从一个问题，
找到知识、案例与练习。
站内结果 152 条 · 内容优先于链接数量
JTBD
产品判断 · Jobs to Be Done用户在特定情境下真正要完成的任务，而不是表面提出的功能。 写清触发、旧方案、阻力和期望结果。 用真实场景说明如何从用户表述还原任务。 给企业 IT Agent 写一页 Problem Brief。
Persona
产品判断 · Behavior-based Persona基于行为、任务和约束形成的用户分组，不是年龄标签。 区分一线员工、IT 管理员和安全负责人。 画像必须能改变功能、权限或运营策略。 为三个角色画权限与任务矩阵。
MVP
产品判断 · Minimum Viable Product验证最关键假设的最小端到端产品。 保留一个高价值任务，但体验必须闭环。 解释砍掉什么、为何仍足以验证。 只实现报障分诊→知识检索→转人工。
PMF
产品判断 · Product–Market Fit产品与一群用户的强需求形成稳定匹配。 看复用、留存、付费和替代行为。 被夸不等于 PMF，必须有行为证据。 记录 8 位测试者是否主动二次使用。
RICE
产品判断 · Reach · Impact · Confidence · Effort按覆盖、影响、信心和成本估算优先级。 AI 需求额外加入数据、风险和推理成本。 排序结果必须能说出证据与不确定性。 给候选功能做一张 RICE 决策表。
ROI
产品判断 · Return on Investment收益相对完整投入的回报。 B 端核算节省工时、减少损失和新增收入。 不要漏推理、人审、集成和维护成本。 计算报障 Agent 单次任务经济账。
PRD
产品判断 · Product Requirements Document对问题、边界、流程、指标与验收的共同约定。 AI PRD 必须写失败路径、评测集和人工接管。 PRD 不是功能清单，是跨团队决策载体。 输出 Agent PRD v1。
North Star
产品判断 · North Star Metric最能代表持续用户价值的核心指标。 AI 产品优先看高价值任务成功数而非调用量。 指标要能区分价值增长与无效刷量。 定义每周成功解决的高价值 IT 任务数。
LLM
模型与推理 · Large Language Model基于大规模数据训练的语言理解、生成与推理模型。 擅长概率生成与模式推理，不是事实数据库。 能讲清能力边界和失效条件。 横测三个模型完成同一 IT 任务。
Token
模型与推理 · Model Processing Unit模型处理输入输出的基本计量单位。 直接影响上下文、延迟和费用。 能估算一次任务的成本结构。 记录项目 20 个任务的 token 成本。
Context
模型与推理 · Context Window单次调用可处理的信息范围。 长上下文可能带来注意力稀释，需检索或压缩。 解释何时检索、摘要、分段。 比较全文塞入与 RAG 的准确率。
Embedding
模型与推理 · Vector Representation把内容映射为可比较的语义向量。 用于检索、聚类、推荐和去重。 Embedding 负责表示与匹配，不生成答案。 做 30 条 IT 文档语义检索测试。
Temperature
模型与推理 · Sampling Temperature控制生成随机性与分布平滑程度的参数。 事实任务偏低，创意任务可适当提高。 低温不等于绝对正确。 比较不同温度下答案稳定性。
Fine-tuning
模型与推理 · Model Fine-tuning用特定数据调整模型行为或参数。 知识更新先考虑 RAG，稳定行为再考虑微调。 比较 Prompt、RAG、微调的适用边界。 写三种方案的决策备忘录。
Hallucination
模型与推理 · Model Hallucination产出无依据或错误却看似可信的内容。 通过证据、验证、交互和风险分级治理。 不存在一句 Prompt 根除幻觉。 给 20 个错误建立原因分类。
Latency
模型与推理 · End-to-end Latency从用户发起到可用结果返回的完整耗时。 拆分检索、首 token、工具调用和总耗时。 速度与质量要按任务价值共同权衡。 为 Demo 建 p50 / p95 延迟表。
