AI 产品资源地图

第六部 · 资源 · 第46章

撰写日期：2026-07-02

结论

AI 产品学习不缺资料，缺的是围绕问题组织资料。

我更倾向按“要解决的产品问题”管理资源，而不是按课程、文章、工具堆列表。

资源分类

问题	应该找什么资源	产出
不懂概念	官方文档、综述文章、模型解释	概念卡片
不懂产品形态	竞品、Demo、案例拆解	产品拆解
不懂落地流程	PRD、技术方案、上线复盘	Workflow
不懂效果评估	评测标准、数据指标、实验报告	指标体系
不懂行业	行业报告、业务流程、用户访谈	场景地图
不懂工具	官方教程、开源项目、实战案例	最小 Demo

AI PM 常用资源栈

类别	关注点
模型与 API	OpenAI、Anthropic、Google、国内主流模型平台
Agent 框架	LangGraph、Dify、Coze、AutoGen、CrewAI
RAG 与知识库	LlamaIndex、LangChain、向量数据库、重排模型
AI Coding	Cursor、Claude Code、Codex、Copilot、Comate
评测	promptfoo、DeepEval、RAGAS、自建评测集
可观测性	Langfuse、Helicone、日志与调用链分析
原型与交付	Figma、v0、Bolt、Lovable、Replit

资源使用原则

原则	说明
先官方，后解读	避免二手信息误导
先跑通，后收藏	没跑过的资料不算掌握
先解决问题，后系统学习	让真实任务决定学习顺序
先保留判断，少保留链接	链接会失效，判断更重要
先形成模板，再扩展工具	工具替换很快，工作流更稳定

产品案例拆解模板

产品名称：
一句话定位：
目标用户：
核心场景：

用户任务：
1.
2.
3.

AI 介入点：
| 链路 | AI 做什么 | 用户收益 | 风险 |

指标：
- 激活：
- 留存：
- 转化：
- 成本：

我的判断：
- 为什么值得做：
- 最大风险：
- 可复用方法：

资源进入 Playbook 的标准

可以收录	不收录
改变了产品判断	只看过但没有实践
帮助完成真实任务	只是热门链接
能提炼成模板或方法	只有信息搬运
能反复用于决策	一次性新闻

资源管理的目标不是“我看过很多”，而是“我能更快做出产品判断”。