一些 Context
去年 9 月份我做了一套帮助产品经理转型 AI 的线上课，耗时 2 个月完成了全套课程 ~40 节课的更新。
累计时长 20 小时左右，基本上把 AI 产品需要掌握的认知、知识点、工程技能都覆盖了：从模型原理到 Function Call 到 Dify、RAG、微调。
截止到十一之前，已经有超过 500 人学了这套课，其中的大部分都实现了转型。
今年 6 月开始，我又搞了一套面向个人和企业 AI 产品转型的线下课程：一个周末两天，每天 ~ 8 小时，通过一系列实践项目把转型 AI 产品所需要的认知、知识点、工程技能做了高密度的串联。
线下课办了 7 期，累计 200+ 以公司产研负责人为主的“同学”完成了课程学习，每个同学都在 2 天学习后带走了至少一个真实可交互的 AI 产品。
2 天线下课讲授的所有知识点在有全面总结。
1 年过去了，虽然 AI 技术发展飞速，但其实核心的原理和工程策略没怎么变化，按理说去年那套课程的内容直接学完全没问题。
但毕竟 AI 产品的形态在持续更新，我们学习 AI 产品化的方式也应该迭代。
于是，我更新了转型 AI 产品的知识图谱，也就是《AI产品经理转型特训营-2026版》的课纲。
转型 AI 产品能力图谱
新的技能图谱主要从以下几个方面进行了更新：
• 会融合 2025 版技能特训课、项目实训课，AI 产品经理线下课、AI 编程课、智能体课程的内容
• 会基于 2026 年以来大模型能力、工程方案的迭代更新课程的内容
• 会增加 Agent、Skill 的内容篇幅和颗粒度，相关知识技能也会围绕 Agent 产品的需求来设计
• 会重构教学方式，对知识点进行了拆解，对零散时间学习更友好
下面是课纲，14 个模块、76 小节、预估 24 小时课程时长。
我把“学习目的”也放进来了，方便大家了解此刻转型 AI 产品的要求，内容比较长只放到小节级别的内容(包含每节课知识点的大纲 ~8000 字，文末加肉肉领取)。
模块一：AI 时代的产品经理如何转型
学习目的&收获
1.建立 AI 时代的全局视野：理解 AI 在技术演进中的位置，对工作方式、产业结构和产品形态的长期影响
2.看懂 AI 产品的机会地图：能够区分业务赋能型、趋势布局型与 AI 原生型机会，判断与不同产品路线
3.明确职业定位：能够根据行业经验、能力基础和发展目标，选择适合自己的 AI 产品经理方向
4.建立能力成长路径：理解 AI 产品经理需要具备的认知、业务、产品、技术和工程能力，明确完整学习路线
• AI 是产品经理必须理解的范式级技术
• AI 产业生态拆解与产品机会地图
• AI 产品经理能力模型与课程学习路径
模块二：大模型原理：看懂能力边界和缺陷
学习目的&收获
1.能用产品语言讲清大模型原理：理解模型训练、推理，Token、Embedding、注意力机制和生成等核心概念
2.能够解释模型的各项表现：理解预训练与推理机制带来的能力缺陷，准确识别幻觉、遗忘等核心边界
3.掌握核心控制思维：建立“知识外供、能力内用”与“输入决定输出”的 AI 控制论基本盘
• 大模型是如何训练出来的？
• Token 与向量：大模型如何把文本变成可计算单元
• 推理：大模型如何理解上下文并生成答案
• 上下文窗口如何影响模型表现
• 模型幻觉从哪里来
• 总结：大模型的能力边界与产品决策
模块三：大模型盘点、选型依据与策略
学习目的&收获
1. 能够看懂模型基本参数：理解模态、参数规模、上下文长度、推理能力和部署方式对产品的影响
2. 能够完成模型初选：根据业务任务、数据安全、响应速度和成本筛选候选模型
• 大模型的关键属性
• 主流模型生态与能力版图
• 模型选型的关键指标
• 开源模型与闭源模型选择
模块四：AI 场景发现、可行性分析和落地拆解
学习目的&收获
