AI 产品经理学习路线与计划
金融 PM 转型版 · 4 个月 · 18 周 · 工作日晚 + 周末半天
学习进度
0 / 15 项已完成
背景：已有金融行业产品经理经验，跳过传统 PM 基础内容
时间条件：工作日晚 8 点后（~2h/天）+ 周六半天（~4h）+ 周日休息
每周可用：约 14-15 小时 | 总周期：约 4 个月（18 周）
一、核心理念
作为已有经验的金融产品经理，你的核心优势是：懂业务、懂用户、懂合规、能推动落地。转型 AI PM 不是从零开始，而是在已有产品能力上叠加 AI 技术理解和 AI 产品设计方法。
🚫 避免这些误区
- 以为会用 ChatGPT 调几个 Prompt 就是 AI PM 了
- 一上来死磕算法和源码（AI PM 不是算法工程师）
- 只看课程不动手做项目（光看理论等于白学）
- 忽视金融行业的合规和风控要求（这是你的差异化优势）
✅ 真正需要补齐的
懂大模型能力边界 · 懂 Prompt/RAG/Agent 设计 · 懂 AI 产品评估方法 · 能找到 AI 与金融业务的结合点
二、AI 产品经理能力模型（金融方向）
✅ 已有能力（无需重复学习）
- 产品设计全流程、PRD 撰写、需求拆解
- 用户研究、竞品分析、项目管理
- 数据分析基础、跨团队协作、商业化思维
以下是需要重点补齐的 AI 专项能力：
🧠 AI 技术理解力
- 大模型（LLM）基础原理：Transformer、Token、上下文窗口
- Prompt 工程：结构化设计、Few-shot、CoT、调优评估
- RAG 与向量数据库：检索增强生成完整链路
- Agent 与工作流：规划、工具调用、记忆、多步推理
- 多模态能力：文生图、文档理解、语音交互
- 模型评估：准确率、召回率、幻觉率、延迟、成本
- 微调与定制：SFT、LoRA 的适用场景和边界
- AI 能力边界：什么场景适合 AI，什么不适合
🎨 AI 产品设计力
- AI 对话产品设计：多轮对话、意图识别、兜底策略
- 知识库/RAG 产品设计：文档切分、检索优化、答案溯源
- Agent/工作流产品设计：节点编排、条件分支、人工介入
- 降低幻觉的产品策略：置信度、引用溯源、人机协同
- AI 功能效果评估体系：离线评估 + 在线 A/B 测试
- AI 产品数据飞轮：用户反馈 → 数据沉淀 → 模型优化
🛠️ AI 工具与工程力
- Coze / Dify：无代码搭建 AI 应用和 Agent
- LangChain / Flowise：理解 AI 应用开发框架
- OpenAI / Claude API：参数、Function Calling、流式输出
- Cursor / GitHub Copilot：用 AI 辅助编程做 Demo
- 向量数据库：Pinecone、Milvus、Chroma 概念理解
🏦 金融 AI 应用力
- 金融场景落地：智能投顾、智能客服、风控、合规审查、研报分析
- 金融 AI 合规：数据安全、隐私保护、可解释性、审计追溯
- 金融大模型：FinGPT、BloombergGPT 等垂直模型
- 金融文档智能：合同审查、招股书分析、公告解读
- 金融数据特性：高准确性要求、低容错、强监管
三、工具与资源清单（AI 专项）
AI 工具栈
| 类别 | 工具 | 学习重点 |
|---|---|---|
| AI 对话 | ChatGPT / Claude / Gemini | Prompt 设计、任务拆解、复杂指令优化 |
| AI 应用搭建 | Coze / Dify | Bot 搭建、工作流编排、知识库接入、插件开发 |
| 开发框架 | LangChain / Flowise / LlamaIndex | Chain、Agent、RAG 链路理解 |
| API 调用 | OpenAI API / Claude API | 参数调优、Function Calling、流式输出 |
