互联网 类型
可以朗读 语音朗读
136千字 字数
2025-09-01 发行日期
展开全部

主编推荐语

了解AI产品落地过程，掌握AI产品经理核心能力。

内容简介

本书深入探讨了AI产品经理的转型与实践，覆盖从产品认知、技术理解到需求洞察、模型评估、产品设计、用户体验、团队协作及商业模式的全方位内容。

书中不仅分析了AI对产品经理职责的影响，还详细介绍了大语言模型、提示词工程、智能体等关键技术，并结合实际案例讲解了如何挖掘用户需求、评估AI模型性能、设计有竞争力的AI产品及提升用户体验。此外，还探讨了AI产品团队的协作技巧、AI产品的商业模式和盈利路径。

目录

  • 版权信息
  • 作者简介
  • 内容简介
  • 前言
  • 第1章 产品认知——产品经理如何应对AI时代新挑战
  • 1.1 行业之察：产品经理眼中的人工智能行业是什么样的
  • 1.1.1 理解人工智能
  • 1.1.2 人工智能领域创业发展状况
  • 1.1.3 人工智能产业现状
  • 1.1.4 小结
  • 1.2 产品之变：AI对产品经理的影响究竟如何
  • 1.2.1 以往产品设计的特点
  • 1.2.2 AI时代产品设计的变化
  • 1.2.3 AI催生软件设计定义的新范式
  • 1.2.4 小结
  • 1.3 职责之问：AI产品经理的职责与能力框架是怎样的
  • 1.3.1 AI产品经理在产品上线过程中的工作职责
  • 1.3.2 AI产品经理需掌握的通用能力
  • 1.3.3 小结
  • 1.4 技术之惑：AI产品经理需要掌握哪些关键技术
  • 1.4.1 数学统计学基础概念
  • 1.4.2 模型构建的整个流程
  • 1.4.3 常见算法的原理和应用场景
  • 1.4.4 模型验收的具体指标和方法
  • 1.4.5 模型相关的技术术语
  • 1.4.6 小结
  • 1.5 从互联网到AI时代：一张“模型和产品关系图”，找到适合自己的AI产品公司
  • 1.5.1 什么是“模型能力—产品形态”的二维坐标系分类框架
  • 1.5.2 各象限AI公司理论解析
  • 1.5.3 如何判断公司属于哪个象限
  • 1.5.4 小结
  • 第2章 技术理解——掌握AI大模型的关键技术
  • 2.1 深入理解大语言模型的能力边界与应用场景
  • 2.1.1 背景：金融学科教师应对教学挑战迈向AI大门
  • 2.1.2 什么是大语言模型
  • 2.1.3 大语言模型为什么叫“大”模型
  • 2.1.4 大模型有什么能力
  • 2.1.5 大模型有什么应用场景
  • 2.1.6 大模型有什么限制
  • 2.1.7 案例：如何使用AI技术赋能教学课件
  • 2.1.8 小结
  • 2.2 深入理解提示词工程的原则技巧及实践
  • 2.2.1 什么是提示词
  • 2.2.2 提示词能力
  • 2.2.3 提示词原则
  • 2.2.4 提示词框架
  • 2.2.5 提示词限制
  • 2.2.6 如何与AI沟通的实践技巧
  • 2.2.7 小结
  • 2.3 深入理解智能体能力限制及应用场景
  • 2.3.1 什么是Agent
  • 2.3.2 Agent有什么能力
  • 2.3.3 Agent有什么优势
  • 2.3.4 Agent有什么应用场景
  • 2.3.5 Agent有什么限制
  • 2.3.6 如何有效将Agent赋能业务
  • 2.3.7 如何构建Agent落地方法论
  • 2.3.8 如何使用Agent落地模型
  • 2.3.9 案例：如何将Agent落地模型应用于跨境电商纠纷处理系统升级
  • 2.3.10 小结
  • 2.4 深入理解检索增强生成的能力限制与应用场景
  • 2.4.1 什么是RAG
  • 2.4.2 RAG有什么优势
  • 2.4.3 RAG有什么应用场景
  • 2.4.4 RAG有什么限制
  • 2.4.5 小结
  • 2.5 真需求到MVP：一周从0到1实现AI大模型智能客服产品
  • 2.5.1 背景：发现智能硬件售后客服真需求
  • 2.5.2 如何构建AI智能客服MVP
  • 2.5.3 如何构建AI智能客服方法论
  • 2.5.4 小结
