产品经理转变为 AI 产品经理，需要以下步骤：
总之，转型需要不断学习和积累相关知识，关注行业动态和前沿观点。
5）RAG——检索增强生成Retrieval-Augmented Generation，外部知识库切分成段落后转成向量，存在向量数据库。用户提问并查找到向量数据库后，段落信息会和原本的问题一块传给AI；可搭建企业知识库和个人知识库。6）PAL——程序辅助语言模型Program-Aided Language Model，2022年一篇论文中提出；比如对于语言模型的计算问题，核心在于不让AI直接生成计算结果，而是借助其他工具比如Python解释器作为计算工具。7）ReAct——2022年一篇《React:在语言模型中协同推理与行动》的论文提出了ReAct框架，即reason与action结合，核心在于让模型动态推理并采取行动与外界环境互动。比如用搜索引擎对关键字进行搜索，观察行动得到的结果。可借助LangChain等框架简化构建流程。个人总结：看很多大佬的发言，都说要关注或直接阅读技术论文，比如产品经理转型AI产品经理，也需要懂技术脉络。而小白直接看技术论文还是有难度，虽然现在可以让AI辅助阅读，不过还是要完成一定的知识储备。而林粒粒呀的这期视频是一个很好的科普入门，欢迎大家给她点赞。二、视频二——技术框架与关于未来的想象写在前面：我之前对安克创新的印象就是一个卖充电宝的公司，还有卖安防设备；但看了这期访谈，被CEO阳萌的认知震撼了，很多观点对我有启发，强烈建议看原访谈视频。1、观点——Transformer是仿生算法的阶段性实现，10年、20年后大家将不再用TA2、观点——在端到端算法的时代，不应该继续使用冯诺依曼架构。3、在存算一体（在存储单元里做计算）的芯片之上，一定会诞生一种全新的算法。
5）RAG——检索增强生成Retrieval-Augmented Generation，外部知识库切分成段落后转成向量，存在向量数据库。用户提问并查找到向量数据库后，段落信息会和原本的问题一块传给AI；可搭建企业知识库和个人知识库。6）PAL——程序辅助语言模型Program-Aided Language Model，2022年一篇论文中提出；比如对于语言模型的计算问题，核心在于不让AI直接生成计算结果，而是借助其他工具比如Python解释器作为计算工具。7）ReAct——2022年一篇《React:在语言模型中协同推理与行动》的论文提出了ReAct框架，即reason与action结合，核心在于让模型动态推理并采取行动与外界环境互动。比如用搜索引擎对关键字进行搜索，观察行动得到的结果。可借助LangChain等框架简化构建流程。个人总结：看很多大佬的发言，都说要关注或直接阅读技术论文，比如产品经理转型AI产品经理，也需要懂技术脉络。而小白直接看技术论文还是有难度，虽然现在可以让AI辅助阅读，不过还是要完成一定的知识储备。而林粒粒呀的这期视频是一个很好的科普入门，欢迎大家给她点赞。二、视频二——技术框架与关于未来的想象写在前面：我之前对安克创新的印象就是一个卖充电宝的公司，还有卖安防设备；但看了这期访谈，被CEO阳萌的认知震撼了，很多观点对我有启发，强烈建议看原访谈视频。1、观点——Transformer是仿生算法的阶段性实现，10年、20年后大家将不再用TA2、观点——在端到端算法的时代，不应该继续使用冯诺依曼架构。3、在存算一体（在存储单元里做计算）的芯片之上，一定会诞生一种全新的算法。
5）RAG——检索增强生成Retrieval-Augmented Generation，外部知识库切分成段落后转成向量，存在向量数据库。用户提问并查找到向量数据库后，段落信息会和原本的问题一块传给AI；可搭建企业知识库和个人知识库。6）PAL——程序辅助语言模型Program-Aided Language Model，2022年一篇论文中提出；比如对于语言模型的计算问题，核心在于不让AI直接生成计算结果，而是借助其他工具比如Python解释器作为计算工具。7）ReAct——2022年一篇《React:在语言模型中协同推理与行动》的论文提出了ReAct框架，即reason与action结合，核心在于让模型动态推理并采取行动与外界环境互动。比如用搜索引擎对关键字进行搜索，观察行动得到的结果。可借助LangChain等框架简化构建流程。个人总结：看很多大佬的发言，都说要关注或直接阅读技术论文，比如产品经理转型AI产品经理，也需要懂技术脉络。而小白直接看技术论文还是有难度，虽然现在可以让AI辅助阅读，不过还是要完成一定的知识储备。而林粒粒呀的这期视频是一个很好的科普入门，欢迎大家给她点赞。二、视频二——技术框架与关于未来的想象写在前面：我之前对安克创新的印象就是一个卖充电宝的公司，还有卖安防设备；但看了这期访谈，被CEO阳萌的认知震撼了，很多观点对我有启发，强烈建议看原访谈视频。1、观点——Transformer是仿生算法的阶段性实现，10年、20年后大家将不再用TA2、观点——在端到端算法的时代，不应该继续使用冯诺依曼架构。3、在存算一体（在存储单元里做计算）的芯片之上，一定会诞生一种全新的算法。