AI产品经理

1.需求洞察与AI产品设计（核心主线）

-以用户场景为起点，设计适配AI特性的产品方案（如智能交互、生成式功能），同时依托代码阅读能力（读懂Python/Java核心逻辑），快速判断技术可行性，平衡设计体验与研发成本。

-输出专项PRD：既包含交互流程、信息架构等产品设计核心，也整合模型需求（如准确率阈值）、数据格式要求，通过SQL查询、API接口理解，确保设计方案与技术实现无缝衔接。

2.交互设计与技术适配（双向融合）

-设计AI专属交互逻辑（多轮对话、智能反馈、动态生成内容），同时熟悉TensorFlow/PyTorch基础流程，理解模型响应速度、算力限制，优化交互等待体验（如加载状态设计、分步反馈）。

-借助LabelStudio标注规则设计能力，将产品设计中的“意图识别”“场景拆分”转化为可落地的训练数据标准，推动算法模型与产品设计目标对齐。

3.产品落地与跨域协作（设计驱动+技术支撑）

-主导AI产品迭代：用Figma/Axure输出高保真原型，同时通过Git协作、Postman接口调试，跟进研发落地进度，快速定位设计与代码实现的偏差（如接口返回数据与设计预期不一致）。

-串联设计、算法、研发团队：用“产品设计语言”拆解业务需求，用“代码/技术逻辑”翻译给研发团队，解决跨部门协作中的认知差，推动模型优化（如召回率提升）与设计迭代同步进行。

4.效果验证与持续优化（数据+设计双驱动）

-制定产品核心指标（用户留存、交互完成率）与AI技术指标（识别准确率、生成质量），通过Tableau/Matplotlib可视化分析，结合A/B测试迭代设计方案。

-跟踪大模型、生成式AI技术动态，依托编程思维快速将新技术（如插件扩展、多模态交互）融入产品设计，同时具备AI伦理合规意识，在设计中规避数据隐私风险。

二、AI产品经理工具熟练度（设计+技术一体化）

-产品设计核心工具：精通Figma/Axure（AI交互原型设计，含多轮对话、动态生成效果可视化）、飞书文档/Confluence（融合技术需求的PRD编写）、XMind（设计逻辑+技术架构双梳理）。

-技术协同工具：熟练使用Git（代码版本同步，跟进设计落地进度）、Postman（API接口调试，验证设计方案技术适配性）、PyCharm/Vscode（代码阅读与简单调试，辅助设计决策）。

-数据与AI工具：掌握SQL（产品设计所需数据查询与分析）、LabelStudio（标注规则设计，衔接产品设计与模型训练）、Tableau/Matplotlib（数据可视化，支撑设计优化决策）。