AI Centric PM - 我的慣用AI 系統

一齊構建一份具備「決策質量」的 AI PM 作品集！

如果你打算在現階段轉型 AI PM，我得先幫你拉高標竿：AI 不應只是你「加進去」的功能，它必須成為你思考產品時的操作系統。

目前的市場飽和了會寫 Prompt 的 PM，真正的缺口在於：誰能在模型的不確定性中，建立起穩定的業務邏輯。以下是轉型的三個真相，以及如何將其轉化為一份讓面試官無法忽視的作品集。

下一期職場課，我將會分享其中一個我做的AI作品集！付費會員優先參加！請密切留意！

1. Stop talking about AI. Start living inside it.

多數 PM 描述 AI 時，喜歡用「個人化」或「自動化」這種抽象辭彙。然而，要交付好的 AI 體驗，你得先讓自己暴露在那些讓人不適的失效場景中。

實踐路徑：

• 全場景覆蓋：把你的 PRD 草案、規格審查、QA 邊際案例、客戶支援總結、競爭對手分析，全部丟給 AI 做初步處理。

• 主動撞牆：去感受什麼叫幻覺、什麼叫拒絕回答、什麼叫上下文斷裂、什麼叫語氣過度自信。

你的目標是精準的「產品品味」一眼看穿 AI 何時能創造價值，何時只是製造噪音，並時刻警覺潛在的風險。

2. 掌握技術真相，建立決策力

你不需要動手寫程式，但必須理解技術的底層運作方式，確保提需求時具備可行性。身為 AI PM，你應能熟練討論以下決策點：

• 模型 vs. 工具 (Tools)：理解模型是「大腦」（決策與規劃），而 Tool Call 是「手腳」（執行與存取即時數據）。

• Context Window：通常源於成本與效能之間的拉鋸。盲目塞滿視窗會直接導致延遲增加與精準度下降。

• RAG (檢索增強生成)：這是讓 AI 說實話的關鍵，但檢索失效（資料品質差）往往才是 RAG 失敗的主因。

• 延遲與成本：建立「延遲預算」概念。隨口要求「讓模型多思考一下」，代價可能是成本翻三倍、延遲增加五秒。

• 評估 (Evaluation)：除了基本的按讚負評，應學會運用 LLM-as-a-Judge 配合黃金測試集來量化品質。

• 防護機制 (Guardrails)：範疇涵蓋了過濾違規言論、偵測提示詞注入 (Prompt Injection) 與預防隱私外洩。

我的 PM 友善工具鏈& 讓面試官無法忽視的作品集框架

AI PM 的優勢在於驗證速度。我傾向選擇能讓我擁有「高解釋力」與「可視化邏輯」的工具，而非深陷在程式碼裡。

• 工作流整合：我選 n8n 而非 LangChain。 n8n 提供 「看得見的邏輯」。比起 LangChain 的程式碼，n8n 的節點圖讓我一眼看出 Prompt 在哪裡、API 串在哪裡。這不只是為了改 Prompt 測試，更是為了跟工程師對齊邏輯時，擁有具體的討論載體。

• 快速原型 (MVP)：選 Dify.ai。 這是一個 「開箱即用的後台」。它把模型管理、RAG 知識庫、工作流全部整合。我可以快速開一個 Web 介面給用戶測試，甚至連前端都不用麻煩工程師寫，極速驗證核心假設。

• RAG 質量驗證：選 MindOS 或 Custom GPTs。 目標是 「極速驗證內容質量」。在投入工程資源開發複雜 RAG 前，先用這些工具餵資料，看模型能不能回答對。如果這些工具都答錯，代表資料格式或品質有問題，這時候該做的是清理資料，而不是開發系統。