yè)務人工智能應用專家，負責推動AI在零售業(yè)務中的創(chuàng)新應用和能力升級 ，是AI+產(chǎn)品經(jīng)理的典型案例。網(wǎng)易招聘AI產(chǎn)品經(jīng)理以實現(xiàn)AI在音樂、游戲、教育等產(chǎn)業(yè)的深度融合與應用 ，以及《環(huán)球時報》報道中提及的“AI+醫(yī)療”、“AI+制造”領域的復合型應用人才 ，均屬于此類。阿里巴巴發(fā)布的《“AI+”職業(yè)趨勢報告》也詳細描述了AI如何滲透到各行各業(yè)，例如通過釘釘和通義千問打造“智慧養(yǎng)殖專家” ，這正是AI+模式的生動體現(xiàn)。

市場關聯(lián)性：?隨著各行各業(yè)加速數(shù)字化轉型并尋求利用AI獲得競爭優(yōu)勢，AI+產(chǎn)品經(jīng)理的需求極為廣泛。

平臺型AI產(chǎn)品經(jīng)理，AI+產(chǎn)品經(jīng)理就業(yè)市場需求量較大，企業(yè)面臨著轉型，內部需要開源節(jié)流，而AI Native 也就是所謂的AI原生類產(chǎn)品，當前市場并不多，求職的選擇很少，能叫得上名字的屈指可數(shù)，千軍萬馬過獨木橋，manus、kimi、豆包、Qwen還是套的Openwenui的殼

所以，現(xiàn)在AI不再只是大廠的專屬了，越來越多原本就有業(yè)務、有流量、有根基的傳統(tǒng)行業(yè)也開始入局，AI+產(chǎn)品經(jīng)理正在變成傳統(tǒng)企業(yè)推動轉型的關鍵角色。這說明一件事：AI正從“黑科技”變成人人可用的“生產(chǎn)工具”。

雖然“AI產(chǎn)品經(jīng)理”這個崗位看上去很暢銷，但市場上還是存在結構性的問題——脈脈的數(shù)據(jù)也提到，現(xiàn)在AIGC行業(yè)里，出來找工作的更多是產(chǎn)品經(jīng)理這類偏非技術背景的人，但企業(yè)真正缺的是有技術能干活的，這就出現(xiàn)了“供需錯位”

比如說，最近學生們在面試的設計崗位，但真正進入公司后所從事的工作內容跟設計一點關系都沒有，反而都變成了產(chǎn)品經(jīng)理的活，舉個例子，一套可商業(yè)落地的海報，其實目前就是一個Comfyui工作流，一個視頻面部修復也就是一套工作流，在外面包裝一層UI界面，就變成了一個可用的產(chǎn)品，換句話說，因為你有美感，你又懂AI，來了公司之后把工作流搭建完成，批量生產(chǎn)就可以了。那么這個事情真的需要，一個專業(yè)領域的人來做么？所以，絕大多數(shù)的設計崗位、業(yè)務崗位、運營崗位、產(chǎn)品崗位、訓練師崗位等等，入職之后，所做的工作內容都是一樣的

Agent 工作流 + 模型訓練 + 提示詞構建

只不過目前的企業(yè)對于這個工作內容的招聘定位還是混亂的，對于企業(yè)而言，找到一位既懂AI行業(yè)、又有審美、還能把目前市面上所有主流AI工具玩明白的，并且與團隊有效協(xié)作的人太少了，其難度可能不亞于尋找一位純粹的AI研究員。

