AIPM课程第二天（2026-05-04），信息密度最大的一天，覆盖了AI产品经理日常工作的几乎所有核心模块。来源：raw/AIPM/学习笔记/Day2/（含约70张图片）。
授课结构
| 主题 | 对应概念页 |
|---|---|
| AI产研团队 vs 传统产研对比 | → 传统互联网产研团队和AI产研团队构成 |
| AI产品研发全流程（8泳道） | → AI产品研发全流程 |
| POC四步法与MVP验证 | → POC验证、MVP验证 |
| 六大核心模块速览 | → 模型选型五维度、数据准备五环节、提示词设计五要素、Agent五要素技术定义、效果评测体系、AI工程集成 |
| 需求分析与Y模型 | → 需求分析与Y模型（深度挖掘）、需求采集四象限（怎么收）、需求优先级排序（怎么排） |
| 灰度发布 | → 灰度发布 |
| 模型服务商生态 | → 云厂商与AI基础设施 |
串联逻辑
先搭"人"的框架（AI产研团队怎么组），再搭"事"的框架（全流程怎么走），然后在流程中逐个展开核心节点（POC/MVP → 模型选型 → 数据 → Prompt → Agent → 评测 → 工程集成）。下午补需求分析方法论和灰度发布。整天主线是AI产品从0到1的完整链路。
课堂笔记要点（独有洞察）
- AI产研的核心命题：如何在"模型输出的不确定性"下做出确定性的产品
- 互联网产研管"需求的不确定性"，AI产研多管一层"模型输出的不确定性"
- POC阶段"三大坑"：标准越高越好、只定效果不定成本速度、标准定得模糊
- POC失败时先看错在哪——错误样本才是金矿
- 最常见的坑："POC通过但MVP失败"——技术能做 ≠ 用户想要
- 需求分析核心技巧：问"故事"而不是"答案"（攀梯术）
- AI产品对灰度的依赖比传统产品高10倍
相关页面
→ AIPM课程 Day1 → AIPM课程 Day3 → 传统互联网产研团队和AI产研团队构成 → AI产品研发全流程 → POC验证 → MVP验证 → 模型选型五维度 → 数据准备五环节 → 提示词设计五要素 → Agent五要素技术定义 → 效果评测体系 → AI工程集成 → POC验证操作指南 → 模型选型报告操作指南 → 调查问卷操作指南 → 需求分析与Y模型 → 需求采集四象限 → 需求优先级排序 → 灰度发布