学习计划
1. 先补「AI 产品技术基础」：2 周
目标：面试时能讲清楚 AI 产品怎么从用户问题变成技术方案。
必须学：
- LLM 基础：Token、上下文窗口、幻觉、温度、系统提示、few-shot、函数调用
- Prompt Engineering：角色设定、结构化输出、约束、反例、评测样例
- AI Agent 基础：工具调用、记忆、任务拆解、工作流、失败兜底
- RAG 基础：文档切片、Embedding、向量库、召回、重排、引用来源
为什么先学这个：你简历里已经写了 AI Agent 辅助 PRD、AI Chat 竞品、文档处理、联网搜索、Suggested Prompts、深度专家场景，这些都需要你能解释背后的技术逻辑。 OpenAI 官方也把 function calling 定义为让模型连接外部工具和系统，用于取数据、执行动作和构建工作流；Structured Outputs 用 JSON Schema 约束模型输出，更适合产品经理理解“AI 能不能稳定交付结构化结果”。
产出物：
做一份《RealBot AI Chat 技术方案拆解》：包括 Prompt、RAG、联网搜索、文件解析、工具调用、订阅转化点、异常兜底。
2. 再学「数据分析 + 增长变现」：3 周
目标：你要从“会写 PRD”升级成“知道功能怎么影响留存、转化和收入”。
必须学：
- SQL：SELECT、JOIN、GROUP BY、窗口函数
- 产品指标：DAU、WAU、留存、转化率、漏斗、ARPU、ARPPU、LTV
- IAA 指标：展示率、填充率、eCPM、ARPDAU、广告展示节点、广告频控
- 工具：Excel / Google Sheets、SQL、Looker Studio 或 Metabase 基础
- 埋点设计：事件名、属性、触发时机、漏斗路径
为什么第二步学：你的简历明确写了海外 App IAA 变现、AdMob、eCPM、LTV、广告展示节点。如果你只会写广告节点，不会算收入和留存，竞争力会断层。 Google AdMob 官方把 LTV 定义为用户安装后累计产生的收入，包括广告、内购和订阅收入；这正好对应你 AI Chat + IAA/订阅策略的方向。
产出物：
做一张《AI Chat IAA 变现指标看板设计》：
首页进入率 → 首次对话率 → 广告展示率 → 广告点击率 → 订阅页曝光 → 订阅转化 → D1/D7 留存 → LTV。
3. 第三学「API + 后端接口理解」：3 周
目标：不用成为后端，但要能和研发沟通接口、数据结构、异常状态。
必须学：
- HTTP：GET / POST / PUT / DELETE
- JSON：请求参数、返回字段、错误码
- REST API：接口文档怎么看、怎么写
- Postman / Apifox：接口测试
- 基础后端概念：鉴权、限流、异步任务、日志、超时、重试
- 数据库基础：用户表、会话表、消息表、订阅表、广告事件表
为什么第三步学：你已经有软件工程背景和测试验收经历，学 API 会很快；这会让你的 PRD 从“页面描述”变成“研发可落地需求”。你的简历里有 Scan 异常、隐私政策跳转、基础功能测试和发版资料补全，这类问题都需要接口和状态机意识。
产出物：
写一份《AI Chat 文件上传功能 PRD》：
上传文件 → 解析 → 切片 → 向量化 → 检索 → 回答 → 引用来源 → 失败提示 → 会员限制。
4. 第四学「AI 原型开发」：4 周
目标：你不需要做完整工程，但要能做 Demo，让面试官相信你能把想法变成可体验产品。
建议技术栈：
- 前端：React 或 Vue，二选一；优先 React
- UI：Tailwind CSS
- 原型工具：Figma / 蓝湖 / Axure，保留你现在已有优势
- 低代码演示：Cursor + React + OpenAI API / Gemini API
- AI 应用框架：LangChain 基础即可，不要深挖
- 矢量库：Chroma / Supabase Vector / Pinecone，简介原看可以
为什么第四步学：你的简历已有 TechKids Demo、PRD、页面结构和迭代计划；下一步应该补“可交互 Demo”。LangChain 官方文档把 RAG 解释为通过检索外部知识弥补 LLM 上下文有限、训练知识静态的问题，这正好适合你简历中的文档处理、联网搜索、AI 教育和 AI Chat 场景。
产出物：
做一个小 Demo：
《TechKids AI Lab》或《RealBot 文档问答助手》
包含：登录页、聊天页、上传文件、Suggested Prompts、回答引用、订阅弹窗、广告位模拟。
你的技术栈优先级
| 优先级 | 技术栈 | 学到什么程度 |
|---|---|---|
| P0 | LLM / 提示 / 代理 / RAG | 能画流程图、写 PRD、讲清楚限制和兜底 |
| P0 | SQL + 产品指标 | 能自己查留存、转化、LTV、广告收入 |
| P0 | API/JSON/Postman | 能读接口文档、测接口、定义错误码 |
| P1 | React + Tailwind | 能做简单 AI Demo，不追求工程质量 |
| P1 | 埋点与数据看板 | 能设计事件、漏斗、指标看板 |
| P1 | AdMob / IAA / 订阅转化 | 能讲商业化策略和广告节点 |
| P2 | Python | 会调 API、处理 CSV、做简单脚本即可 |
| 不建议优先 | 深度学习训练、PyTorch、CUDA、论文复现 | 对 AI 产品经理求职性价比低 |
12 周学习顺序
第 1-2 周：LLM + Prompt + Agent
产出：《AI Chat 功能技术拆解图》
第 3-5 周：SQL + 数据分析 + IAA 指标
产出：《RealBot 留存/变现指标体系》
第 6-8 周：API + Postman + 数据库表结构
产出：《文档问答功能 PRD + 接口字段说明》
第 9-12 周：React + Tailwind + AI Demo
产出：《RealBot / TechKids 可交互 Demo》