所以以下是我調研的目前企業(yè)對于AI產(chǎn)品經(jīng)理招聘的薪資范圍、求職必備、能力要求

薪資情況

說到薪資，這可能是很多人最關心的一點。我們來看一組數(shù)據(jù)：

AI產(chǎn)品經(jīng)理，在整個行業(yè)里，工資不低。尤其是在AIGC這些熱門方向，更是“卷中卷”的香餑餑，2023年1-8月，國內AIGC相關崗位的平均年薪是41萬出頭，而專門做AIGC產(chǎn)品經(jīng)理的，平均能拿到43.65萬。另一份Morgan McKinley的薪酬報告更猛，說有經(jīng)驗的AI產(chǎn)品經(jīng)理，年薪能沖到65萬。當然，這樣的數(shù)是偏資深一些的，但也說明這個崗位的天花板再提升。

如果我們再橫向對比整個AI行業(yè)的薪資水平，AI行業(yè)的平均工資也不低。

智聯(lián)招聘在2024年第二季度的數(shù)據(jù)顯示，人工智能相關崗位的平均月薪是1萬3多，AI工程師能到2萬2左右，**像福州這樣的城市，AI工程師月薪甚至達到2萬4。**這些數(shù)字雖然來自不同的渠道、不同的崗位統(tǒng)計口徑（比如AIGC vs 通用AI，產(chǎn)品經(jīng)理 vs 工程師），但一個大趨勢很明確：在AI行業(yè)，特別是能把技術和業(yè)務“串”起來的AI產(chǎn)品經(jīng)理，工資水平是真的不低。

還有一個特別值得注意的，就是所謂的“AIGC溢價”。同樣是AI方向，AIGC產(chǎn)品經(jīng)理的平均年薪43.65萬，甚至還比AIGC行業(yè)整體的平均工資（41萬）還高。

根據(jù)《2024中國人工智能崗位招聘研究報告》顯示，在所有AI相關職位中，**具備3-5年經(jīng)驗的候選人，最為旺盛，薪資范圍35萬左右，占比達到31.67%。**同時，競爭也是最為激烈的，絕對多數(shù)是通過ToB或者XR、VR等等，行業(yè)平移過來的產(chǎn)品經(jīng)理，他們希望通過過往的經(jīng)驗能在混個工作，這種情況下，如果不是同樣垂類的產(chǎn)品線，需要具備一定的行業(yè)認知和資源以及項目管理能力的候選人，大概率就業(yè)機會渺茫。

所以我把調研的方向壓縮到了，0-3年工作經(jīng)驗（包括轉行），薪資控制在25萬年薪這個范圍。平穩(wěn)過渡，可以量化出入職的方案

現(xiàn)在做AI產(chǎn)品經(jīng)理，光說自己懂點AI，已經(jīng)遠遠不夠了。你得拿出點“真家伙”——也就是一個能體現(xiàn)你理解AI、會用AI的項目作品集。

作品集不是擺樣子，要讓人看得出來你是真的下過功夫的，比如：

你有沒有系統(tǒng)地學過AI這行是怎么回事？你對自己的職業(yè)方向有沒有想清楚？哪些技術還差，要不要補補？有沒有做過點實際的項目，不管是上班時候做的、自己搞的，還是讀書時的課程作業(yè)，只要能展示你的能力，都算數(shù)。

如果你是從傳統(tǒng)產(chǎn)品經(jīng)理轉過來，重點就在于：**怎么把你原來做產(chǎn)品的經(jīng)驗（比如調研、分析、推進項目）跟AI領域的新知識結合起來。**面試官往往看的，就是你是不是“又懂產(chǎn)品、又懂AI”。像AI倫理、模型怎么上線、怎么持續(xù)改進這些事兒，也都是考點。

