AI产品经理需要具备技术理解力、垂直场景的深度认知，以及一套完整的AI产品落地方法论。要成功打造一款AI产品，既要理解技术的边界，又要洞悉需求的边界。

很多同学对ComfyUI可能还不太了解，我这里做一个简单的介绍。在AI绘画领域，Stable Diffusion 因其开源特性而受到广泛的关注和支持，背后聚拢了一大批的应用开发者和艺术创作者，是AI绘画领域当之无愧的王者。目前使用 Stable Diffusion 进行创作的工具主要有两个：Stable Diffusion WebUI 和 ComfyUI。

人人都想跳槽转岗去做 AI，但是太难了。不是学习 AI、应用 AI 难，而是正在卖力的招人的企业们和铆劲儿往行业里转的求职者们还没太搞明白这个事情。下面是某个搜索引擎AI产品经理的JD，推荐学习：AI产品经理JD对应下来，想要转岗成为 AI 产品经理（或者相似的 AI 岗位），至少应该具备以下能力点：AI产品经理技能图谱前三个不必解释，这是 AI 开发的基本功，少任何一个都没办法有效干活（1 和

随着人工智能的发展，AI与我们的工作与生活变得越来越紧密。AI大模型主要分为开源和不开源两类。现如今开源模型变得越来越好，甚至超过了很多不开源的大模型。前不久谷歌发布了gemma2模型的2B版本(20亿参数)，让我们能够在性能十分有限的电脑上也能流畅运行本地大模型。在我的小破笔记本上都可以流畅出色运行，而且效果很赞！

这两年AI突然“火起来” 了 ，算是出现了一个“大转折”。因为就在这2年里，全球所有“大厂”几乎同一时间挤破头在跟进AI技术，从ChatGPT发布，到谷歌、Facebook、亚马逊等都紧跟其后，再到国内百度、腾讯、阿里、字节等也随之在冲在后面。对市场趋势敏感的产品经理们，想必也感受到了这个变化。也许你们也曾经想过要不要转行AI产品经理或者入行AI领域？那AI相关的行业究竟值不值得做？如果想转行AI

在大模型的应用中，提示词（Prompting）、检索增强生成（Retrieval-Augmented Generation, RAG）和微调（Fine-Tuning）是三种常见的技术手段。每种方法都有其独特的优点和适用场景，选择哪种方法取决于具体的应用需求和资源限制。下面是对这三种方法的详细比较：

本文将从三个方面，带您一文搞懂模型预训练 Pre-training。用于训练模型，即调整模型的参数以最小化预测错误。用于在训练过程中调整超参数（如学习率、网络结构等），以及进行模型选择（如选择哪一轮迭代的模型作为最终模型）。用于在模型训练完成后评估其性能，提供对模型泛化能力的无偏估计。训练集 (Training Set)**：**学生在课堂上学习的知识。验证集 (Validation Set)：课

AI产品经理需要熟悉AI基础知识，包括AI行业现状，数学统计学，AI模型构建和模型基本概念。之所以需要具备这些知识，是因为实现AI产品必然会涉及相应的AI技术，如果AI产品经理不了解相应技术基础，就不能很好的和研发人员沟通，完成AI项目的管理。当然，AI产品经理并不需要像AI算法工程师那样，懂很底层的技术细节、数学公式的逻辑推导，但其中涉及的基本概念和行业现状应有所了解。

AI大模型具有很高的计算和存储需求，需要使用极为强大的计算设备和高效的算法才能训练和应用，所以参数量一般可以达到惊人的数十亿或者数千亿。例如OpenAI的GPT系列，最开始的GPT-1拥有1.17亿个参数，到GPT-3的参数已经到达1750亿个，最新的GPT-4没有给出具体的参数量，但根据推测，它或将接近万亿。

在产品经理学习使用AI的道路上，试错和成长是必经之路。每一位成功驾驭AI工具的产品经理，都经历过不断尝试和持续改进的过程。有些尝试可能不尽如人意，但正是这些经历帮助他们形成了自己独特的工作方法。对于刚开始在工作中应用AI的产品经理来说，不必因为初期的不完美而气馁。可以先从一些基础场景开始尝试，比如文档撰写、会议记录或竞品分析等日常工作。在实践中逐步建立对AI工具的认知，找到最适合自己的使用方式。作