1. 能够发现 AI 赋能机会：从业务流程、用户任务和组织协作中识别高价值节点
2. 能够判断场景优先级：综合技术可行性、业务价值、风险和规模效应完成排序
3. 能够完成原子化拆解：将复杂场景拆成单一职责节点，并为每个节点选择人、程序或 AI
• 找到 AI 赋能的机会
• 业务/产品 AI 赋能可行性分析
• 需求落地原子化拆解 IPO
模块五：提示词工程与上下文设计
学习目的&收获
1.能够编写工程级提示词：告别日常口语闲聊，掌握结构化、模块化、高确定的提示词编写规范
2.建立产品级安全防线：理解 Prompt 攻击手段，掌握防越狱、防泄露与防御性拒答设计
3. 理解在产品中为大模型构建上下文的策略重要性并掌握为 AI 提供高密度上下文的具体方法
• 提示词工程在 AI 产品中的作用
• 如何撰写工程级产品提示词
• 上下文工程的整体框架
• 提示词攻击与安全防护
• 提示词的评测与版本迭代
模块六：掌握大模型 API 把 AI 接入产品
学习目的&收获：
1.掌握模型接口与数据结构：吃透 API 请求体三要素与 JSON 格式，具备与工程师无缝对接的技术底座。
2.掌握参数级产品体验控制：理解 Temperature、Stream 等参数对产品交互形态与时延体验的直接影响。
3.掌握成本精算与上下文治理：算透 Token 消耗与 KV Cache 缓存收益，掌握多轮对话的状态控制与压缩降本策略。
• 产品经理必懂的 JSON 数据格式
• 看懂大模型 API 的请求结构
• 看懂模型返回与产品状态
• 高级参数如何影响模型表现
• 多轮对话、上下文与调用成本
• 结构化输出、Function Call 与 MCP
模块七：用 Dify 搭建可控的 AI 工作流与智能应用
学习目的&收获
1.掌握敏捷搭建核心平台：熟练掌握主流开源平台 Dify 的应用架构，能够独立跑通复杂流程
2.掌握工作流全节点设计：熟练编排大模型、代码、意图分支与循环迭代节点，打造高鲁棒性 Workflow
3.掌握应用集成与外部发布：打通 Dify 应用与外部系统的 API 集成，实现产品原型的极速验证与赋能交付
• Dify的部署与配置
• Dify 的应用形态与选用场景
• 工作流的基本节点：输入、输出和模型
• 工作流的逻辑节点：条件筛选、迭代循环与人工介入
• 格式处理和变量节点
• 进阶节点：Agent、HTTP&定时触发器
• 场景实战：从 IPO 拆解到 Dify 应用
• Dify 应用调试、发布与外部系统链接
模块八：RAG 与私有知识库搭建
学习目的&收获
1. 能够设计完整 RAG 架构：理解知识处理、索引、检索、排序、组装和生成的全链路
2. 能够定位 RAG 问题：系统掌握问题改写、文档清洗、分段、多路召回到组装兜底的全链路故障诊断
3. 能够完成关键技术决策：胜任文档处理、分段策略、Embedding选型、检索策略、Rerank 选型和阈值调整策略
4. 能够评测和优化知识应用：建立基准答案、召回指标、回答指标和持续迭代机制
• 上下文工程与 RAG 的基本原理
• RAG 项目必须解决的核心问题
• 用户问题加工与 Query 优化
• 文档解析与知识清洗
• 知识文档分段处理策略与实操演示
• Embedding、检索与 Rerank
• 上下文组装与回答兜底
• RAG 测评与持续优化
模块九：掌握 Vibe-Coding 独立完成产品 MVP
学习目的&收获
1. 能够看懂基础程序结构：理解脚本、页面、前后端、接口、端口和运行环境
2. 能够指挥 AI 完成开发任务：用产品定型文档、任务拆解和验收标准推进开发
3. 能够处理常见运行问题：读取报错、补充依赖、定位路径并验证修复结果
4. 能够完成 MVP 验证：从本地 Demo 推进到可访问、可演示、可收集反馈的产品
• 产品经理为什么必须掌握 AI 编程