現(xiàn)在不管你是剛畢業(yè)，還是從別的崗位轉型，沒有一個“能看懂你AI實力”的作品集，就很難進到AI產(chǎn)品經(jīng)理這條賽道。

光說你學過點理論、人機交互、推薦系統(tǒng)是怎么回事，企業(yè)不信。他們更想看到你是不是能把這些知識真正用在項目里，解決實際問題。

畢業(yè)生要注意：畢業(yè)設計、實習項目最好跟AI扯上關系，而且能拿得出手；

轉型的朋友呢，也別光等機會，有時候得主動出擊，去找些AI相關的項目做做，或者自己搭個demo練練手。

還有一點，特別是給那些海歸朋友、或者從外企背景過來的：你要是真的想在中國做AI產(chǎn)品經(jīng)理，得多花點時間了解國內這套“土工具”。

比如飛槳（PaddlePaddle）、昇思（MindSpore）這些國產(chǎn)框架，阿里云、騰訊云怎么用，還有企業(yè)常用的協(xié)作軟件。

說白了，就算你見過世面、視野很廣，但落地項目時還是要接地氣。那些既懂AI通用知識，又對中國技術生態(tài)有了解的人，更容易被公司認可。

因為我還在測試這個崗位，需求大量的信息做整合。涉及到數(shù)據(jù)和隱私的問題。所以先簡單展示一頁作品集品一品。

研究方向

整合現(xiàn)有招聘平臺，對于AI產(chǎn)品經(jīng)理的能力要求

1）理解AI的底層原理，不求精通但要“門兒清”

想做AI產(chǎn)品經(jīng)理，第一關就是得搞明白AI到底是怎么回事。你不需要能寫出高深的算法，但你得知道機器學習、深度學習是怎么訓練模型的，大模型又為啥這么火，并能將其與業(yè)務場景深度融合，探索創(chuàng)新應用，token機制、向量嵌入、上下文長度限制。這些都像是你和技術團隊之間的“通用語言”。

比如，模型怎么被訓練出來的？訓練后怎么上線？上線了怎么監(jiān)控它是不是“翻車”？這些基本流程你得懂，這樣你才能判斷一個功能靠不靠譜，是技術上可行，還是白日做夢。說白了，你不需要會寫代碼，但要知道代碼背后的邏輯，不然跟技術團隊一聊就“翻車”。

很多公司現(xiàn)在在招AI產(chǎn)品經(jīng)理時，都會明確寫上：得懂機器學習、深度學習、大模型的基本原理。就像招商金科的JD里寫的那樣，基礎功是敲門磚。

AI技術有很多分支，你在哪個領域做產(chǎn)品，決定了你該重點理解哪個技術。

舉個例子，你做聊天機器人、智能客服，那自然語言處理（NLP）你得懂：怎么分析文字、怎么生成內容、怎么理解用戶語義。 你做的是圖像識別、無人駕駛，那就是計算機視覺（CV）：怎么識別圖像、檢測目標，這些是你的基礎知識。 如果你在電商、內容平臺做推薦系統(tǒng)，那你就得明白推薦算法是怎么運作的，怎么讓系統(tǒng)“更懂你”。

這些技術不會每一個你都要鉆得特別深，但你至少得知道它們能干嘛、局限在哪兒。這樣你才能更清楚地定義產(chǎn)品，和技術團隊在一個頻道上溝通，同時也能看準哪些地方有機會做創(chuàng)新。

哪怕你是做通用AI平臺的，了解這些主流應用方向也很有用。它能幫你掌握行業(yè)風向，不至于產(chǎn)品走在路上了，發(fā)現(xiàn)方向跑偏了。

這里推薦幾位人工智能領域講解非常專業(yè)的Youtube博主的視頻。視頻都很長，但是也建議各位看完

2）精通Prompt工程及優(yōu)化

Prompt提示詞的設計、編寫和優(yōu)化成為AI產(chǎn)品經(jīng)理的一項核心且高頻的工作內容。依據(jù)不同的業(yè)務場景和用戶需求，編寫高質量、精準、有效的Prompt，提高模型響應的準確性和業(yè)務適配性。要求建立分類管理、版本可控的提示詞庫。目前已有公司的招聘JD上明確指出要能夠寫出20個可商業(yè)落地的提示詞。

現(xiàn)在國內AI產(chǎn)品經(jīng)理的招聘市場，已經(jīng)很明顯了——會不會寫Prompt（提示詞），不再是加分項，而是你有沒有資格上桌的關鍵。

