南淮说书人: 最近在带零经验的实习生，倒逼我把之前 “感觉对”但死活说不清的那些经验得说清楚。 第一个最直观的感受：以前产品行业卷 product sense，现在大家张口闭口聊大模型产品经理要有 taste。一开始我还觉得挺虚的，整这些玄乎的词干嘛。但其实 taste 根本不是什么玄学，是实打实的硬功夫，核心就是你能不能把 “这个回答好不好”的模糊直觉，拆成一套能反复用的评估标准。天天泡在模型优化和实验指标里，反而比专职做模型评估的产品更能快速摸透“这模型到底好不好用”。 OpenAI 天天在强调写 eval，Anthropic 面试直接让候选人上手改 prompt，本质都是同一件事：把个人直觉变成可复用的标准。 而判断力这东西，真的是靠堆量慢慢磨出来的。每周高强度看实验，拆指标，对比 case，久了自然就能分清楚：哪些是指标涨了但体验一点没改善的虚假繁荣，哪些评测分没动但用户就是更喜欢了，还有哪些模型数理能力提上去了，但给人的感觉反而更疏远了。 最后是带新人之后最实在的感悟：对于零经验的新人，真的不存在 “先做好传统 PM 再转行 AI”这条过渡路径。写 eval，看case，摸透模型的行为逻辑，抓准用户的真实偏好，这些才是核心功夫。甚至反过来讲，PRD，画原型这些PM传统技能在大模型时代反而是最没门槛的事。生产力爆炸之后，真正稀缺的就只剩下品味。 给没经验新人的建议也特别简单，刷一刷 Karpathy 的 YouTube，看看 Andrew Ng 的入门课把基础框架搭起来，剩下的就是等看过足够多真实模型的输出，做过很多次对比分析后，慢慢沉淀下来的那点东西，大概就是大家说烂了的 taste。