我在从人工智能专业走向 AI 产品经理。 比起"模型能不能回答",我更关心:真实用户为什么需要它、数据从哪里来、失败的时候怎么办。
聚活er ｜ 产品负责人
技能服务交易平台,以音乐制作垂类切入。我负责产品端全部工作——交易流程设计、数据结构定义、AI 客服 Agent 方案。
加入时,交易全靠人工在微信里撮合、没有任何数据沉淀。我做的事是在不打断现有交易的前提下,一步步把重复的判断和动作产品化:先做客户无感知的内部工具,再做 AI 副驾,最后才碰前台。
拾光 Shiguang ｜ 独立完成 · 已发布
本地优先的 AI 关系洞察产品:让长期聊天从"存着"变成可搜索、可追溯、可研究的共同记忆。已发布 Windows 单文件安装包。
它最核心的产品判断是:不把全部聊天塞给大模型,而是按问题的成本与可靠性分层——普通建议走对话,模糊事件走摘要金字塔,查原话走精确检索,统计问题走只读 SQL(不让模型猜数),完整研究走全量遍历并原文取证。
仓库里有完整的产品案例、决策记录、迭代复盘与可运行的合成数据演示。
我更希望用过程说明判断,而不只是展示最终界面。
KPL 二路说 ｜ 开发中
电竞垂类的 AI 内容产品(非官方粉丝站):自动聚合二路解说观点,并结合赛事数据识别值得讲的点。
产品上的第一条约束是:AI 生成内容必须 100% 明确标识,不伪装成真实用户,并保留生成审核留痕。合规边界(非官方声明、零官方素材、举报入口)在写第一行代码之前就定好了。
- 怎样把模糊的用户愿望,变成可验证的产品任务?
- 怎样为不同的成本与证据要求,选择合适的 AI 路径?
- 怎样让长耗时、易失败的流程,对普通用户依然可信?
- 怎样在 AI 能力、隐私安全与工程成本之间,做出清楚的取舍?