最近看到一个关于"AI 产品经理自学路线"的分享，感触挺深。作者把六个月的学习路径拆成四个阶段，每个月该干什么、用什么工具、产出什么，全写清楚了。但真正戳到我的不是路线图本身，而是文章开头那句话：

最近问得最多的问题，不是"这个工具怎么用"，是"我到底该怎么开始学AI"。

这句话太真实了。每次在群里看到有人问"AI 时代普通人该学什么"，下面总有人回复"去看吴恩达的课""先学 Python""买我的课程"。好像学习这件事，第一步永远是交钱。

但那个作者说得好——新手最容易犯的错，是一上来就买课。

先"泡"进去，比什么都重要

第一个月的建议是：别急着学，先"泡"进去。深度使用至少 10 款 AI 原生产品，GPT、Claude、DeepSeek、Kimi、豆包、通义千问，全都试一遍。带脑子用，像一个 PM 做竞品分析那样用。

这个建议听起来一点都不"技术"，但可能是最有效的。因为 AI 领域的认知差，本质上不是技术差，而是体感差。你用过的产品越多，就越能分辨什么是真需求、什么是伪需求；什么是 AI 能做的、什么是 AI 做不了的。

这种判断力，不是看课能看出来的。是用手"弄脏"换来的。

从"会用"到"会驾驭"

第二、三个月学两样硬技能：Prompt 工程和 RAG。别觉得学 Prompt 是在"学写提示词"，这是在学"用结构化的语言控制输出"。

一个好 Prompt 不是"帮我写个方案"，而是角色+任务+约束+格式+示例。能从一句话需求变成一套可复用的指令模板，这本身就是产品能力。

RAG 也是同理。拆开就是"检索+生成"——先搜到相关资料，再让模型基于资料回答，不瞎编。用 Dify 或 FastGPT 搭一个知识库问答系统，你会理解文档怎么切片、检索策略怎么调、模型回答不准的时候是知识库的问题还是 Prompt 的问题。

这两个月，是从"会用 AI"到"会驾驭 AI"的转折点。

做出一个真正的 Agent

第四到六个月，目标很明确：用 Dify 或 Coze，选一个真实的业务场景，从零到一做出一个可跑通的 AI Agent。

什么叫 Agent？不是一问一答的聊天机器人，是能自己拆任务、调用工具、多步执行的智能体。你告诉它"帮我做个竞品分析报告"，它会自动搜索信息、对比功能、整理成文档——中间不用你插手。

这个过程你会发现很多 PRD 里永远想不到的问题：模型在某一步突然不知道怎么选了、检索到的文档不对、同一个问题连续问三次答案在漂移。每一个问题都在逼你思考——AI 的能力边界到底在哪、用户出错的时候怎么兜底。

能做出来的，不管多粗糙，你已经不是传统 PM 了。

核心不是"学技术"，是"建判断力"

整篇路线图最核心的一句话是：AI PM 不是工程师。你不需要会训练模型，但你必须知道模型能干什么、不能干什么、用在哪、怎么衡量好坏。

这六个月的核心不是"学技术"，是"建判断力"。每一次动手搭东西、每次翻车后改配置、每次跑通后看数据——都是在建这种判断力。

我觉得这个思路放在任何 AI 学习者身上都适用。不要一上来就背概念、学框架、记术语。先用手，再用脑。先建立体感，再补充理论。先做出一个能跑的东西，再想怎么优化它。

动手比什么都重要。