AI产品新人上手慢，常因“行业黑话”而产生沟通壁垒，导致工作偏差。这份指南系统梳理了AI产品领域的核心术语、工作场景概念及必备能力，旨在帮助新人快速听懂行话、高效协作，准确理解需求与目标，避免因信息差走弯路。
智能速览
AI新人常因行业术语导致理解偏差和效率低下。
理解LLM、Prompt、RAG等基础术语是协作的前提。
PRD需明确输入输出规范与性能要求，并设计兜底方案。
数据闭环是AI产品通过收集数据持续优化的生命线。
AI产品经理需平衡技术效果与用户体验，并具备伦理意识。
精华内容
为了让AI产品新人快速融入，以下是一份核心行话与工作指南，旨在打通沟通壁垒，提升协作效率。
六大基础术语
LLM（大语言模型）：如GPT、文心一言等，理解其能力边界是设计功能的前提。
Prompt（提示词）：给AI的指令，其质量直接决定了AI的输出质量。
RAG（检索增强生成）：让AI先检索资料再回答，有效解决知识更新滞后和“幻觉”问题。
幻觉：AI编造看似合理但错误的信息，需通过技术手段规避。
微调：用特定数据对模型进行二次训练，使其更擅长特定领域。
Agent（智能体）：能自主规划、使用工具完成复杂任务的AI系统。
工作场景概念
需求池：AI产品需求需特别标注数据来源、模型依赖和效果评估标准。
PRD（产品需求文档）：需明确定义输入输出规范、性能指标（如准确率、响应时间）以及出错时的兜底方案。
数据闭环：产品上线后，通过收集用户数据、进行标注、再投入模型训练优化，这一循环是AI产品持续进化的关键。
A/B测试：科学对比不同模型、策略或Prompt效果，为产品决策提供数据依据。
核心能力要求
懂技术边界：清晰地知道技术目前能做到什么程度、实现难度多大以及相应的成本。
会定义问题：能将模糊的业务需求，转化为AI可以解决的具体问题，并设定可衡量的评估标准。
熟悉全流程：对从数据准备、模型选型、Prompt工程到评测上线的完整链路有深入了解。
平衡效果与体验：不仅关注准确率等技术指标，更要重视用户实际感受，设计交互来管理用户预期。
持续学习与伦理意识：紧跟技术迭代，同时考虑数据隐私、算法偏见等社会责任问题。
掌握这些行话只是踏入AI产品领域的第一步，更重要的是理解其背后的逻辑与工作方法。在技术飞速发展的浪潮中，保持学习热情和实践精神，才能将理论知识转化为真正的产品价值，成为一名优秀的AI产品人。