  • 第3章 需求洞察——挖掘AI产品价值宝藏
  • 3.1 需求探测器：精准挖掘真实用户需求
  • 3.1.1 背景：提出“专业AI解决方案”的质量控制经理
  • 3.1.2 挖掘用户真需求方法论
  • 3.1.3 挖掘用户真需求循环在工厂中的运用
  • 3.1.4 小结
  • 3.2 需求定义灯塔：明确AI产品需求分析
  • 3.2.1 需求与因果关系的新变化
  • 3.2.2 产品逻辑简化与思维转变
  • 3.2.3 投入产出比考量与需求切入点
  • 3.2.4 算法可解释性与用户信任建立
  • 3.2.5 传感器技术与多元化交互
  • 3.2.6 考虑技术局限性进行需求定义
  • 3.2.7 小结
  • 3.3 需求量化标尺：量化AI产品需求分析
  • 3.3.1 明确需求并符合产品愿景
  • 3.3.2 精确识别需求场景
  • 3.3.3 确立场景中的量化评估标准
  • 3.3.4 小结
  • 3.4 需求优先级罗盘：科学指引需求优先级判断
  • 3.4.1 什么是卡诺模型
  • 3.4.2 如何将用户需求进行优先级排序
  • 3.4.3 如何用卡诺模型对AI产品需求进行优先级排序
  • 3.4.4 小结
  • 3.5 从痛点到场景：一张“AI落地场景图”，在企业中找到可落地AI需求场景
  • 3.5.1 背景：支付机构的AI落地难题
  • 3.5.2 如何用AI赋能支付机构的商户进件业务
  • 3.5.3 如何在企业中找到可落地AI需求场景
  • 3.5.4 小结
  • 第4章 模型评估——确保AI模型的高效与可靠
  • 4.1 评估指标：如何衡量AI模型的标准
  • 4.1.1 模型评估的分类
  • 4.1.2 模型特征的评估
  • 4.1.3 模型的评估
  • 4.1.4 业务场景与评估指标的匹配
  • 4.1.5 小结
  • 4.2 模型性能：如何通过金融产品评估模型性能
  • 4.2.1 什么是混淆矩阵
  • 4.2.2 什么是准确率、精确率、召回率
  • 4.2.3 什么是F1值
  • 4.2.4 如何构建信用评分产品的混淆矩阵
  • 4.2.5 如何计算信用评分产品的准确率、精确率、召回率
  • 4.2.6 如何计算信用评分产品的F1值
  • 4.2.7 小结
  • 4.3 模型稳定性：如何通过金融产品评估模型稳定性
  • 4.3.1 什么是PSI
  • 4.3.2 如何用信用评分产品评估模型稳定性
  • 4.3.3 小结
  • 4.4 模型监控：如何建设算法模型监控指标体系
  • 4.4.1 案例：金融AI模型缺乏监控导致客诉
  • 4.4.2 如何开发模型监控工具
  • 4.4.3 如何构建模型监控方法论
  • 4.4.4 小结
  • 4.5 从生产事故到上线稳定：一套模型验收流程标准保障AI产品上线质量
  • 4.5.1 案例：金融AI模型因生产事故导致业务全面停滞
  • 4.5.2 如何建立模型验收流程标准
  • 4.5.3 如何构建模型验收方法论
  • 4.5.4 小结
  • 第5章 产品设计——塑造有竞争力的AI产品
  • 5.1 摒弃直觉：打造AI产品MVP的流程及方法
  • 5.1.1 什么是MVP设计
  • 5.1.2 传统产品与AI产品MVP设计的差异
  • 5.1.3 AI产品MVP的设计流程
  • 5.1.4 小结
  • 5.2 设计原则：AI产品设计的准则
  • 5.2.1 同理心原则
  • 5.2.2 资源整合原则
  • 5.2.3 小结
  • 5.3 成功因素：AI产品成功的必要条件
  • 5.3.1 核心技术在AI产品成功中的作用
  • 5.3.2 产品化过程中面临的挑战及应对策略
  • 5.3.3 商业化如何实现产品价值变现
  • 5.3.4 小结
  • 5.4 创新理念：AI Native产品设计的理念与方法
  • 5.4.1 在不确定性中构建产品，寻找确定性
  • 5.4.2 LUI不是AI产品交互的唯一途径
  • 5.4.3 以用户为中心的设计理念
  • 5.4.4 小结
  • 5.5 从图形到对话：一份AI产品需求文档重新定义LLM AI产品需求