過去，Prompt工程能力只是個“錦上添花”的技能，現(xiàn)在直接變成了“門檻”。尤其是在AIGC越來越多地落地到實際應用中之后，Prompt設計能力直接決定了你做出來的AI產(chǎn)品聰不聰明、好不好用。

你去看各大平臺的招聘要求就知道了

字節(jié)跳動他們招AI技術運營專家，要求你能獨立搞定Prompt策略，優(yōu)化生成內容的質量和效率。還有像阿里、騰訊、百度、美團、科大訊飛這些，也都在招聘中強調對大模型理解能力，和Prompt應用能力的考察。

會Prompt，不光是幫你進大廠的一張“通行證”，更是決定你能不能拿高薪的關鍵。說到這兒，可能有人要問：Prompt能力這么重要，那是不是所有AI產(chǎn)品經(jīng)理都得學得一樣深？其實不是，不同類型的PM，用的方式不一樣：

• 平臺型產(chǎn)品經(jīng)理：重點是怎么把Prompt封裝成通用接口，讓別人也能方便地接入使用。你相當于是“造平臺”的那個人。
• 模型產(chǎn)品經(jīng)理：你得跟算法團隊密切合作，通過調Prompt來提升模型的表現(xiàn)。你是那個“喂模型吃什么”的人。
• 應用產(chǎn)品經(jīng)理：你面對的是真實用戶，Prompt寫得不好，用戶體驗就很差。比如你做客服機器人，Prompt寫得明白，它就能快速幫用戶解決問題；寫得含糊，它就只會“裝傻”。

但是不管你是哪一類的AI產(chǎn)品經(jīng)理，會寫Prompt、會調Prompt、會理解Prompt背后的邏輯，已經(jīng)成了基本功。

這里推薦幾個 Prompt 庫

3）AI產(chǎn)品或項目落地經(jīng)驗

第一點，光說不練沒用，得真刀真槍干點事。

現(xiàn)在的公司，更喜歡那些“自己動手做過點東西”的人。比如有人在美團，就靠自己搭了個小工具，結果脫穎而出。意思很簡單：別只會講概念、畫餅，真正有手上項目、能跑起來的小Demo，才最有說服力。AI產(chǎn)品很多時候還在摸索階段，怎么快速試錯、快速改，是關鍵。這時候你如果能搭出一個能跑的AI應用原型，不光節(jié)省工程師的時間，還能贏得他們的信任。這種“邊做邊調”的風格，其實已經(jīng)成了AI產(chǎn)品團隊的默認文化。

第二點，現(xiàn)在最火的兩大關鍵詞就是RAG和Agent。

招聘信息里，現(xiàn)在滿屏都是LangChain、RAG、Dify、Coze、AutoGPT這些詞。為什么？因為這就是新一代AI產(chǎn)品的核心結構。RAG能解決大模型“記不住事”的問題，把外部知識接進來；Agent能讓模型“動起來”，去調用外部工具、和系統(tǒng)互動，不再只是一個會說話的機器人。這類架構讓AI產(chǎn)品從“聊天”升級到“真干活”，也就意味著，如果你對這些技術模式熟悉，有實際動手經(jīng)驗，你的競爭力會大大提升。

第三點，再炫酷的技術，最終也得落到“能賺錢”上。

現(xiàn)在企業(yè)對AI產(chǎn)品經(jīng)理的要求，不只是“能做”，還得“能賣”。像偉仕佳杰、量江湖、貝塔科技這些公司都在強調——能不能把AI產(chǎn)品真正變成一個能賺錢的業(yè)務。大家別忘了，AI熱潮剛開始時，燒錢沒問題；但現(xiàn)在大家都在看投資回報。企業(yè)砸了這么多錢，肯定是想看到真金白銀的回報。而產(chǎn)品經(jīng)理正好卡在技術、用戶、和商業(yè)之間，所以你不僅要懂技術，還得明白怎么把產(chǎn)品變成一個有市場、有利潤的項目。ADP說2025年最重要的趨勢是“業(yè)務增長”，賽諾菲更是直接在JD里寫明：希望AI產(chǎn)品經(jīng)理能“推動可衡量的商業(yè)成果”。

