R

AI PM 知识图谱框架设计

创建 2026-05-16 更新 2026-05-18 1 条双链 共创

AI PM 知识图谱框架设计

核心命题：构建 AI PM 知识地图的方法不是按学科分块，而是按”决策影响”组织——每个三级知识点必须挂钩到 PM 会面对的具体产品判断。

框架层的两次迭代

第一稿按 Rick 的初始 prompt 给出 5-7 个一级域、每域 3-5 个二级节点的紧凑结构。Rick 在 review 阶段主动撤掉”5-7 域”的数量限制，把”穷举完备”置于”紧凑”之上——这意味着学习路径设计的优先级被显式重排：初学者的全景视野 > 资深用户的导航效率。

第二稿扩展为 8 个一级域、约 48-50 个二级节点：

  • AI 技术基础（ML 核心、LLM 架构、训练/推理、多模态/Agent、RAG）
  • AI 产品方法论（评估、Prompt、AI PRD、人机交互范式、AI 用户研究）
  • AI 安全伦理与治理（对齐产品化、隐私合规、偏见、负责任 AI）
  • 市场格局与商业化（行业、供应商选型、成本定价、GTM）
  • 工程协作与交付（开发流程、MLOps、QA、技术债）
  • 数据思维（数据飞轮、数据资产、数据闭环）
  • AI 组织与流程（团队结构、决策机制、伦理委员会）
  • 用户与社会（用户心智、社会影响、AI literacy）

每个二级节点的三层标注

为对抗”什么都该学一点”的稀释，Rick 要求每个二级节点都打三个标签：

  • 紧迫度（H/M/L）：求职转型前 3 个月内的重要程度
  • 半衰期（短/中/长）：3 个月 / 1 年 / 3 年+
  • 深度要求：概念 / 原理 / 实操 / 精通

这套标注的意义不在标签本身，而在它强迫每个节点都要回答”我现在到底要学到什么程度”。紧迫度 H × 半衰期短的节点（如 Prompt 工程最新范式）和紧迫度 H × 半衰期长的节点（如评估方法论）需要不同的学习投入策略。

三级展开：决策影响而非知识复述

技术基础域展开三级时，Rick 设计的格子结构每个三级知识点都必须填齐：

  1. 非工程师语言的核心机制解释
  2. 对产品决策的具体影响——不是”PM 需要理解”，而是”当你面对 X 决策时，理解这个概念会让你做出不同的判断”
  3. 2025-2026 的关键变化与产品侧含义
  4. 边界说明：PM 理解到哪里就够了，再深入属于工程师领域

这是把”知识图谱”从百科式索引拉回到 PM 实操工具的关键设计。每个知识点都必须能挂出一个具体场景题——例如 KV Cache 的产品含义是”当你的 chat 产品要支持长会话历史，缓存策略直接决定单次响应成本与延迟”。

认知检验：场景题而非知识题

每个二级节点 2-3 个认知检验问题，Rick 明确要求：不是知识复述题，而是产品决策场景题。

你的产品在使用 GPT-4 级模型，用户反馈响应太慢。CTO 提出切换到更小的模型。作为 PM，你需要评估哪些 trade-off？你会要求工程团队提供哪些数据来辅助决策？

这种格式把知识图谱的输出从”我学过了”转换成”我能用”。

2023 前稳定 vs 2024-2025 演变

Rick 要求用视觉标记区分这两类知识——这是对”AI 知识半衰期”的工程化承认：前者构成不变的认知地基（Transformer 注意力机制、Scaling Laws），后者必须接受每季度刷新（Agent 范式、推理模型、长上下文应用）。两类知识的学习策略、资源选择、笔记保留周期都不同。

[!quote] Rick 的关键介入 review 所有的一级和二级节点，分析是否存在遗漏。忽略前一条 prompt 中的数量限制（如 5-7 条 etc）。以全面完善为优先

[!quote] Rick 的关键介入 它对产品决策的具体影响——不是抽象的”PM 需要理解”，而是具体到”当你面对 X 产品决策时，理解这个概念会让你做出不同的判断”，举一个真实或高度合理的决策场景

（Rick 两次主动改写 prompt 约束：第一次撤数量上限以保证完备，第二次把”PM 视角”具体化为决策场景。这两步合在一起，是把学习地图从知识库重塑为决策训练场。）

关联节点