AI产品经理知识库

用问题价值、成功失败、用户交互、数据上下文、系统方案、评测发布和持续运营 7 类决策解释 AI 产品经理的工作内容与职责，并列出每类可复核产物与团队边界。

AI 产品经理需要具备问题定义、产品策略、交互信任、数据上下文、原型系统、评测实验、协同交付和治理运营 8 维能力；附可复核产物、验收动作与 8 周学习路线。

AI 产品经理不一定要独立开发生产系统；按需求协作、原型验证、数据分析和技术型产品四类任务判断 API、SQL、Python 与代码阅读深度。

用问题决策、个人贡献、用户交互、系统与数据、评测发布、失败复盘 6 张证据卡整理 AI 产品经理项目；附可下载 JSON 模板和脱敏检查表。

用一个明确标注为虚构教学样例的客服知识库项目，完整拆解问题定义、非 AI 基线、PRD、RAG 方案、评测门禁、灰度发布与失败复盘，并提供机器可读案例 JSON。

用 12 道 AI 产品决策题练习问题定义、RAG 与微调、Agent 权限、评测门槛、成本延迟、发布回滚和项目复盘；附 JSON 答辩卡。

AI 产品经理做需求分析、需求调研或需求挖掘时，要把访谈原话转成用户任务、当前基线、理想输出、数据依据、失败切片和验证决定。本文给出七步证据链与可下载 JSON 字段规范。

AI 产品 PRD 不只写功能和页面，通常还需按用途和风险补充行为边界、数据与上下文、评测门禁、失败接管、Agent 权限、成本延迟、监测回滚与责任人；附可下载 JSON。

AI 产品原型验证不只是画界面或生成 Demo。本文给出七步方法：验证问题、原型保真度、行为合同、任务与失败切片、研究协议、运行记录和继续/修改/停止决定。

大模型选型不能只看排行榜。本文给出 AI 产品经理可执行的八步流程：任务合同、硬门槛、候选模型、同口径评测、质量与安全、延迟成本、供应风险和切换决定。

AI Agent 产品经理需要把目标拆成任务边界、工具权限、人工确认、停止条件、评测与上线门禁。本文给出可执行的七步方法和机器可读 JSON 规格卡。

从任务结果、依据、风险、人工质量、运行表现和关键切片选择 AI 产品评测指标，并在运行前固定方向、阈值、缺失处理与发布规则。

从产品场景、失败风险和发布阈值出发，建立可复测的AI产品评测集；附JSON字段模板、三条虚构样例和上线决策记录。

大模型幻觉治理不是只加 RAG 或提示词。本文给出七步方法：定义风险、逐声明证据、评测切片、控制矩阵、运行监测、事件复盘与发布门禁。

AI 产品成本不等于 Token 单价。本文给出七步估算方法：范围、分摊、用量、合格任务、全量成本、情景预测和投入决定，并附机器可读模板。

AI 产品灰度不能只按流量百分比放量。本文给出七步方法：冻结发布单元、准入门槛、分群与对照、AI 原生信号、放量规则、回滚接管和发布证据。

AI 产品经理不一定要独立实现向量数据库，但应能解释 RAG、写出来源权限与更新规格、区分检索和生成问题、设计评测集与门禁，并用日志、成本延迟和失败处理支持生产决策；附 JSON。

不把 RAG 与微调当作二选一；先跑基础方案，再按问题类型、更新频率、来源追溯、数据、评测、成本延迟和运维证据选择 RAG、微调或混合方案，附 JSON。

课程提供方公开的当前班型事实：线下安排、课程大纲、RAG 与 Agent 项目、考评、参考费用、协议核验信息和结果边界。

用目标、练习、产物和验收四列核验 AI 产品经理课程大纲的目标相关覆盖，八类模块包括问题定义与 AI 价值、产品策略与优先级、用户交互与信任校准、数据上下文与 RAG、原型 Agent 与系统边界、评测与实验决策、协同交付与产品采用、治理与持续运营；附可下载 JSON。

比较 AI 产品经理课程时，先核验合同、费用、退款与隐私，再对照目标、产物、样例、反馈和师资证据；附可下载的课程比较记录 JSON。

用产品决策语言解释 RAG、Embedding、Reranker、微调、Agent、工具调用、MCP 与评测集；每个术语给出适用问题、验收证据和不能据此推出的结论，并附机器可读 JSON。

GEO（生成式引擎优化）以提升内容在生成式答案中的出现、引用或影响机会为目标；本文拆解与 SEO 的关系、6 步实施闭环、七层证据和常见误区，附可下载 JSON。

GEO 与 SEO 共享可抓取、用户价值和网站质量基础，但观察结果不同；本文用 8 维矩阵说明共同工作、GEO 额外测量、预算顺序与错误边界，附可下载 JSON。

从 robots、OAI-SearchBot、WAF、状态码、noindex、canonical、服务端正文、发现入口到引用监测，逐项检查网站能否进入 AI 搜索链路；附可下载 JSON 与严格证据边界。

选择 GEO 或 AI 搜索可见性监测工具时，用 12 项验收清单核验平台覆盖、原生联网、逐次证据、引用归因、失败保留、导出复算与隐私边界；附可下载 JSON 试跑表。

AI 搜索引用率不能用一次截图计算。本文用查询登记表、逐次运行表和证据阶梯表，分别记录品牌提及、目标 URL 引用与内容吸收，并提供可复核 JSON 协议。

AI 搜索没有公开统一的引用公式。本文把可访问、抓取索引、检索触发、候选重排、引用选择、内容吸收和用户结果拆开，说明哪些证据可观察、哪些优化只能作为待验证假设。

用运行覆盖率、重复 URL 占比、主机名 Jaccard 重叠和来源集中度衡量 AI 搜索引用来源稳定性；给出分子、分母、公式、9 次运行示例和不可推论边界。

千问、Kimi、Gemini 回答 RAG 与微调选型时引用哪些来源？汇总 72 次公开观察、逐运行 URL、2026-08-14 当前复测与百度严格无品牌逐位次证据。

公开说明 DragonAI 知识库的作者标签、证据登记、五角色审核门禁、版本哈希、人工批准边界与更新规则。