| AI 编程 | Cursor / GitHub Copilot | 快速搭建 Demo、读懂代码逻辑 |
| 向量数据库 | Pinecone / Milvus / Chroma | 嵌入、检索、相似度匹配概念 |
| AI 绘图 | Midjourney / DALL-E / Stable Diffusion | 多模态能力了解 |
| AI 笔记 | Notion AI / 飞书智能伙伴 | AI 辅助文档与知识管理 |
| 模型评测 | PromptFoo / LangSmith | Prompt 版本管理、效果评估 |
学习资源
- AI 技术入门：吴恩达《AI for Everyone》、李宏毅 ML 课程、3Blue1Brown
- Prompt 工程：OpenAI Prompt Engineering Guide、Learn Prompting
- RAG/Agent：LangChain 官方文档、LlamaIndex 文档、Coze/Dify 官方教程
- 金融 AI：FinGPT 项目、BloombergGPT 论文、各大券商 AI 研报
- 行业资讯：机器之心、量子位、AI 产品经理社区、WaytoAGI
- 社区：小红书/B站 AI PM 博主、即刻 AI 产品圈、GitHub 开源项目
- 书籍：《AI 产品经理实战》《Prompt Engineering for Generative AI》
四、金融方向实战项目（选 2-3 个深入）
- 金融智能客服 Agent
多轮对话 + 产品知识库 + 业务办理 + 人工转接 - 金融研报/公告知识库（RAG）
文档解析 + 智能问答 + 引用溯源 + 数据提取 - 智能合规审查助手
合同/公告审查 + 风险点识别 + 修改建议 + 审计记录 - AI 投研助手
数据聚合 + 多源分析 + 研报生成 + 可视化 - 金融文档智能处理工作流
多文档解析 + 信息抽取 + 自动填报表单 - 智能投顾对话产品
风险测评 + 资产配置建议 + 市场解读（合规边界重点） - AI 风控辅助决策
异常交易识别 + 风险提示 + 人工审核流程 - 金融数据分析 Agent
自然语言查数据 + 自动生成分析报告 + 图表
五、个人学习计划
学习方法：工作日每天 2h（1h 学 AI 技术 + 1h 动手实验）；周六半天 4h（项目实战/深度复盘）；周日休息
金融视角：每学一个 AI 技术点，思考它在金融场景的应用和合规约束
输出导向：每完成一个模块，必须有实际产出（Demo/Prompt 库/分析报告）
第一个月 建立 AI 认知，掌握 Prompt 与 AI 工具
🎯 目标：理解大模型原理，熟练掌握 Prompt 工程，能用 Coze/Dify 搭建 AI 应用
第 1 周：AI 行业与大模型基础
| 日期 | 学习内容 | 实践产出 |
|---|---|---|
| 周一 20:00-22:00 | AI 行业全景：大模型发展历程、GPT/Claude/国产模型格局 | 整理主流大模型对比表 |
| 周二 20:00-22:00 | LLM 基础原理：Transformer、Token、上下文窗口、训练 vs 推理 | 用自己的话写技术概念笔记 |
| 周三 20:00-22:00 | AI 产品形态：Chatbot、Agent、工作流、RAG、AI 搜索、Copilot | 列出 10 个 AI 产品并按形态分类 |
| 周四 20:00-22:00 | AIGC 核心概念：Prompt、RAG、Agent、多模态、Function Calling | 画出概念关系图 |
| 周五 20:00-22:00 | AI 能力边界：擅长什么、不擅长什么、幻觉问题、成本与延迟 | 整理"AI 能做/不能做"清单 |
| 周六（半天 4h） | 本周复盘 + 深度体验 5 个 AI 产品（含 1 个金融类） | 输出 1 篇 AI 产品体验分析 |