RAG
RAG 知识工程 · Retrieval-Augmented Generation先检索外部知识，再基于证据生成。 适合新鲜、私域和必须引用的知识任务。 解析、召回、重排和治理共同决定上限。 构建企业 IT 知识问答最小闭环。
Chunking
RAG 知识工程 · Document Chunking把文档切成适合检索与理解的语义片段。 按标题、段落、表格与窗口设计切块。 过小丢上下文，过大降低召回精度。 比较三种切块策略的 Recall@K。
Hybrid Search
RAG 知识工程 · Dense + Sparse Retrieval结合语义向量与关键词的混合检索。 处理专有名词、编号和自然语言意图。 说明 BM25 与向量检索为何互补。 测设备编号与故障描述两类问题。
Rerank
RAG 知识工程 · Retrieval Reranking对初步召回结果二次精排。 提高前几条证据的相关性。 重排提升质量，也增加延迟与成本。 比较启用重排前后的 Top-3 命中。
Metadata
RAG 知识工程 · Retrieval Metadata随文档片段保存的来源、权限、时间与类别信息。 用于过滤、溯源、时效和权限控制。 元数据是知识治理，不是装饰字段。 给知识库定义最小元数据规范。
Grounding
RAG 知识工程 · Evidence Grounding要求输出能被给定证据支持。 答案附引用，证据不足时明确拒答。 引用存在不代表引用真的支持结论。 人工检查 50 条答案的证据一致性。
Recall@K
RAG 知识工程 · Retrieval Recall at K前 K 条召回结果包含正确证据的比例。 先判断是没找回，还是模型没用好。 检索评测与生成评测必须拆开。 建立 50 条问题—证据金标。
Freshness
RAG 知识工程 · Knowledge Freshness知识从更新到可被正确检索的时效。 建立增量同步、版本与过期机制。 实时不等于每次全量重建。 设计文档更新与下线流程。
Agent
Agent 与工作流 · AI Agent围绕目标动态规划、选择工具并执行。 适合路径不固定、需要探索的复杂任务。 自主性越高，评测和安全成本越高。 实现能分诊并查知识的 IT Agent。
Workflow
Agent 与工作流 · Deterministic Workflow按预定义稳定步骤完成任务。 路径清晰、高风险、强合规时优先。 生产常用确定性骨架加局部 Agent。 画出自动与人工节点 BPMN。
Tool Use
Agent 与工作流 · Function / Tool Calling模型选择结构化工具完成外部动作。 查系统、建工单、发消息或计算。 执行前要鉴权、校验、幂等和确认。 接一个模拟工单 API。
MCP
Agent 与工作流 · Model Context ProtocolAI 应用连接数据、工具和提示的开放协议。 降低不同 AI 主机接入外部能力的成本。 理解 Host、Client、Server 与最小权限。 把知识检索封装成 MCP Server。
Planning
Agent 与工作流 · Agent Planning把目标拆成可执行步骤并动态调整。 复杂任务先规划，简单任务避免过度代理。 会识别无限循环和错误累积。 记录 20 条任务的计划轨迹。
Memory
Agent 与工作流 · Agent Memory跨轮或跨任务保存必要状态与经验。 区分会话、长期、语义与流程记忆。 记忆写入要有筛选、权限和遗忘。 定义哪些用户偏好值得保存。
Fallback
Agent 与工作流 · Fallback Strategy主路径失败后的降级与恢复方案。 切模型、退搜索、走规则或转人工。 失败体验必须进入 PRD 和指标。 设计 6 类故障的降级矩阵。
Idempotency
Agent 与工作流 · Idempotent Action重复执行不会造成重复副作用的动作属性。 支付、发信、建工单等动作必须防重复。 模型重试不应重复执行现实动作。 给工单创建加入幂等键。
Eval Set
