聚焦一个业务领域，分析用户需求场景，并针对不同场景，设计不同的业务流程 —— 这是互联网产品经理非常经典的一套产品方法论。

但结合我近期在 AI 工作中的实践经验，以及此前在 《Reading Notes #01｜AI 产品范式》 中的记录，我越来越明确地感受到：

传统产品方法论，正在 AI 场景上失效。

以 AI Chat 为例，它本质上是一个高度泛化的问题。
我们不可能通过穷举所有需求场景和业务流程的方式，来把它设计完整。

那么，面对这样的问题，我们该如何真正解决用户需求，并进一步实现业务转化？

我目前更倾向于以下两个方向：

1. 模型对齐

简而言之，就是让通用大模型逐步对齐某个特定业务领域下的能力要求，从而具备产生实际业务价值的可能。

但这条路径高度依赖数据质量，以及模型的 mid-training / post-training 能力建设，包括但不限于：

  • 监督微调（SFT）
  • 直接偏好优化（DPO）
  • 基于人类反馈的强化学习（RLHF）
  • 继续预训练（CPT）

2. Agent

设计一个 Agent，和设计淘宝、美团、微信这类经典互联网产品，并不是同一个思路。

在这个过程中，产品经理需要参与设计的，不再只是需求流程和页面交互，而是像 Eval、Skill，以及 Harness Engineering 这样的新型 AI 产品要素。