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

2，PRD 的核心內(nèi)容從功能描述轉(zhuǎn)變?yōu)镻rompt 設(shè)計(jì)和 Agent 協(xié)作。AI產(chǎn)品經(jīng)理需要在PRD中詳細(xì)定義如何通過(guò)提示語(yǔ)（prompts）來(lái)引導(dǎo)AI模型，使其產(chǎn)生對(duì)用戶有用的、可控的、合規(guī)的內(nèi)容。

3，新增數(shù)據(jù)標(biāo)注和模型運(yùn)營(yíng)。AI產(chǎn)品經(jīng)理需要在PRD中明確數(shù)據(jù)采集、清洗、標(biāo)注、質(zhì)檢的方式，以及如何選擇和微調(diào)模型，使其更符合產(chǎn)品場(chǎng)景的需求。這和傳統(tǒng)PRD注重功能需求有很大區(qū)別。

4，PRD 需要考慮 AI 的穩(wěn)定性與合規(guī)性。AI產(chǎn)品經(jīng)理需要在PRD中明確如何應(yīng)對(duì)AI可能帶來(lái)的幻覺、偏見與法律風(fēng)險(xiǎn)，在“能力上限”與“安全底線”之間找到平衡。

(傳統(tǒng)產(chǎn)品經(jīng)理 VS AI產(chǎn)品經(jīng)理)

這一階段的 PM，已經(jīng)從過(guò)去的數(shù)據(jù)分析師、體驗(yàn)設(shè)計(jì)師，進(jìn)化成了「煉金術(shù)師」——他們的核心能力不再只是需求的翻譯，而是掌握駕馭模型的能力，將其煉成能落地的產(chǎn)品能力和商業(yè)價(jià)值。

2. AI 產(chǎn)品經(jīng)理的工作流程

三個(gè)關(guān)鍵詞：AI 技術(shù)、全生命周期、項(xiàng)目管理 (產(chǎn)品管理)

可以這么理解，它更像一個(gè)理解業(yè)務(wù)場(chǎng)景和 AI 技術(shù)的總工程師，協(xié)同算法工程師、研發(fā)工程師 (前端和后端)、運(yùn)營(yíng)、用戶體驗(yàn)、數(shù)據(jù)標(biāo)注、測(cè)試工程師等團(tuán)隊(duì)，設(shè)計(jì)并落地一套交互邏輯嚴(yán)謹(jǐn)、借助模型能力的解決方案，滿足客戶在具體場(chǎng)景下的需求。

換句話說(shuō)，AI 產(chǎn)品經(jīng)理不僅需求是翻譯官 (把具體的業(yè)務(wù)需求轉(zhuǎn)化為抽象的產(chǎn)品設(shè)計(jì))，也是模型能力的架構(gòu)師與煉金術(shù)師。

AI 產(chǎn)品經(jīng)理＝產(chǎn)品經(jīng)理+AI技術(shù)，其實(shí)還是產(chǎn)品經(jīng)理。

階段一：需求分析與競(jìng)品調(diào)研

需求來(lái)源：競(jìng)品方、客戶方、業(yè)務(wù)方、行業(yè)動(dòng)態(tài)。

需求分類：標(biāo)準(zhǔn)化的行業(yè)需求，個(gè)性化的客戶需求。

需求價(jià)值：真需求，偽需求，poc 驗(yàn)證 (在需求立項(xiàng)之前，僅僅依靠用戶調(diào)研是遠(yuǎn)遠(yuǎn)不夠的，需要和算法工程師溝通，用最小的成本做一個(gè)快速的技術(shù)驗(yàn)證，即POC=Proof of Concept，來(lái)確認(rèn)項(xiàng)目可行性，效果的上限與下限)。

考慮商業(yè)化：市場(chǎng)空間、商業(yè)模式、北極星指標(biāo)。

階段二：產(chǎn)品的設(shè)計(jì)落地與版本規(guī)劃

1，設(shè)計(jì)

業(yè)務(wù)需求抽象成產(chǎn)品設(shè)計(jì) (原型圖，交互流程圖)。

2，落地 mvp 產(chǎn)品與模型效果優(yōu)化

a. 模型選型與 API 調(diào)用

• 模型選型：合適的模型直接決定了項(xiàng)目的效果、成本、安全性和可擴(kuò)展性。
• API調(diào)研：API的字段是否可控，以及是否需要暴露給用戶。注意API模型與官網(wǎng)模型的區(qū)別(真實(shí)線上環(huán)境使用的大概率是API模型，也有使用官網(wǎng)模型的情況，如海螺官網(wǎng)有無(wú)限次數(shù)的套餐，可以降低成本)。

(OpenRouter-Model Comparison)

b. 數(shù)據(jù)集構(gòu)建與模型效果評(píng)估

• 數(shù)據(jù)集構(gòu)建：模擬用戶case，產(chǎn)品后臺(tái)真實(shí)case，主動(dòng)向客戶征求case。
• 模型效果評(píng)估：可用性+具體指標(biāo)及其評(píng)分標(biāo)準(zhǔn)，形成一套完整的評(píng)估體系(可能需要研發(fā)同學(xué)基于業(yè)務(wù)需求制作專項(xiàng)的API調(diào)用工具，提高評(píng)測(cè)模型的生成效率)。

