AI 产品经理

岗位是什么

AI 产品经理对 AI 产品的用户价值、产品方案与最终结果负责：定义做什么、为什么做、做到什么程度算好，并推动算法、工程、设计、测试、运营与合规一起把它做出来。

AI 产品经理的工作不止是选择模型或编写 Prompt。真实职责通常还包括：定义任务和基线，验证模型或工作流可行性，设计工具与人机协作，建立评测、观测和 badcase 闭环，平衡成本与可靠性，并为权限、人工接管、灰度和回滚负责。

常见别名：AI 产品负责人、智能产品经理、AIGC 产品经理、Agent 产品经理、企业级 AI 产品经理、模型产品经理、AI 平台产品经理。名称变化很快，应以职责、交付物和决策权限判断岗位。

按产品形态可以细分为几个方向，JD 与能力侧重各不相同：

细分方向	核心工作	典型场景	主要证据
应用型	用户任务、交互、反馈与业务指标	AI 助手、客服、内容与搜索	任务完成、采纳、留存、转化
RAG 与知识型	知识来源、检索、引用与更新	企业知识问答、文档助手	召回、忠实度、引用质量与 badcase
Workflow 与 Agent 型	流程编排、工具、权限、状态与人工接管	自动化流程、研究与编码 Agent	端到端成功、工具成功、恢复与接管
平台与开发者型	模型、工具、数据、SDK、权限与发布	AI 平台、Agent 平台、模型 API	开发者采用、上线时长、稳定性与成本
模型与评测型	能力规划、评测集、模型版本与发布	基础模型、模型 API、评测平台	任务质量、评测通过、延迟、成本与安全
行业与交付型	领域规则、客户流程、部署、合规与产品化	金融、医疗、教育、政企 AI	验收、采用、续费、交付效率与风险

同一个岗位可以同时属于多个方向，例如“企业级 × RAG × Agent”岗位。行业岗位版图见产品经理岗位类别，能力坐标见AI 产品经理能力模型。

时效性说明

本页的能力与职责按 2026-08-30 的站内工作模型整理。

岗位名称、招聘要求、模型工具和组织分工变化较快，以目标公司的最新公开 JD、面试沟通和实际交付范围为准。

典型 JD 长什么样

一份 AI 产品经理 JD 通常由职责、要求和加分项构成。真正有区分度的不是是否出现“AI”，而是是否写清用户、任务、指标、技术协作和上线后的责任。

职责：来了干什么

较完整的 AI 产品职责可能包括：

定义 AI 功能服务的用户、任务、业务目标和基线方案
调研使用场景，输出需求、流程、原型、PRD 和验收标准
通过小样本实验验证模型、检索、工具和 Workflow/Agent 方案
设计评测集、评分标准、线上指标、人工抽检和 badcase 回流机制
与算法、工程、Infra、设计、测试、运营和合规协作，确定实现边界
设计提示词、上下文、工具 schema、权限、确认、降级和人工接管流程
参与模型版本、Prompt、检索、阈值和策略的灰度、监控与回滚
平衡效果、延迟、稳定性、调用成本、人工成本和业务收益

如果职责只写“跟进行业动态、体验 AI 产品、撰写内容、协助运营”，不能直接判断它是伪岗，但需要继续确认是否承担产品决策和结果责任。

要求：筛什么人

常见要求包括：

具备需求分析、用户研究、产品设计、数据分析和跨团队推进能力
理解大模型、上下文、RAG、工具调用、Workflow、Agent 和常见失败模式
能设计或读懂评测集、评分卡、线上指标、日志和 trace
能与算法、工程、设计、测试、Infra、运营和合规团队讨论取舍
能估算单次任务成本，理解延迟、稳定性、容量和降级的影响
有从 0 到 1 的 AI 功能、工作流或平台产品经验，能拿出过程证据

“懂技术”需要按岗位拆分：应用型岗位至少要能判断系统边界和方案取舍；平台、模型、Agent 或 Infra 岗位可能还要求读代码、使用 API、理解部署或参与技术评审。不能用“产品经理不需要写代码”概括所有方向。

加分项：有这些更好

有可运行的 AI 产品、Workflow 或 Agent 作品，并记录输入、输出和失败样本
有评测集、回归报告、badcase 分析、trace 或线上复盘材料
熟悉模型 API、RAG、工具调用、MCP、权限、审计和发布流程
有垂直行业知识，能把行业规则转成可验证的任务和流程
有定价、ROI、模型成本、推理部署或企业交付经验

JD 关键词解读

“会用 AI 工具”“会写 Prompt”

这是工具使用能力，不等于 AI 产品能力。要继续追问：谁定义任务，怎样判断输出好坏，失败样本如何处理，成本和权限由谁负责。Prompt 是系统设计的一部分，不能代替用户研究、评测、交付和治理。

“负责 Agent 产品”

确认 JD 是否同时提到：

工具和数据接入、schema、权限与审计
状态、记忆、上下文和任务恢复
最大步数、预算、停止条件、重试和降级
人工确认、转人工、暂停、接管和回滚
端到端成功率、工具调用成功率、接管率、成本和延迟