| 周日 | 休息 / 可选轻量浏览 AI 资讯 | 放松充电 |
第 2 周：Prompt 工程系统训练
| 日期 | 学习内容 | 实践产出 |
|---|---|---|
| 周一 20:00-22:00 | Prompt 核心原则：明确指令、上下文、输出格式、约束条件 | 总结自己的 Prompt 结构化模板 |
| 周二 20:00-22:00 | 角色设定 + Few-shot：让模型扮演专业角色、提供示例 | 练习 10 个金融场景 Prompt |
| 周三 20:00-22:00 | Chain of Thought / ReAct：思维链、分步推理 | 对比 CoT 前后在复杂分析任务上的效果 |
| 周四 20:00-22:00 | Prompt 调优与迭代：诊断坏输出、系统性优化 | 对同一金融任务迭代 5 版 Prompt |
| 周五 20:00-22:00 | 复杂任务拆解：多步骤 Prompt 链、Prompt Chaining | 设计 1 个金融分析任务的多步 Prompt 链 |
| 周六（半天 4h） | 本周复盘 + 建立个人 Prompt 库 | 整理 30+ 条结构化 Prompt，按场景分类 |
| 周日 | 休息 / 可选轻量浏览 AI 资讯 | 放松充电 |
第 3 周：AI 应用搭建工具实战
| 日期 | 学习内容 | 实践产出 |
|---|---|---|
| 周一 20:00-22:00 | Coze 深入：Bot 创建、人设与回复逻辑、插件使用 | 在 Coze 上创建 1 个金融问答 Bot |
| 周二 20:00-22:00 | Coze 工作流：节点编排、变量传递、条件分支、循环 | 搭建 1 个多步骤工作流（如研报摘要生成） |
| 周三 20:00-22:00 | Dify 深入：应用创建、模型配置、Prompt 编排 | 在 Dify 上创建 1 个 AI 应用 |
| 周四 20:00-22:00 | Dify 知识库：文档上传、分段策略、检索配置 | 导入金融文档搭建知识库并测试问答 |
| 周五 20:00-22:00 | 对比 Coze vs Dify：各自优劣、适用场景 | 输出工具对比分析 |
| 周六（半天 4h） | 本周复盘 + 搭建 1 个完整可用的 AI 工具 | 完成 1 个金融场景 AI 应用 Demo |
| 周日 | 休息 / 可选轻量浏览 AI 资讯 | 放松充电 |
第 4 周：API 理解与 AI 编程入门
| 日期 | 学习内容 | 实践产出 |
|---|---|---|
| 周一 20:00-22:00 | OpenAI / Claude API 基础：API Key、模型选择、参数详解 | 用 API Playground 测试不同参数效果 |
| 周二 20:00-22:00 | API 进阶：Function Calling、结构化输出、流式响应 | 理解 Function Calling 的产品价值 |
| 周三 20:00-22:00 | Cursor 入门：用 AI 辅助写代码、读代码、调试 | 用 Cursor 搭 1 个简单的 API 调用脚本 |
| 周四 20:00-22:00 | LangChain 概念理解：Chain、Model、Prompt、Memory、Tool | 跟着官方教程跑通 1 个基础示例 |
| 周五 20:00-22:00 | AI 产品从 0 到 1 技术链路：前端 → API → 模型 → 数据 | 画出 AI 应用技术架构图 |
| 周六（半天 4h） | 第一个月总结复盘 + 金融 AI 产品调研 | 输出 1 篇金融 AI 产品分析报告 |
| 周日 | 休息 / 可选轻量浏览 AI 资讯 | 放松充电 |
第二个月 深入 AI 产品设计，掌握 RAG 与 Agent
🎯 目标：能独立设计 AI 对话、RAG 知识库、Agent 工作流产品方案
第 5 周：AI 对话产品设计