（數(shù)據(jù)集構(gòu)建與模型效果評(píng)估）

c. PPL 編排與節(jié)點(diǎn)優(yōu)化策略（Prompt、Agent、RAG、微調(diào)、MVP、意圖識(shí)別等等）

模型本身、Prompt 與 Agent、功能與交互，這三者相互影響，也共同影響著模型效果。比如，在電商的服裝套圖的場(chǎng)景下，通過(guò)提示詞生成 4 張圖片，形成一組電商套圖。由于模型本身的原因，4 張圖片的模特面部不完全一致。

(PPL 編排與節(jié)點(diǎn)優(yōu)化策略)

此時(shí)需要進(jìn)行逆向排查：模型本身 → Prompt與Agent →功能與交互

• 模型調(diào)試：模型生成隨機(jī)性太高，調(diào)節(jié)seed值來(lái)限制，但是API不支持調(diào)節(jié)該字段。(還涉及temperature/top-p，圖片分辨率/圖片尺寸/視頻幀率，輸入文本長(zhǎng)度/上傳圖片數(shù)量/生成圖片數(shù)量等參數(shù))
• Prompt工程：通過(guò)提示詞的精準(zhǔn)描述，來(lái)固定住模特的面部特征，保證生成的4張圖片的模特面部特征基本保持一致，但是依舊不起效果(嘗試不同的prompt撰寫思路，如驅(qū)動(dòng)推理/列舉元素/提供范例，嘗試不同的prompt撰寫格式，如LangGpt框架/BROKE框架/CRISPE框架，推薦使用Promptpilot或者飛書多維表格，對(duì)prompts進(jìn)行版本管理)。
• 產(chǎn)品設(shè)計(jì)：通過(guò)功能和交互來(lái)彌補(bǔ)。具體的功能改為：先生成一張圖片，再通過(guò)姿勢(shì)裂變來(lái)生成3張相同場(chǎng)景但不同姿勢(shì)的圖片，形成一組套圖。那么，對(duì)應(yīng)的交互邏輯也隨之更新(容易忽略新的交互可能性，以及成本和效率問(wèn)題)。

(逆向排查)

d. 風(fēng)險(xiǎn)監(jiān)控：輸入與輸出兩個(gè)方面。比如電商服裝參考圖的版權(quán)問(wèn)題，生成圖片的合規(guī)性(涉及洗圖和生成限制)。

e. 最終上線方案

3，版本規(guī)劃 (涉及里程碑事件，比如模型迭代、功能更新、界面改版等等)

4，項(xiàng)目管理

從一個(gè)需求誕生，把需求轉(zhuǎn)化成 idea，用最小閉環(huán)驗(yàn)證其可行性，最后落地開發(fā)，以及上線后的跟進(jìn) (使用體驗(yàn)、市場(chǎng)反饋)，持續(xù)迭代，協(xié)調(diào)企業(yè)、產(chǎn)品、客戶三方，負(fù)責(zé)產(chǎn)品的全生命周期管理。(涉及大量的跨團(tuán)隊(duì)協(xié)作，比如需求評(píng)審、信息同步、建立共識(shí))。

• 組織人員的管理
• 項(xiàng)目排期的管理
• 技術(shù)流轉(zhuǎn)的管理

(版本規(guī)劃與項(xiàng)目管理)

階段三：產(chǎn)品更新與數(shù)據(jù)分析

產(chǎn)品功能完善 (比如電商生圖工具的素材庫(kù)更新)

真實(shí)線上數(shù)據(jù)

• 用戶數(shù)據(jù)指標(biāo)：比如意圖識(shí)別功能的采納率，圖片生成的下載率，用戶反饋的贊和踩
• badcase分析：首先，還原用戶場(chǎng)景(單輪對(duì)話的用戶提示與系統(tǒng)提示，以及多輪對(duì)話的歷史記錄)、分析用戶真實(shí)意圖、檢查模型的推理過(guò)程，得出原因。然后，逆向排查解決問(wèn)題(見工作流節(jié)點(diǎn)優(yōu)化策略)。接著，可能需要與算法團(tuán)隊(duì)溝通、與真實(shí)客戶溝通、針對(duì)特定類型的badcase進(jìn)行專項(xiàng)優(yōu)化。最后，再次構(gòu)建專項(xiàng)數(shù)據(jù)集進(jìn)行二次評(píng)估，直到問(wèn)題解決。

(用戶數(shù)據(jù)指標(biāo)與badcase)

附: 提示詞框架與AI信息源

1，OpenRouter官網(wǎng)，PromptPilot官網(wǎng)。

2，這里是總結(jié)的AI產(chǎn)品經(jīng)理的工作流程示意圖。

3，這里推薦3個(gè)提示詞框架，可用于生產(chǎn)級(jí)的prompts，保證模型輸出的準(zhǔn)確性和穩(wěn)定性。