前几天在群里，有个朋友问我：「yang sir 本科不是计算机的，啥时候介绍介绍咋找的ai相关的工作？」
这个问题被问过好多次了，除了群友、大学同学，包括我妈也问过我：你不是学设计的吗？怎么现在做这个工作了？但我一直没认真答过。因为真实答案不太好听：没有规划，全靠折腾，中间还有一段浑浑噩噩不知道自己要干什么的日子。
但我越来越觉得，这种「不太好听」的答案才是大多数人真实的路径。那些「大学就立志做 AI、毕业直接入行」的故事，要么是幸存者偏差，要么是事后包装。
今天这篇就把这件事一次性交代清楚。文末我总结了一个「产品经理做 AI 的四层能力模型」，如果你也站在人生的十字路口，可能这个故事比模型本身更有用。
先放一条时间线，让你有个全局感：
24年1月月薪五千五做 3D 建模，觉得能养老24年4月公司转型，硬着头皮学 Dify 搭智能体24年5月第一个工作流跑通，开始上瘾24年8月用 Cursor 做出第一个 chatbot，但 api 密钥写在源码里25年负责某大学 AI 智能体平台，独立解决 Agent 难题26年初面试 AI 产品经理，拿下 offer
从迷茫到入行，大概两年。没有速成，但也没有想象中那么久。
月薪五千五，觉得能养老
大学学的产品设计，听起来跟互联网沾点边，但其实就是画画。3D 建模、渲染、动画，这些是当时吃饭的技能。
1 月靠着作品集找了份实习，做的工作比较杂——建模、抠图、画地图，主要就是配合老板各种新奇的想法。说不上有什么成长，但每天按时上下班，离家十分钟，实习工资五千，中午自己带饭，觉得能给自己养老了，哈哈。
就这么浑浑噩噩地过着，偶尔半夜躺床上会想：我这辈子就这样了吗？
公司转型
实习 3 个月后，公司决定转型做智能体方向，问我要不要一起转。
犹豫了很久——没写过代码，对 AI 的了解停留在「会用 ChatGPT 聊天」的程度。
一个同事下班路上跟我聊了很多，他帮我打消了顾虑，他说这个智能体方向窗口期目前人还不多，窗口期不会太长，先上手才知道合不合适，不合适再说。
于是我转了。
学会跟 AI 说话
转了之后就开始啃两块硬骨头：提示词和工作流逻辑。
提示词这边，两个人帮了我大忙。一个是小七姐，她在飞书上有一套提示词的资料，让我第一次知道了两件事：结构化提示词和Markdown 语法。
原来提示词不是一句话丢给 AI 就完事了——你可以用 Markdown 语法把需求结构化，AI 的理解能力一下子就上去了。大概长这样：
## Profile:
- [相关描述1]
- [相关描述2]
## Goals:
- [目标1]
- [目标2]
## Constraints:
- [约束条件1]
- [约束条件2]
## Skills:
- [需要的能力1]
- [需要的能力2]
## Workflows:
1. [第一步做什么]
2. [第二步做什么]
## Initialization:
欢迎用户, 并提示用户输入信息
第一次看到这个结构的时候我挺震撼的——原来跟 AI 说话不是随便聊，是可以把角色、目标、约束、流程拆得明明白白的。看完之后我才知道，写提示词不是「试词碰运气」，是「拆流程」。另一个是李继刚老师，在他的网站里跟着也学了不少提示词的思路和写法。
工作流逻辑这边更吃力。Dify 的节点怎么串、参数怎么传、数据怎么从一个节点流到下一个——这些我最开始完全理不清。主要靠两个途径：一是跟同事讨论，他们比我先上手，很多概念是聊出来的；二是在 B 站看考拉的 AI 树屋，当时 Dify 的教学视频还比较少，我跟着视频一步步操作，慢慢搞明白。
Dify 是可视化的低代码平台，对一个完全没有代码经验的人来说，相当于用图形界面学会了编程的基本思维。
第一次自己独立搭通一个完整的智能体工作流，那种成就感到现在都记得。
选对方向
Dify 越做越顺以后，我开始用 Cursor 写真正的代码。第一个「作品」是一个 chatbot——自己在浏览器上跟大模型聊天的时候，那个高兴劲就别提了，哈哈哈，马不停蹄分享给女朋友和同事。虽然一个 html 文件 2000 多行，右键查看源码还能看见我当时的 api 密钥。