评测与迭代 · Evaluation Dataset覆盖典型、边界、失败和攻击场景的版本化样本集。 上线前回归，迭代后对比。 不可只收成功案例或污染测试集。 建立首批 100 条分层样本。
Rubric
评测与迭代 · Scoring Rubric定义评分维度、等级、示例和阈值。 把感觉不错变成可复核判断。 分歧大时先修任务定义与规则。 定义正确性、完整性、可执行性评分。
Task Success
评测与迭代 · Task Success Rate用户目标被真正完成的比例。 Agent 产品的关键终局指标。 先定义完成，再谈成功率。 统计从报障到解决的闭环比例。
Bad Case
评测与迭代 · Failure Case Analysis对真实失败做重现、归因与优先级判断。 连接反馈、日志、责任人与迭代。 必须给出从错误到改版的闭环。 每周维护 Top 10 失败样本。
Error Taxonomy
评测与迭代 · Error Taxonomy按根因稳定分类失败。 区分检索、推理、工具、交互、权限与系统错误。 分类要能对应责任人与动作。 建立项目错误树与负责人。
LLM-as-Judge
评测与迭代 · Model-based Evaluation用模型按规则评估模型输出。 适合规模化初筛，但需与人工校准。 会识别位置、长度、自偏好等偏差。 用 30 条人工金标校准 Judge。
A/B Test
评测与迭代 · Controlled Experiment随机分组比较两个版本的因果效果。 预先定义主指标、样本、周期和停止规则。 离线评测过关后再做线上实验。 为两种引导语设计实验。
Regression
评测与迭代 · Evaluation Regression新版本在既有能力上的意外退化。 每次模型、Prompt、知识库变化都回归。 平均分提升也可能掩盖关键场景退化。 设置核心样本零退化门槛。
Funnel
数据与增长 · Conversion Funnel从触达到完成价值行为的分阶段转化。 定位激活、使用、成功与复访流失点。 对话产品也需要可观测漏斗。 埋点首次提问→采纳→解决。
Activation
数据与增长 · Activation Moment新用户首次体验核心价值的关键行为。 压缩 Time to Value，而非追求注册数。 完成有价值任务才是激活。 定义首次成功解决报障为激活。
Retention
数据与增长 · User Retention一段时间后持续使用产品的比例。 按任务频率选择日、周或月留存。 留存需与目标场景天然频率匹配。 比较管理员与员工的周留存。
Telemetry
数据与增长 · Product Telemetry记录行为、调用链、质量和成本信号。 支持漏斗、失败归因与成本分析。 兼顾可观测性与隐私最小化。 定义最小事件与 trace schema。
Cohort
数据与增长 · Cohort Analysis按时间或特征分组比较用户行为。 避免总体均值掩盖版本和人群差异。 分组逻辑必须导向可行动结论。 比较不同部门的任务成功率。
Unit Economics
数据与增长 · Unit Economics单个用户或任务的收入、成本和毛利。 比较模型、缓存、人审与付费价值。 效果提升必须与成本曲线一起看。 计算每个已解决工单的全成本。
Pricing
数据与增长 · AI Product Pricing把价值、用量和成本映射为可持续收费方式。 可按席位、调用、任务、结果或套餐收费。 收费单位应接近客户感知价值。 为企业 Agent 设计三档套餐。
SLA
数据与增长 · Service Level Agreement对可用性、响应、恢复和支持的服务承诺。 B 端 AI 需区分模型质量与系统可用性。 不能只承诺平均响应时间。 定义可用性与故障响应等级。
RBAC
安全与治理 · Role-Based Access Control按角色控制数据与操作权限。 检索与工具执行必须同时鉴权。 只隐藏前端按钮不等于权限控制。 实现员工、IT、管理员三类权限。
Prompt Injection
安全与治理 · Prompt Injection恶意内容诱导模型越权、泄密或偏离目标。 隔离不可信内容、最小权限并校验动作。 外部文档本身也可能包含攻击。 构造 20 条注入测试。
