AI PM Playbook

Appearance

AI PM 作品集构建指南 ​

一份优秀的 AI PM 作品集是你能力的直接证明。本文档提供作品集的结构框架、内容建议和示例模板，帮助你系统性地展示 AI 产品案例、PRD 作品、评估报告和 Side Project。

目录 ​

为什么需要作品集？ ​

原因说明
求职差异化AI PM 岗位竞争激烈，作品集让你从简历文字中脱颖而出
能力证明展示你从需求发现到产品上线的完整思考过程
沟通工具面试时可以打开作品集逐页讲解，比空谈更有说服力
职业总结定期整理作品集本身就是很好的复盘和成长总结

作品集推荐结构 ​

结构框架 ​

第一部分：个人简介
├── 一句话介绍（你是谁，专注于什么）
├── 核心能力标签（3-5 个）
├── 工作经历时间线
└── 联系方式

第二部分：核心产品案例（2-3 个）
├── 每个案例包含：背景 → 问题 → 方案 → 过程 → 结果 → 反思
└── 附截图/GIF/Demo 链接

第三部分：PRD 作品（1-2 份）
├── 精选最具代表性的 PRD
├── 展示结构、思考深度、技术细节

第四部分：评估报告（1-2 份）
├── 模型评估 / Agent 评估 / A/B 测试报告
└── 展示数据分析和判断能力

第五部分：Side Project（可选）
├── 个人动手做的 AI 项目
├── 表明你的技术理解和动手能力

第六部分：技术写作（可选）
├── 博客 / 公众号 / 知乎文章
└── 展示你的思考深度和表达能力

第七部分：成果数据 + 推荐信（可选）
├── 关键成果指标（数字最好）
└── 前同事/领导推荐

页数与格式建议 ​

  • 总页数：10-20 页 PDF，或 Notion/Astro/个人网站
  • 格式：PDF 最适合投递，个人网站适合社交分享
  • 更新频率：每季度更新一次

模块一：个人简介与能力概览 ​

示例 ​

markdown
### 张三 · AI 产品经理

**一句话**: 专注于 AI Agent 和 RAG 产品，2 年 AI PM 经验

**核心能力**:
- 🧠 LLM 产品设计：RAG、Agent、Chatbot
- ✍️ Prompt Engineering：System Prompt 设计、Chain-of-Thought
- 📊 模型评估：自动化评估 Pipeline、LLM-as-Judge
- 🤝 跨团队协作：算法 + 工程 + 设计 + 业务

**工作经历**:
- 2024-2025 ｜ XX科技 ｜ AI PM
- 2022-2024 ｜ YY公司 ｜ 产品经理（负责推荐系统）

**联系方式**:
- 📧 example@email.com
- 🔗 linkedin.com/in/example
- 🐙 github.com/example

技巧 ​

  • 每个核心能力配一个图标或 emoji，增强视觉识别
  • 能力标签不超过 5 个，聚焦最有竞争力的方向
  • 如果转行做 AI PM，强调 AI 相关的学习和项目经历

模块二：核心产品案例 ​

案例框架（STAR 升级版） ​

### 案例名称：[产品名] — [一句话介绍]

**背景**（Context）
- 产品的定位和目标用户是什么
- 为什么要做这个 AI 功能/产品
- 团队规模和角色

**问题**（Problem）
- 用户的痛点是什么
- 竞品是怎么做的
- 技术上的挑战是什么

**方案**（Solution）
- AI 技术架构（RAG / Fine-tuning / Agent）
- 核心产品决策（为什么要这么设计）
- Prompt 设计思路（如有）
- 评估方案和验收标准

**过程**（Action）
- 需求分析和用户研究过程
- 技术选型的关键讨论和决策
- 迭代过程中的关键调整

**结果**（Result）
- 量化数据：准确率提升、用户留存、成本降低等
- 定性反馈：用户评价、团队复盘结论
- 数据截图/图表

**反思**（Reflection）
- 如果重来一次会怎么做
- 学到了什么
- 后续迭代方向

案例示例（简版） ​

markdown
### 案例：智能客服 Agent — 企业级 7×24 小时 AI 客服

**背景**：公司主营 SaaS 客服系统，需要在原有工单系统上增加 AI 客服功能

**问题**：
- 客户对响应速度要求高（< 10秒），但夜间无人值班
- 客服知识库碎片化，FAQ 更新频繁
- 用户问题多样，需要既能问答也能执行简单操作

**方案**：
- 采用 RAG + Agent 架构
- 设计 System Prompt 包含角色、决策树、安全护栏
- 使用 LangChain 做工具调用（查询订单、修改信息）
- 建立自动评估 Pipeline（BLEU + LLM-as-Judge）