• 程序、脚本与运行环境入门
• 掌握和应用标记语言 HTML
• 掌握和应用脚本语言 Python&Nodejs
• 使用 AI 辅助撰写 Python 程序
• 前端、后端如何协作
• 用产品定型文档启动 AI 开发
• 进阶：Git 版本管理与GitHub 开源
• 进阶：从本地 Demo 到云端 MVP
模块十：Agent 底层原理与Harness
学习目的&收获：
1. 能够讲清 Agent 原理：理解观察、决策、行动、反馈和终止组成的运行循环
2. 能够设计 Agent 产品：定义工具、记忆、权限、状态、预算和人工确认机制
3. 能够评测 Agent 表现：从任务完成率、步骤质量、工具成功率、成本和安全进行评估。
• 从大模型调用到 Agent 循环
• Harness 工程的定义与核心价值
• 上下文装载、压缩与卸载
• Tools 管理、Hooks 与行动前校验
• Memory 的构建、读取与管理
• Agent 的测评与可观测性
• Agent 产品形态与机会
模块十一：Skills、CLI 与 Agent 的友好产品开发
学习目的&收获：
1.能够理解 Skill 的运行机制：看懂技能如何被发现、加载并参与 Agent 决策
2.能够完成专家经验萃取：将经验整理为可被 Agent 复用的策略，设计高质量 Skill、评测和治理 Skill
3.掌握下一代产品设计范式：树立“面向 Agent 设计产品”的思维，理解 CLI 结合 Skill 在人机协同中的核心威力
• Skill 的概念与产品价值
• Skill 的结构与运行机制
• Skill 开发的关键原则
• 把重复流程、专家经验封装为 Skills
• Skill 的测评与产品化
• CLI 与 Agent 友好的产品
拓展模块：垂直模型微调及应用
学习目的&收获：
1.能够识别微调场景：了解微调的技术本质和能力边界，在提示词、RAG和微调之间做出合理决策
2.掌握微调全流程：定义目标、数据集、基线、训练方式、评测与上线流程
3.能够判断微调效果：通过离线指标、人工评审和业务指标验证投入价值
• 微调的价值、误区与适用场景
• 微调类型与数据要求
• 微调项目的完整实施流程
拓展模块：AI 产品从立项到上线全流程
学习目的&收获：
1. 能够负责 AI 产品从 0 到 1：完成机会分析、立项、方案、PRD、评测、上线和迭代
2. 能够制定技术与产品方案：组合模型、提示词、Workflow、RAG、Agent、Skill 和微调
3. 能够建立评测体系：把模型质量、产品体验、业务价值、成本和安全转化为可验证指标
• AI 产品竞品拆解与可行性分析
• AI 产品拆解实操
• AI 产品 PRD&原型构建
• AI 产品测评体系
拓展模块：AI 产品岗位拆解&求职转型
学习目的&收获：
1. 能够理解当前 AI 相关公司类型、产品形态、行业背景和能力要求，筛选目标岗位
2. 能用简历和作品集完整展示 AI 产品项目中的判断、方案、过程和结果
3. 能够应对面试，系统回答模型原理、场景设计、技术选型、产品方案和项目复盘问题
4. 能够从业务空间、团队能力、技术积累和个人成长判断 Offer 价值、评估职业机会
• 看懂 AI 产品经理岗位地图
• 拆解 JD 与判断岗位匹配度
• AI 产品Demo、作品集&简历优化
• AI 产品经理实战面试题解析
2026 版课程此刻开始更新，每周更新一轮、争取 2 个月内更完全部内容。
报名了 2025 版、还在有效期内的，可以直接跟随课程更新学习；过期 2 个月以内的，找班主任肉肉领取大额优惠券续费；
新版本更新期间报名的同学，可以按照 2025 版的早鸟价 2999 报名学习；新版本更新完成后讲涨价至 3999。
除了新版本课程，同样包含直播作业点评答疑、课程专属交流群、专属知识库。
热门跟贴