感觉蛮有收获的，记了些笔记

AI产品经理和产品经理的核心区别：AI产品需要对技术有更深入的了解

是不是一定要读论文: 看个人背景，如果已经有一些技术知识积累，可以更多考虑关注用户和市场

AI产品经理分类：
1. 最底层，负责给模型供数，例如scale.ai，专门负责非结构化数据的清洗分类
2. 负责评估模型效果怎么样？用各种问题去测模型的上下限在哪儿，跟上次模型相比怎么样？
3. AI native产品经理，纯AI产品
4. 在原有产品上增加AI功能

AI产品经理困境：
1. 外界可能会质疑，AI产品主要靠模型，那产品经理是否只负责雕花？
目前模型能力还不够强，AI产品经理“雕花”的工作，目的不只是弥补AI产品技术上的不足，还要深入理解用户到底想要什么，即针对性的引导AI产品的提升方向，同时考虑交互是不是够顺、完整user flow能否整合更多AI能力等问题。
2. 有不少dirty work
举例，在引用comfyui调stable diffusion时，调参需要一点一点调整。一张图跑好了也还不够，需要成百上千的图大批量操作都比较稳定了。现在也缺乏自动化工具，需要手工一点点调整。
3. 用户不理解AI是概率生成
用户可能会不理解，AI的结果是模型预测的，从而只要有一次使用产品的结果不符合预期，用户就可能觉得产品不行。
4. 可能做的所有“雕花”，模型能力突然在某次迭代中变强了，也就不再需要了。

好的候选人画像：在工作，或者业余生活中，出于兴趣用AI解决了某个问题的

视觉大模型和语言大模型产品经理差异：由于背后的技术路线diffusion和transformer不相同，可能怎么调教模型、应用模型思路可相通，但总体这两类AI产品经理不太相关

还有很多面试常问问题，以及追寻兴趣实操的具体案例，感兴趣的朋友可以听下