AI PM 的价值在于填补模型能力与用户价值之间的落差¶
模型能力不是产品价值。模型可以生成、检索、规划、调用工具，但用户购买和留存的不是这些能力本身，而是任务更快、更准、更省心地完成。
AI PM 的工作空间正是在两者之间：
为什么会有落差¶
模型能力通常以 benchmark、参数、上下文窗口、模态、成本和延迟来描述。但用户任务关心的是另一套问题：
- 我能不能完成目标；
- 错了能不能发现；
- 结果能不能修改；
- 来源能不能核查；
- 风险能不能兜底；
- 成本和等待是否值得。
如果中间缺少产品机制，强模型也可能变成不可控的黑盒体验。
AI PM 要设计的是“可控的不确定性”¶
概率性系统无法被设计成完全确定，但可以被设计成可控：
- 用引用和证据降低不可核查性；
- 用拒答和澄清降低过度生成；
- 用人工确认降低高风险动作；
- 用反馈和评估集驱动持续改进；
- 用成本和延迟预算约束体验边界。
因此，AI PM 的价值不是“懂一些模型名词”，而是能判断哪些不确定性可以接受，哪些必须通过产品机制压住。
对面试和作品集的含义¶
讲 AI 项目时，不要只说“我用了大模型 / RAG / Agent”。更强的表达是：
- 原任务有什么不确定性；
- 选择了什么 AI 能力；
- 设计了什么控制机制；
- 用什么指标证明有效；
- 失败时如何恢复和迭代。
这也是本知识库项目的核心叙事：它不是把资料交给一个 RAG Bot，而是先建立可追溯、可维护、可验证的知识事实源，再让 Agent 调用它。