| 日期 | 学习内容 | 实践产出 |
|---|---|---|
| 周一 20:00-22:00 | 对话系统设计：意图识别、槽位填充、多轮对话状态管理 | 设计 1 个金融客服对话流程图 |
| 周二 20:00-22:00 | 对话体验设计：开场白、引导、兜底、异常处理、人工介入 | 输出对话交互规范文档 |
| 周三 20:00-22:00 | 金融对话特殊要求：合规话术、风险提示、免责声明、敏感词 | 整理金融对话合规 Checklist |
| 周四 20:00-22:00 | 上下文管理策略：短期记忆、长期记忆、会话总结 | 对比不同记忆策略的优劣 |
| 周五 20:00-22:00 | 对话效果评估：意图准确率、任务完成率、用户满意度 | 设计对话产品评估指标体系 |
| 周六（半天 4h） | 本周复盘 + 设计完整金融对话产品方案 | 输出对话产品 PRD（AI 功能部分） |
| 周日 | 休息 / 可选轻量浏览 AI 资讯 | 放松充电 |
第 6 周：RAG 与知识库产品设计
| 日期 | 学习内容 | 实践产出 |
|---|---|---|
| 周一 20:00-22:00 | RAG 全链路：文档加载 → 切分 → 嵌入 → 检索 → 重排 → 生成 | 画出 RAG 完整技术流程图 |
| 周二 20:00-22:00 | 文档切分策略：固定长度、语义切分、结构化切分、表格处理 | 在 Dify 上测试不同切分效果 |
| 周三 20:00-22:00 | 检索优化：混合检索、重排序（Rerank）、查询改写、多路召回 | 整理检索优化方法清单 |
| 周四 20:00-22:00 | RAG 产品设计：答案溯源、引用标注、置信度、"不知道"时的处理 | 设计知识库产品交互方案 |
| 周五 20:00-22:00 | 金融场景 RAG：研报/公告/合同解析难点、表格数据、高精度要求 | 分析金融 RAG 与通用 RAG 的差异 |
| 周六（半天 4h） | 本周复盘 + 搭建金融知识库（研报/基金文档） | 完成 RAG 应用 Demo + 效果测试报告 |
| 周日 | 休息 / 可选轻量浏览 AI 资讯 | 放松充电 |
第 7 周：Agent 与工作流产品设计
| 日期 | 学习内容 | 实践产出 |
|---|---|---|
| 周一 20:00-22:00 | Agent 核心原理：规划（Planning）、工具调用（Tool Use）、记忆（Memory） | 理解 ReAct/Plan-and-Execute 模式 |
| 周二 20:00-22:00 | 工作流产品设计：节点类型、条件分支、并行/串行、异常回退、人工审批 | 设计 1 个金融业务工作流方案 |
| 周三 20:00-22:00 | 多 Agent 协作：角色分工、消息传递、任务编排 | 研究 MetaGPT/AutoGen 的设计思路 |
| 周四 20:00-22:00 | 降低幻觉与风险控制：输出校验、规则引擎、人机协同（HITL） | 整理 AI 输出风控策略 |
| 周五 20:00-22:00 | Agent 产品的成本与延迟优化：模型选择、缓存、批处理 | 建立 Agent 性能评估框架 |
| 周六（半天 4h） | 本周复盘 + 搭建金融 Agent 工作流 | 完成 Agent Demo（合规审查/研报分析流程） |
| 周日 | 休息 / 可选轻量浏览 AI 资讯 | 放松充电 |
第 8 周：多模态、模型评估与选型
| 日期 | 学习内容 | 实践产出 |
|---|---|---|
| 周一 20:00-22:00 | 多模态能力：文档理解（OCR+LLM）、图文理解、语音交互 | 体验 3 个多模态 AI 产品 |
| 周二 20:00-22:00 | 模型选型：GPT-4o/Claude/国产模型对比，价格、能力、延迟 | 整理模型选型对比表 |
