知识沉淀 / 读书思考

从模型质量、用户体验、业务结果、安全风险、成本效率和运营闭环出发，建立 AI 产品评估指标体系。

从错误分级、用户预期、业务损失、拦截策略、人工接管和复盘机制出发，梳理 AI 产品概率性能力的治理方法。

从语义边界、重叠策略、元数据、结构化文档与评估方法出发，系统梳理 RAG 知识库分块的设计原则。

从 Prompt、模型选型、API 编排、评估、成本性能、灰度、日志和降级出发，复盘一个 AI Demo 走向可上线能力的完整路径。

从延迟、并发、Token、重试、缓存、模型路由与降级策略出发，建立 AI API 成本和性能的产品化管理框架。

从 AI 编排层、鉴权限流、日志监控、错误处理、计费与治理出发，理解如何把大模型能力封装成可上线的 API 产品能力。

收藏一张中国 AIGC 应用全景图谱，按 To C、To B、硬件与底层开发梳理 AI 应用生态。

提炼 Tree of Thoughts 思维树的搜索机制、实验结果与适用边界，并附原论文在线预览。

提炼 Reflexion 言语强化学习的核心方法、实验结果与适用边界，并附原论文在线预览。

提炼 Chain-of-Thought 思维链提示的核心问题、方法机制、实验结果与适用边界，并附原论文在线预览。

提炼 Self-Consistency 自我一致性方法的核心问题、采样投票机制、实验结果与适用边界，并附原论文在线预览。

用测试集、指标体系、失败样本和回归测试，把 Prompt 管理成可验证、可迭代的 AI 产品资产。

从 Few-shot、分步任务到结构化输出、引用约束与自检，提升复杂 AI 任务的稳定性与可评估性。

汇集通用 Prompt、知识问答、Agent 工具调用与任务执行等可复用提示词模板和示例。

从角色、背景、任务到约束与异常处理，建立可复用、可评估的产品化 Prompt 基础结构。

复盘 AI、Token、Transformer、幻觉、Embedding 与多模态能力，检验 AI 产品判断的基础框架。

从产品经理视角理解文本、图像、语音与视频等多模态能力，建立业务落地与风险控制的判断框架。

用产品经理视角理解 Embedding、向量检索与 RAG 链路，并掌握语义检索的设计要点与风险边界。

从概率生成、训练数据、上下文与产品机制理解大模型幻觉，并设计引用、拒答、校验和人工兜底。

用产品经理能理解的方式解释 Transformer、自注意力与上下文关系，并将模型能力边界转化为产品判断。

从 Token、上下文与模型调用出发，建立 AI 产品可计算、可监控、可优化的成本意识。

从业务任务、质量要求、成本边界、延迟、合规与工程可用性出发，建立大模型选型的判断框架。

面向产品经理的 AI 能力分层与学习路线，帮助判断规则、机器学习、大模型、RAG 与 Agent 分别适合解决什么问题。