只写“让 Agent 自动完成任务”而没有失败处理和验收标准，通常说明职责仍未定义完整。

“负责 AI 平台”或“模型产品”

确认平台用户是开发者、算法工程师、企业管理员还是内部业务团队，并确认产品是否负责：

模型与供应商接入、版本和路由
API、SDK、工具、权限和配额
数据、评测、日志、trace、成本和计费
部署、稳定性、容量、灰度和回滚
文档、示例、支持和开发者采用

平台岗位的核心不是“做一个模型选择页面”，而是让其他团队可靠地构建、发布和运营 AI 能力。

“负责大模型应用落地”

这类表述可能覆盖产品、解决方案、实施和交付多种工作。确认首个交付物是标准产品、客户方案、定制项目、部署环境还是运营结果，并确认定制需求能否回收到产品路线图。

“负责效果优化”

确认效果是通过什么方式定义和验收：离线评测、人工评分、线上指标、用户采纳、转人工、成本还是投诉率。还要确认谁负责数据标注、错误归因和模型/检索/Prompt/工具修复。

能力要求与准备建议

能力模型见AI 产品经理能力模型，准备时优先形成可验证的工作证据，而不是罗列工具名。

补产品基本功：练习问题定义、用户研究、需求取舍、流程、原型、PRD、项目管理和数据分析，参考产品方法论。
理解 AI 系统：掌握模型边界、上下文、RAG、工具调用、Workflow、Agent、MCP 与基础架构，参考AI 基础和工程与架构。
做最小实验：用真实任务构造小样本 spike，记录质量、失败、成本、延迟和版本，不用一次 Demo 证明产品可行。
建立评测闭环：从 20–50 条种子样本起步，覆盖典型、边界、对抗和应拒答场景；保存标注规则、回归结果和 badcase 分析，参考评估与评测。
练习 Agent 或 Workflow 产品化：把工具 schema、权限、确认节点、状态恢复、降级、trace 和人工接管写进方案，参考Agent 产品。
补商业与治理：估算单次任务成本，说明收益、延迟、稳定性、隐私、安全、审计和回滚的取舍，参考AI 产品开发生命周期。
把过程做成作品：作品至少包括问题、基线、方案比较、原型或系统图、评测集、失败分析、成本、权限、上线策略和复盘。

作品最低结构

部分	需要说明什么
问题	用户、场景、现状、痛点、基线和失败代价
方案	为什么选模型、RAG、Workflow 或 Agent，哪些方案被放弃
交互	输入、输出、反馈、进度、确认、暂停和人工接管
证据	评测集、指标、样本、结果、限制和 badcase
系统	数据、上下文、工具、权限、日志、trace 和降级
经济性	单次成本、人工成本、延迟、收益、ROI 或定价假设
上线	灰度、监控、准入门槛、熔断、回滚和责任人
复盘	哪些假设成立、哪些失败、下一轮怎么改

发展路径

入行：通用 PM 可通过成熟业务中的 AI 应用、知识库或工作流切入；应届或转岗者用完整作品证明问题定义、实验和评测能力
独立负责：从一个功能或任务开始，建立从需求、可行性、评测到上线复盘的闭环
产品线主导：负责模型、应用或平台方向，建立数据、评测、观测、治理和商业机制
横向发展：转 AI 解决方案、FDE、模型运营、AI 训练与评测、应用工程或垂直行业产品
纵向发展：成为 AI 产品负责人、平台负责人、行业 AI 负责人或 AI 治理与战略负责人

发展速度取决于实际责任范围、团队阶段和可迁移证据，不用固定年限推断个人是否“达到高级”。

面试前核验清单

向招聘方确认

这个岗位服务的用户是谁？使用者、购买者和决策者是否不同？
入职后第一个要解决的问题是什么？现状基线和成功标准是什么？
第一个交付物是 PRD、原型、评测集、平台功能、客户方案还是运营结果？
模型、RAG、工具和 Workflow/Agent 方案由谁决定？产品有多大参与权？
上线后看哪些指标？谁负责 badcase、评测、观测和回滚？
团队如何配置算法、工程、Infra、设计、测试、运营、实施和合规？
这个岗位的权限边界是什么？哪些动作需要人工确认或审批？
上一任或当前负责人留下了什么可展示的产品、评测或复盘产物？

听回答里的信号

能说清用户、任务、基线、指标和责任人：岗位边界通常较清楚
能说清模型、检索、工具、评测和成本取舍：岗位通常与实际产品决策相连
只说“拥抱 AI 浪潮”、工具名称或宏大愿景，不说任务和证据：需要继续核实
只强调内容、运营和执行，不说明决策权：可能是边界岗或职责不纯
没有算法或工程团队不必然是伪岗，外部供应商、行业交付和小团队都有其他协作方式；关键是是否有明确的技术责任接口和验收机制

来源说明

本文是 AI-PM 基于站内能力模型、AI 产品实践和公开岗位常见写法整理的岗位分析框架。岗位名称、职责、招聘要求和发展路径变化较快；截至 2026-08-30，本文不代表统一行业标准，具体判断以目标团队的最新公开 JD、面试沟通和实际交付范围为准。

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