| 周三 20:00-22:00 | 模型评估方法：离线评估指标、人工评估、在线 A/B 测试 | 设计 1 个 AI 功能评估方案 |
| 周四 20:00-22:00 | 微调入门：SFT、LoRA 是什么，何时用微调 vs RAG vs Prompt | 整理"Prompt vs RAG vs 微调"决策树 |
| 周五 20:00-22:00 | AI 产品竞品分析：拆解 AI 能力、体验、技术路径 | 选 2 个金融 AI 竞品做深度对比 |
| 周六（半天 4h） | 第二个月总结复盘 | 输出 2 个月学习总结 + 金融 AI 竞品分析报告 |
| 周日 | 休息 / 可选轻量浏览 AI 资讯 | 放松充电 |
第三个月 金融 AI 实战，完整项目从 0 到 1
🎯 目标：独立完成 2 个金融方向的完整 AI 产品项目，积累作品集
第 9 周：项目一启动 — 金融知识库/RAG 应用
| 日期 | 学习内容 | 实践产出 |
|---|---|---|
| 周一 20:00-22:00 | 项目选题与需求定义：选一个熟悉的金融场景（研报/基金/合规） | 完成项目立项文档 |
| 周二 20:00-22:00 | 目标用户与使用场景分析：谁用、什么时候用、解决什么问题 | 输出场景分析文档 |
| 周三 20:00-22:00 | RAG 方案设计：数据源、文档结构、切分策略、检索方案 | 输出技术方案设计文档 |
| 周四 20:00-22:00 | AI 功能方案：问答逻辑、引用溯源、多轮追问、表格数据处理 | 输出 AI 功能 PRD |
| 周五 20:00-22:00 | 合规与风控设计：数据安全、答案审核、免责声明、审计日志 | 输出合规方案 Checklist |
| 周六（半天 4h） | 原型设计 + 核心流程梳理 | 完成产品原型 + 核心流程图 |
| 周日 | 休息 / 可选轻量浏览 AI 资讯 | 放松充电 |
第 10 周：项目一推进 — 搭建与验证
| 日期 | 学习内容 | 实践产出 |
|---|---|---|
| 周一 20:00-22:00 | 在 Dify/Coze 上搭建：导入文档、配置知识库、调优 Prompt | 跑通核心问答链路 |
| 周二 20:00-22:00 | 检索效果调优：测试不同切分策略、调整检索参数、添加 Rerank | 记录调优过程和效果对比 |
| 周三 20:00-22:00 | 产品体验完善：引用溯源展示、追问建议、异常处理 | 优化交互流程 |
| 周四 20:00-22:00 | 效果评估：准备测试问题集、评估准确率和幻觉率 | 输出效果评估报告 |
| 周五 20:00-22:00 | Demo 录制与文档整理：项目说明、架构图、测试结果 | 完成项目文档 |
| 周六（半天 4h） | 项目复盘与优化 | 完成项目一全部交付物 |
| 周日 | 休息 / 可选轻量浏览 AI 资讯 | 放松充电 |
第 11 周：项目二启动 — 金融 Agent/工作流应用
| 日期 | 学习内容 | 实践产出 |
|---|---|---|
| 周一 20:00-22:00 | 选题：智能合规审查 / 投研助手 / 文档处理工作流 | 完成项目立项 |
| 周二 20:00-22:00 | 业务流程梳理：当前人工流程痛点、AI 可替代/辅助环节 | 画出业务流程图（as-is / to-be） |
| 周三 20:00-22:00 | Agent/工作流方案：节点拆分、工具定义、决策逻辑、人工介入点 | 输出工作流设计方案 |
| 周四 20:00-22:00 | Prompt 设计：每个节点的系统提示词、输出格式、校验规则 | 完成全链路 Prompt 设计 |
| 周五 20:00-22:00 | 风控与合规设计：AI 决策边界、人工审核节点、操作留痕 | 输出风控方案 |
| 周六（半天 4h） | 原型设计 + 方案评审 | 完成原型 + 产品方案文档 |