4）AI 工具的使用

現(xiàn)在很多企業(yè)在招AI產(chǎn)品經(jīng)理時，都會特別看重一件事——你是不是“重度用戶”，是不是平時就愛搗鼓各種AI工具。這其實背后有更深的含義，不只是操作熟練，而是反映出你對AI有沒有熱情、是不是自帶好奇心、愿不愿意自己去琢磨。這種“樂于折騰”的態(tài)度，恰恰是AI行業(yè)特別看重的。因為技術變化太快了，沒人能靠培訓等著別人教，必須靠自己學、自己試。你越早親自上手，就越能理解這些技術到底能做什么、做不了什么。對企業(yè)來說，這就是你是否站在行業(yè)前沿的一個標志，也是一種難得的“極客精神”。

不僅如此，AI產(chǎn)品經(jīng)理還常常是公司內部最早接觸、推廣新工具的人——說得直白點，就是AI的“傳教士”和“種子用戶”。你先用起來，試出效果，再帶著團隊一起上手，用AI去優(yōu)化流程、提高效率。這種推動能力，已經(jīng)不只是在做產(chǎn)品了，而是在改變團隊甚至整個公司的工作方式。像很多公司已經(jīng)開始內部推廣AI編程助手，背后都是產(chǎn)品經(jīng)理在推動的。

最后，現(xiàn)在很多公司的AI產(chǎn)品經(jīng)理，其實也越來越像“創(chuàng)客”了——不是光提需求，而是自己就能搭出原型，甚至直接用像Coze這類工具訓練智能體、搭建流程。現(xiàn)在低代碼、零代碼工具越來越成熟，不是程序員也能搞定一堆復雜的東西。誰能先上手，誰就能跑得更快。在MVP階段，這種能力直接決定了試錯的速度和成本。所以，不會寫代碼沒關系，但你要能把工具玩明白，這已經(jīng)成了AI產(chǎn)品經(jīng)理的基本素養(yǎng)。

其實，AI產(chǎn)品經(jīng)理要掌握的四項核心能力——AI的基本理解、提示詞的寫法、項目落地的經(jīng)驗、還有各種工具的熟練使用——它們不是分開用的，而是要打包在一起協(xié)同發(fā)揮的。

打個比方，如果你不懂大模型是怎么處理Token的、它上下文多長會“斷片”，那你很難寫出既省錢又高效的提示詞。所以，AI的理論基礎，是提示詞寫得好的前提。

而想把一個AI項目真正落地，光懂寫提示詞還不夠。比如你要做一個智能客服，得先設計出合理的對話流程（這靠提示詞工程），再用Coze這類平臺反復試錯和優(yōu)化（這就靠工具熟練度）。

而且，工具玩得多的人，還有一個優(yōu)勢——他們能更快察覺行業(yè)的新趨勢。比如你剛上手了一個新的多模態(tài)模型，發(fā)現(xiàn)它有個亮點，那你可能就靈感來了，想出一個新應用場景。接著再去判斷它技術上靠不靠譜，這就又用上了AI基礎知識。

所以，企業(yè)不是單獨去考察你是不是會寫提示詞、會用工具，而是更看重你能不能把這些東西串聯(lián)起來，解決實際問題。比如，一個優(yōu)秀的AI產(chǎn)品經(jīng)理，知道大模型在哪些場景容易“胡說八道”，于是通過寫得精妙的提示詞，加上像RAG這樣的架構，用LangChain搭個問答系統(tǒng)，最后真的能幫用戶準確找到想要的信息——這才是硬實力。