AI 基础简介

本栏目是 AI 产品经理的"技术通识课":不教怎么训练模型,而是讲清楚AI 能做什么、不能做什么、怎么用,帮助你在产品决策中理解技术边界、与工程师高效协作。内容按知识类分卷,每个知识类拆多篇:先有地基(机器学习/深度学习/Transformer),再到大模型(训练、推理、能力边界),再到各应用技术(多模态、提示词、RAG、Agent),最后是评估与系统架构。

内容列表

机器学习与深度学习(地基)

机器学习基础:监督/无监督/强化、回归/分类/聚类、模型评估与特征工程——传统 ML 全景
深度学习基础:神经网络、反向传播、CNN/RNN/GNN、优化与训练——深度学习全景
Transformer 架构:注意力机制、多头、位置编码、三种形态——大模型的地基

大模型

大模型基础:LLM 是怎么工作的、token/上下文/温度、幻觉、发展简史
模型训练与对齐:预训练、扩展定律、RLHF/DPO、微调与蒸馏——模型是怎么炼成的
模型推理与部署:预填充/解码、KV Cache、量化、私有化部署与成本结构
模型能力与边界:推理模型时代的能力地图与选型方法

多模态

多模态理解:文本之外——图像、文档、视频、音频的理解能力
图像生成:扩散模型原理、Stable Diffusion/FLUX 生态、可控生成
视频生成:视频生成架构、典型模型、产品边界
语音与音频:ASR/TTS、实时语音对话、音乐生成与合规

提示词工程

提示词工程:与模型高效对话的方法、结构与技巧
高级提示词技巧:复杂推理、上下文工程、结构化输出、企业级实践
提示词安全:提示词注入、越狱、防护体系与红队

RAG 与知识检索

RAG 基础:让模型"知道"你的私有知识——流程、失败模式与评估
检索技术:Embedding、向量检索、BM25、混合检索与重排
高级 RAG:查询处理、GraphRAG、Agentic RAG、评测体系

Agent

Agent 与工作流:从对话到自主完成任务——基础概念与产品设计要点
工具调用与 MCP:Function Calling、MCP 协议、工具安全
Agent 架构与多智能体:设计模式、记忆系统、多智能体编排、AgentOps

评估与架构

评估与评测:三层评估体系、基准与榜单、LLM-as-Judge、红队与灰度
AI 系统架构:一张四层地图,讲清业务、应用、技术、数据每层 PM 该关注什么

产品经理需要掌握到什么程度

必懂:幻觉、上下文窗口、token、RAG 概念、评估方法
应懂:常见模型家族的差异、提示词技巧、Agent 的边界
可懂:训练/微调的基本原理(能听懂、不误解即可)

阅读建议

没有 ML 背景的读者建议先读「机器学习与深度学习」三篇再进大模型;有基础的可以直接从 Transformer 架构开始。每个知识类内部文章建议按列出的顺序阅读(由浅入深)。

发现错误？想一起完善？在 GitHub 上编辑此页！
本页面贡献者：AI-PM Wiki Team
本页面的全部内容在 CC BY-SA 4.0 和 SATA 协议之条款下提供，附加条款亦可能应用