| 周日 | 休息 / 可选轻量浏览 AI 资讯 | 放松充电 |
第 12 周：项目二推进 — 搭建与验证
| 日期 | 学习内容 | 实践产出 |
|---|---|---|
| 周一 20:00-22:00 | 在 Coze/Dify 上搭建工作流：配置节点、连接工具、调试流程 | 跑通核心工作流 |
| 周二 20:00-22:00 | 工作流调优：处理异常分支、优化每步输出质量 | 记录调优过程 |
| 周三 20:00-22:00 | 端到端测试：准备真实业务场景测试用例 | 输出测试报告 |
| 周四 20:00-22:00 | 性能与成本分析：响应时间、Token 消耗、单次调用成本 | 输出成本效益分析 |
| 周五 20:00-22:00 | 项目文档完善：PRD、技术方案、测试结果、demo 视频 | 完成项目文档 |
| 周六（半天 4h） | 项目复盘 + 作品集整理 | 完成项目二全部交付物 |
| 周日 | 休息 / 可选轻量浏览 AI 资讯 | 放松充电 |
第 13 周：AI 伦理、合规与金融行业应用
| 日期 | 学习内容 | 实践产出 |
|---|---|---|
| 周一 20:00-22:00 | AI 伦理与偏见：算法公平性、歧视风险、透明度 | 整理 AI 伦理风险清单 |
| 周二 20:00-22:00 | 数据安全与隐私：金融数据分级、脱敏、跨境传输、个保法 | 整理金融 AI 合规要求清单 |
| 周三 20:00-22:00 | 金融监管政策：AI 在金融领域的监管动态、算法备案要求 | 输出监管政策摘要 |
| 周四 20:00-22:00 | 金融 AI 案例研究：银行/券商/保险/基金的 AI 落地案例 | 选 3 个案例深度拆解 |
| 周五 20:00-22:00 | 金融大模型了解：FinGPT、BloombergGPT、券商自研模型 | 整理金融垂直模型对比 |
| 周六（半天 4h） | 第三个月总结复盘 | 输出金融 AI 行业研究报告 |
| 周日 | 休息 / 可选轻量浏览 AI 资讯 | 放松充电 |
第四个月 深化与求职，商业化与职业进阶
🎯 目标：完善作品集，明确金融 AI PM 定位，准备内部转岗或外部求职
第 14 周：AI 产品商业化与运营
| 日期 | 学习内容 | 实践产出 |
|---|---|---|
| 周一 20:00-22:00 | AI 产品商业模式：SaaS 订阅、API 计费、按效果付费、增值服务 | 分析 3 个 AI 产品的收费模式 |
| 周二 20:00-22:00 | AI 产品成本结构：模型调用成本、基础设施、人力、数据标注 | 建立 AI 产品成本测算模型 |
| 周三 20:00-22:00 | AI 产品核心指标：DAU/MAU、任务完成率、AI 采纳率、留存、付费转化 | 为自己的项目定义指标体系 |
| 周四 20:00-22:00 | AI 产品运营：冷启动策略、用户反馈闭环、数据飞轮、模型迭代节奏 | 设计 1 份 AI 产品运营方案 |
| 周五 20:00-22:00 | 金融 AI 的 ROI 分析：效率提升量化、成本节约、收入增长 | 为自己的项目做 ROI 测算 |
| 周六（半天 4h） | 本周复盘 + 商业方案完善 | 完成项目商业分析文档 |
| 周日 | 休息 / 可选轻量浏览 AI 资讯 | 放松充电 |
第 15 周：作品集打造
| 日期 | 学习内容 | 实践产出 |
|---|---|---|
| 周一 20:00-22:00 | 作品集结构规划：突出金融背景 + AI 能力的差异化 | 确定作品集目录 |
| 周二 20:00-22:00 | 项目一精修：补充业务背景、AI 方案设计思路、技术选型理由、效果数据 | 完善项目一文档 |
| 周三 20:00-22:00 | 项目二精修：补充工作流设计图、Prompt 设计思路、合规考量 | 完善项目二文档 |