Guardrail
安全与治理 · Safety Guardrail约束输入、输出和动作的组合措施。 规则、分类器、权限、人审与监控协同。 不能只依赖系统提示词。 设计输入、检索、输出、执行四层防线。
PII
安全与治理 · Personally Identifiable Information可直接或间接识别个人的信息。 采集、日志、传输和训练遵守目的最小化。 说明数据生命周期与删除机制。 列出系统 PII 与保留周期。
Audit Log
安全与治理 · Audit Log记录谁在何时对什么执行了什么动作。 高风险 B 端 Agent 必须可追溯。 日志自身也需要权限与保存周期。 设计动作审计字段。
HITL
安全与治理 · Human in the Loop关键节点由人确认、纠正或接管。 用于金额、外发、隐私、删除等不可逆动作。 按风险设置人审，而非一刀切。 定义哪些工单动作必须确认。
Red Team
安全与治理 · AI Red Teaming以攻击者视角系统发现模型与产品风险。 覆盖越权、注入、隐私、欺骗和滥用。 红队结果要进入修复与回归。 完成一次两小时小型红队。
Risk Tier
安全与治理 · Risk-based Autonomy按后果严重度决定自动化权限。 低风险自动，高风险确认，不可逆动作强审计。 自主级别应按任务而非整个产品设置。 给工具列表标注 L0—L3 自主等级。
Prototype
交付与面试 · Product Prototype用最低成本表达流程、交互和关键假设的可测试载体。 先测试信息架构和任务闭环，再美化。 会说明原型要验证什么。 做一条核心流程可点击原型。
API Contract
交付与面试 · API Contract前后端或系统之间对输入、输出、错误和权限的约定。 减少产品、工程与第三方集成歧义。 能读懂 JSON、状态码与异常。 给工单工具写接口契约。
Stakeholder
交付与面试 · Stakeholder Management识别不同参与者的目标、权力、风险和沟通方式。 B 端常需平衡业务、IT、安全和管理层。 给出冲突与决策过程而非只说协调。 画利益相关者地图。
Release Gate
交付与面试 · Release Quality Gate版本上线前必须通过的质量与风险门槛。 结合离线评测、红队、灰度和回滚。 能定义什么情况下坚决不上线。 为 Demo 写上线检查表。
STAR
交付与面试 · Situation · Task · Action · Result结构化讲述经历的表达框架。 重点讲你的判断、动作、证据和反思。 结果要量化，避免团队成果全算自己。 把 IT 经历改写成 3 个 STAR 故事。
Case Study
交付与面试 · Product Case Study完整呈现问题、研究、决策、实现、评测和迭代的作品。 作品集展示思考证据，不是截图合集。 能回答为什么这么做和哪里失败。 完成企业 IT Agent 六页案例。
Product Sense
交付与面试 · Product Sense Interview在信息不完整时识别用户、目标、约束并作取舍。 先澄清目标，再发散方案，最后用指标收敛。 不急着报功能，优先建立判断框架。 每周完成两道 AI 产品题。
System Thinking
交付与面试 · AI Product System Thinking把模型、数据、交互、运营、成本和风险视为一个系统。 避免只优化 Prompt 或单点指标。 能讲清局部优化如何造成全局副作用。 画项目端到端系统图。
Business Model
互联网基础 · Business Model企业创造、交付并获取价值的完整逻辑，至少包括用户、价值主张、交付方式、收入与成本。 分析产品时同时画用户价值流和资金流。 能区分用户喜欢、业务增长和商业可持续。 拆解一家 AI SaaS 的价值流与资金流。
Value Proposition
互联网基础 · Value Proposition产品为特定用户在特定情境下提供的、优于替代方案的价值承诺。 用目标用户、痛点、收益、替代方案四项写清。 避免把功能列表当价值主张。 为企业 IT Agent 写三版一句话价值主张。