那段时间处于探索期，什么都想试。但回头看，这个阶段最容易踩的坑不是不会用工具，而是两件事：
一是选错 AI。当时 Gemini、GPT、Claude 都在用，每个模型擅长的东西不一样。你拿一个不擅长写代码的模型去写代码，调一晚上调不通，问题根本不在你身上，在模型本身。这种学费我交了不少。
怎么建立判断力？没有捷径，就是多用。同一个需求丢给不同模型，看谁的输出质量高、谁理解得更准确。用多了你自然会摸出每个模型的能力边界——哪个写代码稳、哪个理解上下文强、哪个适合做文本处理。跑分排行榜可以参考，但说实话当时我连跑分是什么都不知道，全靠自己用出来的体感。
二是选错方向。这个更致命。如果你不知道什么是对的，很可能在错误的上下文中被 AI 裹挟着越走越远，花了很多时间才发现走偏了。回头的成本比从零开始还高。
所以这个阶段的关键不是「学会多少工具」，而是「有没有判断力」——用什么 AI、走什么方向、什么时候该停下来换条路。判断力不是天生的，是用出来的。多试几个模型、多踩几个坑，慢慢就有感觉了。
连问题叫什么都不知道
chatbot 之后，工作上的项目越来越硬了。给某大学搭建 AI 智能体平台，我负责从外部工具集成到模型调用这一整条链路。
外部工具那边还算顺利。真正把我卡死的是：模型调不了工具。
模型能正常对话，但它就是不会在该调用工具的时候去调用。就好像你给一个人递了一把锤子，他看了看，然后继续用手拧螺丝。
卡了好几天，跟同事讨论也讨论不出来，大家都是第一次碰这个。最崩溃的是我连问题的名字都不知道叫什么——你想搜解决方案，但你不知道该搜什么关键词。
转折发生在一次技术沙龙。方圆每周组织线上技术分享：
当时他主讲 Agent，把Function Calling和ReAct这两条实现工具调用的路线讲得很清楚：Function Calling 是模型原生支持的机制，ReAct 是用提示词「教会」模型先推理再行动的方法——两条路都能让 Agent 调用工具。（方圆如果你看到这篇文章，催你赶紧恢复更新，技术沙龙已经停更好久了哈哈哈）
我们当时用的模型不支持 Function Calling。但知道了 ReAct 这条路之后，方向一下子就清晰了——不依赖模型原生能力，用精心设计的提示词让模型学会「先想清楚再动手」。说白了，模型没有钥匙，那我就教它撬锁。
这件事教会我一个道理：**很多时候你卡住，不是因为问题太难，是因为你不知道问题叫什么名字。**一旦知道了名字，诚心请教别人、找方案，全部打通。
还有就是，**泡社群真的有用。**方圆那次沙龙会议解决了我卡了好几天的问题。很多时候你缺的不是能力，是一个信息差。而社群是消除信息差最快的地方。
从做功能到建系统
工具调用搞通之后，后面的能力是一层一层加上去的。
先是知识库检索——做了 RAG（简单说就是让模型回答问题之前，先去知识库里搜一遍相关内容，带着上下文再回答）。
第一版很粗糙。问个问题，检索出来的内容驴唇不对马嘴，模型拿着错的上下文瞎编，回答质量比不用知识库还差。
我一开始以为是模型的问题，后来才发现是知识库本身没处理好。文档切得太大，检索出来一大坨不相关的内容；切得太小，一句话被拦腰砍断，模型拿到半句话更懵。来来回回试了好多组参数才找到平衡。平台也换过——先试了 RAGFlow，后来发现 Dify 的知识库跟我已有的工作流能直接打通，就切过去了。
没什么捷径，就是改一个地方、跑一轮测试、看效果、再改，去 b 站学点别人的技巧和经验。
后来又加了图片识别、视频内容理解等多媒体能力。每加一层新东西，都要考虑怎么跟已有的衔接、出了问题怎么排查、新需求来了怎么塞进去而不把前面的搞崩。
那个平台最终交付的时候，我站在旁边看用户用，心里特别安静——这是我从零搭起来的。
就这样后面连续做了 2、3 个项目，持续到了 25 年底。