| 周四 20:00-22:00 | 补充项目三（可选）：AI 辅助工具或现有工作流程的 AI 改造方案 | 输出轻量项目方案 |
| 周五 20:00-22:00 | 作品集排版：在 Notion/飞书上线，加入架构图、截图、Demo 链接 | 完成作品集 V1.0 |
| 周六（半天 4h） | 作品集审阅与修改 | 完成作品集 V2.0 |
| 周日 | 休息 / 可选轻量浏览 AI 资讯 | 放松充电 |
第 16 周：简历优化与面试准备
| 日期 | 学习内容 | 实践产出 |
|---|---|---|
| 周一 20:00-22:00 | 简历重塑：将金融 PM 经验与 AI 能力结合，突出转型优势 | 完成简历 V1.0 |
| 周二 20:00-22:00 | AI 技术面试题：LLM 原理、Prompt、RAG、Agent、模型评估 | 整理 30 道 AI 技术问答题 |
| 周三 20:00-22:00 | AI 产品设计面试题：AI 功能设计、幻觉处理、效果评估、技术选型 | 整理 20 道产品设计问答题 |
| 周四 20:00-22:00 | 金融 AI 面试题：金融场景 AI 落地、合规要求、风控设计、ROI 论证 | 整理 20 道金融 AI 问答题 |
| 周五 20:00-22:00 | 项目故事准备：用 STAR 法则讲清楚每个项目的背景、决策、结果 | 准备 3 个项目口述版本 |
| 周六（半天 4h） | 模拟面试练习（找朋友或自己录音） | 完成 1 次完整模拟面试 |
| 周日 | 休息 / 可选轻量浏览 AI 资讯 | 放松充电 |
第 17 周：面试实战与持续提升
| 日期 | 学习内容 | 实践产出 |
|---|---|---|
| 周一 20:00-22:00 | 投递简历 / 内部转岗沟通 + 面试复盘 | 记录面试问题，持续迭代 |
| 周二 20:00-22:00 | 针对面试薄弱点补强 | 查漏补缺 |
| 周三 20:00-22:00 | 继续投递 + 面试练习 | 积累面试经验 |
| 周四 20:00-22:00 | AI 行业动态跟踪：新模型发布、新产品、金融 AI 落地新闻 | 建立行业资讯追踪习惯 |
| 周五 20:00-22:00 | 职业路径规划：金融 AI PM → 高级 AI PM → AI 产品负责人 | 输出个人 3 年职业规划 |
| 周六（半天 4h） | 本周复盘 | 更新面试题库与答题思路 |
| 周日 | 休息 / 可选轻量浏览 AI 资讯 | 放松充电 |
第 18 周：总结与下一步
| 日期 | 学习内容 | 实践产出 |
|---|---|---|
| 周一 20:00-22:00 | 4 个月学习全面复盘 | 输出学习总结长文 |
| 周二 20:00-22:00 | 知识体系梳理 | 画出个人 AI PM 知识图谱 |
| 周三 20:00-22:00 | 识别持续提升方向：技术深度 / 行业理解 / 领导力 | 制定后续 6 个月提升计划 |
| 周四 20:00-22:00 | 建立持续学习机制：资讯源、每周输出计划、社群参与 | 建立个人学习系统 |
| 周五 20:00-22:00 | 模拟最终面试 / 内部述职 | 完整演练 1 次 |
| 周六（半天 4h） | 总复盘 | 确定下一阶段目标 |
| 周日 | 休息 / 可选轻量浏览 AI 资讯 | 放松充电 |
六、金融 AI PM 学习路径图
| 阶段 | 主题 | 核心内容 |
|---|---|---|
| 01 | AI 与大模型认知 | LLM 原理、AI 产品形态、能力边界、行业格局 |
| 02 | Prompt 工程 | 结构化 Prompt、Few-shot、CoT、调优与评估 |
| 03 | AI 工具实战 | Coze/Dify 搭建、API 理解、LangChain 概念 |