  • 5.5.1 背景：人工智能助手“贾维斯”如何帮我点外卖
  • 5.5.2 AI产品PRD重构的三步法
  • 5.5.3 AI产品经理的PRD设计框架方法论
  • 5.5.4 小结
  • 第6章 用户体验——提升AI产品的满意度
  • 6.1 体验要素：影响用户体验的关键因素
  • 6.1.1 功能体验如何影响用户体验
  • 6.1.2 交互设计如何影响用户体验
  • 6.1.3 视觉设计如何影响用户体验
  • 6.1.4 性能表现如何影响用户体验
  • 6.1.5 内容质量如何影响用户体验
  • 6.1.6 小结
  • 6.2 交互设计：UX设计原则
  • 6.2.1 什么是UX设计原则
  • 6.2.2 AI产品与非AI产品在交互设计中的UX设计原则差异
  • 6.2.3 小结
  • 6.3 用户反馈：倾听用户的声音
  • 6.3.1 什么是用户反馈
  • 6.3.2 案例：用户反馈在AI智能助手项目中的运用
  • 6.3.3 小结
  • 6.4 人机交互：AI产品的可控之路
  • 6.4.1 什么是人机交互
  • 6.4.2 人机交互在AI智能语音助手中的运用
  • 6.4.3 小结
  • 6.5 从满足到满意：一个工作流机制提升AI产品的人机交互体验
  • 6.5.1 案例：用户反馈AI智能语音助手人机交互体验差
  • 6.5.2 如何构建工作流机制提升语音助手的人机交互体验
  • 6.5.3 提升AI产品人机交互体验的方法论
  • 6.5.4 小结
  • 第7章 团队协作——打造高效的AI产品团队
  • 7.1 团队角色：不同角色的职责与有效协作技巧
  • 7.1.1 AI产品开发团队中有哪些主要角色
  • 7.1.2 每个角色的具体职责是什么
  • 7.1.3 不同角色之间协作可能面临哪些挑战
  • 7.1.4 有哪些有效的协作技巧
  • 7.1.5 小结
  • 7.2 沟通技巧：促进跨部门及团队有效沟通技巧
  • 7.2.1 跨部门沟通的定义及重要性
  • 7.2.2 横向领导力的内涵
  • 7.2.3 跨部门沟通在AI智能语音助手项目中的运用
  • 7.2.4 小结
  • 7.3 冲突解决：妥善处理团队内部冲突的策略和技巧
  • 7.3.1 为什么要处理团队内部的冲突
  • 7.3.2 化解团队冲突的四大策略
  • 7.3.3 小结
  • 7.4 激励机制：激发团队成员积极性和创造力
  • 7.4.1 团队成员积极性和创造力不足的常见情况
  • 7.4.2 激发团队成员的积极性和创造力的有效措施
  • 7.4.3 激励机制在AI智能语音助手项目中的运用
  • 7.4.4 小结
  • 7.5 从传统到高效：一系列AI工具提升团队效率
  • 7.5.1 DeepSeek三种使用模式的区别
  • 7.5.2 DeepSeek提问的四大原则和技巧
  • 7.5.3 提升团队效率的AI工具
  • 7.5.4 小结
  • 第8章 商业模式——探索AI产品的盈利之路
  • 8.1 模式分析：常见的AI商业模式
  • 8.1.1 AI商业模式的三大支柱
  • 8.1.2 小结
  • 8.2 价值创造：为用户创造价值的方法
  • 8.2.1 分析用户价值的构成要素
  • 8.2.2 用户价值在AI智能语音助手项目中的运用
  • 8.2.3 小结
  • 8.3 模型成本：AI时代的模型成本计算方式
  • 8.3.1 什么是Token
  • 8.3.2 模型成本消耗的两种方式
  • 8.3.3 直接调用模型厂商接口的成本计算
  • 8.3.4 小结
  • 8.4 收入来源：AI产品的盈利途径
  • 8.4.1 AI产品的四种主流盈利模式
  • 8.4.2 小结
  • 8.5 从技术到变现：一个公式拆解AI技术变革下产品赚钱商业模式
  • 8.5.1 什么是好的AI商业模式
  • 8.5.2 AI技术变革下的产品赚钱商业模式
  • 8.5.3 案例：DeepSeek如何成为改变世界的产品
展开全部

评分及书评

评分不足
1个评分

出版方

清华大学出版社

清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。