看到即刻上了置顶功能，就借机发篇自我介绍吧：
申悦，12年产品经验，前360产品总监、36氪产品负责人。常年发表对产品、内容行业、职场发展的观察和思考。公众号：互联网悦读笔记【关注领取七百余篇原创产品思考，与我深度交流】

如何设计AI Agent之间的对话？
最近负责的AI产品中，需要设计Agent和Agent之间对话的场景，用来营造一个活跃的群聊氛围。也顺便总结了实现该需求的产品策略。
核心逻辑是：通过调整Agent对彼此之间的记忆，来生成它们的对话。
即：当A和B正式对话前，先使用A对B的记忆总结，以及B对A的预期反应，来生成A的第一个话语。
这其中要经历：状态、观察、记忆总结，三个步骤。
举个例子，假设有A、B两个角色。
A的状态是：他今天提前下班回家了。
A的观察是：他看到B在家门口花园散步。
A的记忆总结是：
1）B是A的儿子
2）B正在为他的音乐课制作一部音乐作品
3）B喜欢在思考的时候在门口花园散步
4）A想要询问B关于他的音乐作品的进展
这时候A发起的第一句对话应该是：“Hi B，你的音乐作品课题进行得怎么样了？”
从B的角度看，A的对话，是他可能想要做出反应的事件。
B会检索并总结他与A的关系记忆，以及他可能与A在对话中最后一句有关的记忆。所以接下来，B会我们使用B的总结记忆和当前的对话历史，生成B的话语。逻辑如下：
B的状态是：他正在家门口花园散步。
B的观察是：A正在和B发起对话。
B的记忆总结是：
1）A是B的父亲
2）A很关心B，并且对B在学校的表现感兴趣
3）A知道B正在制作一部音乐作品
这时候B的回复可以是：“Hey 老爸，进展还挺顺利的。我一直在花园散步来清理思绪，找找灵感。”
总的来讲，就是在数据库中相互抽取彼此的记忆，并根据当前状态开启对话。在对话前，就要对可能的结果有预期。

远离说这句话的产品经理。
同样身为产品经理，在日常工作时，最讨厌听产品经理说的一句话，就是：“我说的就是这个意思”。
当需求不明确，研发找产品沟通确认，搞明白后，就很容易听到这句话，背后潜台词是：“我需求说的很明白了，你们为什么还不懂，结果掰扯了半天，不还是我说的那个意思？”
但真把需求描述清楚了，人家怎么会再找你确认？😑

跨行业面试的一些注意事项：
1、跨行业面试，对方更关注的，是你抽象总结的能力，能否把过去经验提炼成通用方法论，是成功关键。
2、陈述个人工作时，务必注意不要夹带你行业专属的“术语、黑话”，会增加对方理解成本，得出“不匹配”的结论。
3、面试官通常会让你介绍过去成功项目经验，可以按：目标-拆解-达成路径-执行策略-结果呈现 5个层面说明，每一步说关键行为和结果数据，务必注意不要过多展开细节，很容易绕晕。
总之就是能以对方可理解的话术讲解你的项目，目标是让隔壁老奶奶也能听得懂😂

99%的产品经理在需求评审时都会踩的坑，你中了几条？
1、争对错。一条需求描述，对错不重要，重要的是逻辑是否清晰、流程是否合理、场景是否考虑全面。千万不要去争一个“我是对的”，否则很容易吵起来导致会议一锅粥。
2、推责任。被质疑合理性时，不要有“需求已经定了、老板就是这么说的”的表达，你是解读者，不是传话人。
3、无主见。基于对实施成本、可扩展性、风险异常处理等角度，评审方会提出多套方案。你要思考哪种解决方案更优，而不是抛给对方给一个最优方案。

