产品经理的大模型基础
从 Token 和概率生成开始，逐步理解训练、Prompt、API、RAG、工具、Agent 与 AI 产品评估。
理解大模型，是学习 Agent 最重要的前置。但产品经理不需要先把自己训练成算法工程师。
更合适的路线是：先理解大模型能做什么、为什么会这样，再学习怎样把它组成可靠的产品系统，最后进入 Agent。
这套系列不从数学推导开始，也不要求读者先做实验或写代码。每篇文章都会先给出准确术语，再用大白话拆开，用产品场景说明它为什么重要，最后写清常见失败边界。
阅读路径
建议按顺序阅读 · 8 篇
- 大模型的基本工作方式：Token、参数、概率生成、上下文、幻觉与涌现能力。
- 大模型的训练与推理：Transformer、注意力、训练、推理、成本与缓存。
- 提示词与任务设计：结构化提示、Few-shot、任务拆解、结构化输出与校验。
- 模型 API 与基础编程：Python、JSON、HTTP、模型 API 与 Token 用量。
- Embedding 与 RAG：语义检索、切分、重排、上下文组装、引用与评估。
- 工具调用与 Workflow：工具选择、参数验证、权限、流程编排与幂等。
- Agent 的基本原理：状态、计划、记忆、循环、停止、恢复与可观测性。
- 大模型产品的评估与设计：评估、概率性 PRD、安全、信任校准与商业价值。
一条知识主线
理解模型如何生成
→ 理解能力怎样训练出来
→ 理解怎样描述任务
→ 理解产品怎样调用模型
→ 理解怎样提供外部知识
→ 理解怎样连接外部工具和流程
→ 理解怎样形成 Agent 循环
→ 理解怎样评估和设计完整产品这八篇要建立的不是一份名词清单，而是一套产品判断：哪些工作适合模型，哪些事实必须来自数据库或知识库，哪些动作需要程序校验和人工确认，以及怎样证明一个 AI 产品真的完成了任务。
读完后，可以继续进入更深入的产品经理的 Agent 入门。