**过程**：
- 前 2 周：梳理 500+ 常见问题和知识库
- 第 3-4 周：Prompt 设计和原型验证
- 第 5-6 周：评估数据集构建和模型选型（GPT-4 vs Claude）
- 第 7-8 周：人工评估和上线

**结果**：
- 首次响应时间从 15 分钟降至 5 秒
- 人工客服转接率降至 25%
- 客户满意度（CSAT）保持在 4.2/5.0
- 月度节省客服成本约 ¥20,000

**反思**：
- 初版对边界情况考虑不足，需要更完善的评估数据集
- 安全护栏的 Prompt 设计需要和法务团队共同参与

模块三：PRD 作品展示 ​

展示要点 ​

  1. 精选 PRD：选择 1-2 份最代表你能力的 PRD
    • 一份标准功能 PRD（展现基本功）
    • 一份 AI 特性 PRD（展现 AI 理解）
  2. 展示结构：
    • 首页：PRD 概览（产品名、版本、作者、日期）
    • 核心内容页：摘录 2-3 个最能体现思考深度的章节
    • 附录：评估标准、验收条件
  3. PRD 推荐结构：
markdown
# PRD：[功能名称]

## 1. 概述
- 产品背景
- 目标用户
- 成功标准（OKR/KPI）

## 2. 需求描述
- 用户故事（User Story）
- 功能流程（流程图）
- 输入/输出规范
- 边界条件和异常处理

## 3. 技术需求
- AI 选型建议（模型、框架）
- 数据需求（训练数据、评估数据）
- Prompt 初稿（如适用）
- 性能要求（延迟、吞吐量）

## 4. 评估标准
- 评估指标
- 评估数据集
- 验收标准（Pass/Fail 条件）

## 5. 上线计划
- 灰度策略
- 监控指标
- 回滚方案

## 6. 附录
- 竞品分析
- 用户调研摘要
- 风险评估

展示技巧 ​

  • 只展示关键页，不用把 20 页 PRD 全放上
  • 用注释标注你的思考（"这里我为什么这样设计？"）
  • 如果涉及机密信息，做脱敏处理

模块四：模型评估报告 ​

报告结构 ​

markdown
## 模型评估报告：[场景名称]

### 评估目标
- 评估什么（模型输出质量？回答准确率？）
- 评估场景（客服问答、代码生成、内容总结）
- 使用的模型（GPT-4, Claude 3, 开源模型）

### 评估方法
- 评估数据集：数量、来源、标注方式
- 评估指标：自动化指标 + 人工指标
- 评估流程：评估 Pipeline 图示

### 评估结果
- 总体得分和对比表格
- 分场景/分类别的详细结果
- 关键发现（模型优势、弱点、边界情况）

### 改进建议
- 模型选型建议
- Prompt 优化方向
- 需要补充的数据和场景

### 附录
- 评估 Dataset 样例
- 评估 Prompt 模板
- 人工评估标注规范

评估报告示例（简版） ​

markdown
## RAG 问答系统模型评估报告

### 评估目标
对比 GPT-4 和 Claude 3 在内部知识库问答场景的表现

### 评估数据集
- 100 对 Q&A，覆盖 5 个产品品类
- 人工标注参考答案（由 3 位领域专家完成）

### 评估指标
- 主要：回答准确率（人工评分 1-5）
- 辅助：回答完整性、引用准确率
- 效率：首 Token 延迟、总响应时间

### 结果
| 指标          | GPT-4    | Claude 3 | 胜出 |
|---------------|----------|----------|------|
| 准确率 (4-5分)| 78%      | 82%      | Claude|
| 完整性        | 4.1/5.0  | 4.3/5.0  | Claude|
| 引用准确率    | 92%      | 95%      | Claude|
| 平均延迟      | 1.2s     | 0.8s     | Claude|
| 单次调用成本  | $0.03    | $0.02    | Claude|