分享一个近期设计AI产品的心得：
最近在帮一家出海企业做AI产品顾问，遇到个很有趣的需求：
通过和Agent对话，让Agent保存记忆，形成一定的“人格画像”，下次再和Agent对话时，让它根据最近的对话记忆，给出符合“人格画像”的回答。
实现这个需求，需要经历6步：
第1步：Embedding存储历史聊天记录，
第2步：使用prompt，基于历史聊天记录，生成这段聊天记录的记忆总结描述，Embedding存储。
第3步：离线读取最近100条历史记录的记忆总结描述，使用prompt，给这些记忆总结按重要度打分，计算重要度分值
第4步：离线读取最近100条历史记录的记忆总结描述，使用余弦相似度算法，计算记录间的相似度，计算相似度分值
第5步：离线读取最近100条历史记录的记忆总结描述，按时间倒序，权重依次衰减，计算最近时间分值
第6步：三者相加，读取TOP N的历史记录，构建prompt，作为回答用户对话前，Agent输出的背景信息。
本质上就是在用户和Agent对话时，先给Agent输入一段过去对话的主题背景，这个背景要是最近的、重要的、有前后关联关系的一些事件，让Agent基于这个背景，给出更个性化的回答。
一个心得就是：设计Agent对话产品，需要懂得给Agent构建对话条件，通常你看到的对话，都是已经经过“信息提取-信息处理-信息排序”后的结果。从这点看，做大模型产品，和做搜索策略非常像

对7-8年的产品经理，应该具备什么样的能力？
第一是具备定义问题的能力。他应该能通过底层思维，直接想到问题的本质。
第二是具备拆解问题的能力。把问题拆出若干个子问题，每个问题知道配什么资源，在什么阶段达到什么样的分阶段的小目标，然后把它们串起来。
第三是具备推进解决问题的能力。知道拆完了后用什么人，需要什么技能来做这件事，知道怎么保证顺利推进
第四是具备懂人性的能力。能激励团队来高效解决问题。
第五是具备时间、空间和信任度的感知能力。知道解决问题的过程中，资源、时间和信任的上下限在哪儿，知道什么时间点该做什么决策，保证大家在信任共识的前提下把问题解决掉。

产品是固化的运营，运营是动态的产品，这句话很有启发

最近在帮一位高P同学做面试辅导，有一些感慨：
1、当下的大厂招聘，越来越要求行业、岗位、工作方向高度匹配。同样是教育行业，招增长的不会看B端经验；同样是B端，招CRM的不会看做BI的；同样是做策略，招C端的不会看老师端的。这会让小公司负责全链路的产品经理，很难有机会去到大厂。
2、工作到7、8年左右，还能在一线牵头带项目、理需求、推业务的产品经理是非常抢手的，但需要你既能拿结果，又能理逻辑，还可以总结方法论，这一点其实很难。深入业务是好事，但过度深入会陷进去，视角局限。直接表现就是面试时充满行业“黑话”，淡化了底层逻辑。
3、“怎么体现产品工作的价值”，这问题是所有产品经理面试永远的痛点。做增长依赖业务动作，做基建依赖研发资源，做工具依赖需求方使用。产品化的最大价值是提效，但往往这很难客观评估。

突然想到一个观点，AI和行业结合的目标，本质上就是要做到无人化。
其落地的路径有2条。
第1条，是在原有业务链条的基础上做拆分，用AI去做每个环节的无人化，以知识付费为例，有市场、销售、主讲、助教几个环节，那是不是可以逐步用AI让每个环节都无人化。然后再把这些环节串联，让业务闭环无人化。这一点可以类比无人零售店，还是零售店，只是从有人服务变成无人服务。
第2条，是基于AI大模型本身能力，去创造一套和原有不同的，生成式AI驱动的业务服务模式。比如完全由一个AI老师根据不同学员个性化要求做24小时不间断定制服务，按服务量级收费这种。
第1条路确切性更高，但依赖原有路径，可拓展性不强；第2条更难预判但具备颠覆性创新性。
那怎么去找思路呢？如果是无人化方向，可以去看世界上哪里无人化做的好？我觉得日本是个很好的参考标的。

这玩意确实挺好玩的😂 #meme图