| 04 | AI 对话产品设计 | 多轮对话、意图识别、上下文管理、金融合规话术 |
| 05 | RAG 知识库设计 | 文档切分、检索优化、答案溯源、金融文档处理 |
| 06 | Agent 与工作流 | 规划、工具调用、多 Agent 协作、人机协同、风控 |
| 07 | 模型评估与选型 | 评估指标、A/B 测试、微调 vs RAG、模型对比 |
| 08 | 金融 AI 合规 | 数据安全、隐私保护、算法备案、可解释性、审计 |
| 09 | 金融场景项目实战 | 知识库/Agent/合规审查等完整项目 0-1 |
| 10 | 商业化与运营 | 商业模式、成本结构、AI 产品指标、ROI 分析 |
| 11 | 作品集与求职 | 项目包装、简历优化、面试准备、职业规划 |
| 12 | 持续迭代 | 行业追踪、新技术学习、社群输出、能力深化 |
七、每周固定节奏建议
周一 ~ 周五（每晚 20:00-22:00，共 ~10h）
├── 20:00-20:15 回顾昨日内容 / 浏览 AI 资讯
├── 20:15-21:15 学习 AI 新技术（看教程 / 读文档 / 研究案例）
└── 21:15-22:00 动手实验（练 Prompt / 搭工具 / 写方案 / 测 API）
周六（半天，约 4h，专注深度实践）
├── 前 2h 本周内容复盘 + 笔记整理 + Prompt 库更新
└── 后 2h 项目实战 / 搭建 Demo / 输出分析文章
周日（休息，可选 1h 轻量活动）
├── 浏览 AI 行业资讯 / 公众号 / 即刻
└── 随意翻翻，不设硬性任务，保持手感即可
八、关键学习建议
1
发挥金融优势你比纯互联网背景的人更懂金融业务和合规，这是核心差异化
2
动手做项目至少完成 2 个完整金融 AI 产品项目，能演示、能讲清思路
3
用 Coze/Dify 验证不写代码就能搭建可演示的 AI 应用，是 PM 验证想法最快的方式
4
建立 Prompt 库把工作中常见任务用 Prompt 优化，在实践中提升
5
关注金融 AI 监管这是金融 AI PM 必须持续跟踪的，也是你的区别优势
6
持续输出在即刻/小红书/公众号分享学习笔记，输出倒逼输入
九、AI PM 能力自检清单（金融方向）
完成学习后，对照检查（点击可勾选）：
- ✓ 理解大模型基本原理（Transformer、Token、上下文窗口、训练 vs 推理）
- ✓ 能独立设计结构化 Prompt，会用 Few-shot、CoT 等技术
- ✓ 能对复杂任务拆解多步 Prompt 链，并系统性调优
- ✓ 能用 Coze/Dify 独立搭建 AI 应用（Bot、工作流、知识库）
- ✓ 理解 RAG 全链路，能设计知识库产品方案（切分、检索、溯源）
- ✓ 理解 Agent 原理（规划、工具调用、记忆），能设计工作流产品
- ✓ 知道如何评估 AI 功能效果（准确率、幻觉率、任务完成率）
- ✓ 理解 Prompt vs RAG vs 微调的适用场景，能做技术选型建议
- ✓ 了解 AI API 调用（参数、Function Calling、流式输出）
- ✓ 能设计降低幻觉的产品策略（溯源、置信度、人机协同）
- ✓ 理解金融 AI 的合规要求（数据安全、隐私、可解释性、审计）
- ✓ 能找到 AI 在自己熟悉的金融业务场景中的落地机会
- ✓ 独立完成过至少 1 个完整 AI 项目：方案设计 → 工具搭建 → 效果评估 → Demo 演示
- ✓ 能清晰地向技术团队和业务方讲清楚 AI 产品的设计逻辑和边界
- ✓ 作品集包含至少 2 个金融方向的 AI 产品项目
作为金融 PM 转型 AI PM，你不需要成为算法工程师。
核心竞争力是 "金融业务理解 × AI 能力认知 × 产品落地能力" 的交叉点。
懂 AI 能做什么、不能做什么，能在合规框架内把 AI 能力转化为真实的业务价值——
这就是金融 AI PM 不可替代的价值。