### 关键发现
1. Claude 在中文问答场景表现整体优于 GPT-4
2. GPT-4 在需要多步推理的复杂问题上略优
3. 两者在边界问法（模糊问题）上都有提升空间

### 建议
- 推荐使用 Claude 3 作为主模型
- 对复杂推理问题补充 Few-shot 示例
- 增加约 50 个边界情况到评估数据集

模块五：Side Project ​

Side Project 类型 ​

类型说明推荐方向
RAG 应用用个人知识库搭一个问答系统读书笔记问答、个人文档检索
AI Agent做一个能自动完成任务的 Agent自动邮件回复、个人助手
Prompt 实验系统性地对比和优化 PromptPrompt 模板库、评估报告
数据项目用 AI 做数据分析和可视化智能报表生成、趋势分析
自动化工具用 AI API 写一个效率工具AI 翻译、AI 摘要、AI 会议纪要

Side Project 展示模板 ​

markdown
### 项目：[项目名]

**目标**：我想要解决什么问题？
**技术栈**：用了什么模型、框架、工具？
**我的角色**：PM 视角下我关注了什么？

**过程要点**：
- 产品定位：目标用户和核心需求
- 技术选型：为什么选这个模型/框架
- 迭代过程：从 v1 到 v2 改进了什么

**成果展示**：
- Demo 链接 / 截图 / 视频
- 关键数据和效果

**学到的 PM 启示**：
- 这个项目如何影响了我对 AI 产品的理解

💡 提示：Side Project 不要追求完美。一个能跑但简单的 Demo，比一个半途而废的大项目更有价值。

模块六：技术写作与影响力 ​

建议内容方向 ​

方向示例
产品深度分析分析某 AI 产品的架构和产品决策
评估方法论分享你搭建模型评估体系的经验
Prompt 技巧系统性地介绍某类 Prompt 的最佳实践
竞品分析对比多个 AI 产品的功能和技术方案
行业观察对 AI 行业趋势的分析和预判

展示方式 ​

  • 在作品集中列出 3-5 篇代表作
  • 每篇文章附上链接、阅读量、互动数据
  • 标注写作时间，展示持续输出的能力

模块七：推荐与成果数据 ​

成果数据整理建议 ​

用数字说话，每段经历提取 3-5 个关键成果：

markdown
### 成果亮点
- 🎯 产品上线后用户月活增长 **150%**（3 个月内）
- ⏱ 客服响应时间降低 **95%**（15 分钟 → 30 秒）
- 💰 年度节省运营成本 **¥50 万+**
- 📈 模型准确率提升 **12%**（通过 Prompt 优化）
- 🔄 产品迭代周期从 **4 周缩短至 2 周**（搭建评估 Pipeline）

推荐信/评价 ​

  • 请前领导或同事写一段专业评价
  • 用 LinkedIn 推荐的截图
  • 展示团队合作和领导力的正面反馈

不同场景的作品集策略 ​

场景重点篇幅
求职面试2-3 个核心案例 + 1 份 PRD + 1 份评估报告12-15 页
内部晋升成果数据 + 领导力案例 + 方法论输出8-10 页
社交展示个人网站 + Side Project + 技术文章无限（在线）
转行入局学习项目 + Side Project + 课程证书10-12 页

工具与模板推荐 ​

作品集制作工具 ​

工具适合特点
Notion在线分享免费、编辑方便、支持协作
Google Slides / KeynotePDF 投递模板丰富、排版自由
Figma设计感强的作品集像素级控制，但耗时
Astro / Next.js个人网站技术感强，展示 Side Project 方便
LinkedIn社交展示官方 profile + 作品链接

推荐模板 ​

最后一点：作品集是活的文档。每完成一个项目、每个季度结束时，花 30 分钟更新它。让作品集成为你的 AI PM 成长日记。

MIT License

Copyright © 2026 prodthinkpm