这段时间里我养成了一个习惯：遇到不懂的术语就记下来。不管是代码里的、AI 领域的、还是 Agent 相关的——听到一个新词，先记进飞书，再找资料搞清楚它是什么意思、什么场景下用。之前被 Function Calling 和 ReAct 卡住的经历让我意识到，你不知道的名词越多，你被卡住的概率就越大。所以我开始有意识地补这些盲区，把项目里踩过的坑、学到的概念都整理成笔记，慢慢积累成了自己的知识库。
面试那天
25年底去面试 AI 产品经理。
说实话挺忐忑的。简历上写着产品设计专业，没有一行代码背景，没有计算机学位，我甚至不知道产品经理应该需要什么学位。坐下来之后手心都是汗。
面试官坐下来的第一个问题：「为什么想转行做 AI 产品经理啊？」
我其实愣了一下，一般都会让你做个自我介绍，但是他最开始没这样问。而我，也没有回答「为什么想做」。
我讲的是「我是怎么走上这条路的」。
从实习进入公司开始讲——怎么从 3D 建模转到做智能体，一开始连「变量」是什么都不知道，用 Dify 搭工作流搭到崩溃；后来怎么一点点上手，从会用到知道为什么这么用；做了什么项目——智能教材 RAG 系统怎么搭的、教学智能体平台怎么设计的、遇到过什么问题、怎么排查、怎么解决的；再到后来自己用 Claude Code 做出了好几个完整的产品。
没有包装，没有术语轰炸，就是把真实路径从头到尾一气呵成的摆出来。
讲完之后面试官沉默了几秒。我以为讲砸了。
他说：「你没有回答我的问题，但你回答了一个更好的问题，你觉得你比传统 PM 的优势在哪？」
我想了几秒钟说：「我能跟前后端无缝对话。传统产品经理提需求，经常说不到点上，工程师得猜你到底想要什么。但我做过智能体、调过 RAG、排过 Function Calling 的坑——我知道他们在说什么，也能用他们听得懂的方式把需求定义清楚。」
后面又聊了一些项目经验、技术术语之类面试常问的，因为这两年确实做过东西、踩过坑，该知道的基本都能接上。
拿下了。
产品经理做 AI 的四层能力
回头看这两年走过的路，刚好对应四个阶段：
-
会描述需求
学会结构化提示词和 Markdown 语法，把"随便聊"变成"拆需求"。找靠谱的资料跟着学（小七姐、李继刚），别自己瞎摸。
-
会选方向
多用不同的 AI，用出每个模型的能力边界。跑分可以参考，但体感比跑分重要。选错方向比不会用更致命。
-
会排查问题
先明确具体的问题，剩下的就好办了。泡社群、参加技术沙龙，一个信息差可能省你好几天。遇到新名词就记下来，积累成自己的知识库。
-
会建系统
一层一层加能力，每层都要考虑跟前面的衔接。没有一步到位的方案，改一个地方、测一轮、再改。形成系统思维就是在这个时代积累优势。
你得知道自己在哪儿，才知道下一步往哪儿使劲。
写在最后
很多人纠结转行，纠结的都是「为什么」——动机够不够强、理由够不够充分、我是不是太晚了。
如果你也在犹豫，我没必要跟你说「加油」或者「相信自己」。
我想说的是：**你不需要一个完美的理由才能开始。**找个低代码平台搭个工作流也好，用 Cursor 写个小工具也好，做了第一个东西之后你就知道自己行不行、喜不喜欢。
还有就是，找一个愿意带你的人。我很幸运遇到了那位同事，但如果身边没有，就去社群里厚着脸皮问。大部分人都愿意帮一个真心想学的新人。如果你也在转型路上，欢迎来找我私聊，加群学习等，能帮的我一定帮。
---
下一篇聊聊入职之后的事。真正上手 AI 产品经理，才发现和自己折腾完全是两回事。后面我会分三条线聊：
1. 公司里做的项目
2. 自己用 AI 编程做的产品，网站。
3. 社群朋友搞的一些小东西，可以先在群友墙看下。
群友墙地址：
感兴趣的可以先关注，别错过。
🔗 往期推荐：
飞书社群开源知识库：my.feishu.cn/wiki/PFJswU…
今天的文章就到这里啦，如果觉得不错，可以点个赞、在看、转发，三连支持我～
扫描下方图片中我的微信二维码备注"进群"，拉你进社群一起交流学习！
