拿到字节AI产品岗offer那天，我盯着邮件看了很久。
从传统B端产品转AI产品，前后踩了不少坑，把验证过的路径整理出来，希望能给同样想转的朋友一点参考。

关于技术理解，不必硬啃Python，但必须懂API交互逻辑。大厂几乎不问语法，但必问函数调用和结构化输出的原理。建议花两天时间，用Postman或curl把DeepSeek/Claude的API调通，看明白请求和返回的字段，后面设计工具定义时心里才有底。
框架层面，LangGraph和Dify是产品经理必看的两套东西。LangGraph要看懂它的“节点-边-状态”编排逻辑，面试会问：多步骤任务怎么串、中断和回退怎么设计；Dify/Coze这类低代码平台要玩熟，知道工作流编排和Agent自主决策的边界在哪。不用纠结源码，但要把状态管理和检查点对用户体验的影响讲清楚

RAG是面试的jue对核心，要吃透的是知识库的召回率如何影响最终回答，以及产品层面的应对策略——比如“拒答”的边界怎么定、引用溯源怎么展示、多模态文档怎么解析。Agent体系里RAG就是个工具，它的上限取决于知识清洗和切片策略，产品经理得能讲出数据飞轮怎么转起来

Skill现在是企业落地刚需，要重点理解工具描述怎么写才不会被模型误调用
开源产品别只看代码，重点拆解交互和状态设计。强烈推荐研究Manus和DeerFlow的录屏和官方文挡，另外Claude Code的“思考-行动-观察”循环在前端怎么渐进式展示也很值得借鉴

整体路线这样走：
1. AI通识与API调通——花两天把大模型基础原理和API调用跑通，知道Token、Top-P怎么影响输出
2. 提示词工程——重点练怎么写系统提示词和约束输出格式，这是产品经理的基本功
3. Dify/Coze工作流编排——搭一个完整的多节点流程，理解条件分支、循环和HTTP请求节点的用法
4. RAG产品设计——自己搭一个企业知识库问答，重点测不同分块大小和召回数量对答案的影响，输出评测报告
5. Tool/MCP协议设计——拿真实业务接口（比如天气查询、订单状态）定义成工具Schema，跑通Agent自主调用
6. Agent架构模式梳理（ReAct、Reflection、Multi-Agent）——偏理论，但必须画出每种模式的执行时序图，理清信息流转和决策权分配
7. 做一个完整的自动化场景MVP——比如“自动读邮见->提取待办->生成周报->调用飞书发送”，把前面所有串起来，跑通业务闭环

#AI产品经理面试 #AI产品经理 #AI产品经理入门 #AI产品经理干货 #互联网大厂实习 #互联网大厂