B2B / B2C
互联网基础 · Business-to-Business / ConsumerB2B 面向组织采购与多角色决策，B2C 面向个人选择与规模化体验。 B2B 重点处理采购、权限、交付、续费；B2C 重点处理获取、激活、留存。 同一个 AI 能力在两类市场的产品形态不同。 比较企业知识助手与个人知识助手。
Platform
互联网基础 · Platform Business连接多类参与者并通过规则、工具与网络效应促进互动的业务形态。 先识别供给、需求、核心互动与治理机制。 功能多不等于平台，必须存在多边互动。 拆解模型平台的开发者—模型—企业三边关系。
Network Effect
互联网基础 · Network Effect产品价值随参与者或互补供给增加而提高的机制。 区分直接、跨边、数据与生态网络效应。 规模效应不等于网络效应。 判断一个 Agent 商店是否真的存在网络效应。
Moat
互联网基础 · Competitive Moat竞争者难以快速复制或绕开的持久优势。 从数据、分发、工作流嵌入、品牌、成本与网络效应判断。 模型能力领先通常不是永久壁垒。 给三款 AI 产品写壁垒强弱矩阵。
Org Model
互联网基础 · Internet Product Organization产品、研发、设计、运营、销售与客户成功围绕业务目标形成的协作系统。 明确每个角色对发现、交付、增长和经营负责什么。 产品经理不是需求传声筒，也不是所有人的领导。 为 Agent 项目画 RACI 和决策权。
OKR
互联网基础 · Objectives and Key Results用目标说明要改变什么，用关键结果证明改变是否发生。 KR 写结果而非任务清单，并与业务指标连接。 完成十个功能不是关键结果。 为 8 周学习周期写一个 O 和三个 KR。
GTM
商业与增长 · Go-to-Market把产品带到目标市场并形成可重复获客、成交和交付的体系。 明确 ICP、渠道、销售动作、定价与客户成功。 发布产品不等于完成 GTM。 为企业 IT Agent 写一页 GTM 假设。
ICP
商业与增长 · Ideal Customer Profile最可能获得高价值、成功采用并持续付费的理想客户组织画像。 用行业、规模、技术栈、痛点强度与采购条件筛选。 ICP 是组织，Persona 是组织中的人。 定义最适合试用 IT Agent 的企业类型。
PLG
商业与增长 · Product-led Growth让产品体验本身承担获客、激活、转化和扩张的重要增长模式。 设计低摩擦试用、快速价值时刻与团队扩散。 PLG 不等于完全没有销售。 设计从个人试用到企业席位扩张的路径。
CAC
商业与增长 · Customer Acquisition Cost获得一个新客户所需的销售与营销总成本。 按同一时间窗将相关投入除以新增客户数。 免费注册用户不能直接当付费客户计算。 估算一个 B2B 试点客户的获客成本。
LTV
商业与增长 · Customer Lifetime Value客户整个生命周期预计贡献的价值，需结合收入、毛利与流失。 用分群数据而非全体平均值辅助资源配置。 LTV 是估算，不应被当成精确事实。 用 ARPU、毛利和流失率做敏感性分析。
NRR
商业与增长 · Net Revenue Retention同一批存量客户在流失、降配和扩容后的收入保留比例。 衡量产品是否能在现有客户中持续创造更多价值。 新客户收入不能计入 NRR。 为 AI SaaS 设计扩容与降配事件表。
Churn
商业与增长 · Customer / Revenue Churn客户或收入在一个周期内流失的比例。 区分客户流失与收入流失，并按原因分群。 低频产品不能只用短周期流失判断价值。 建立主动流失、被动流失与降配分类。
Pricing Metric
商业与增长 · Pricing / Value Metric用于计价、且尽量贴近客户感知价值的单位。 在席位、用量、任务、结果和混合收费中取舍。 模型 token 成本不一定是客户愿意付费的价值单位。 比较按席位、按解决工单、按调用量三种方案。