课程简介
本课程围绕"AI 产品经理在协同办公领域的双重能力建设"展开——一方面带学员系统掌握 toB 场景下 AI 产品的设计方法论，包括从场景洞察、产品形态设计、提示词工程到价值论证的完整链路；另一方面让学员动手搭建自己的 AI 工作台，把 AI 工具真正嵌入需求采集、调研、分析、原型设计的日常工作流。课程提炼自讲师在企业级 AI 产品设计与 PM 工作流 AI 化改造方面的实战经验，重点结合协同办公（Salesforce、ServiceNow、Notion AI 等）领域的全球最佳实践，让学员既理解大模型在企业级的能力边界，又能带走可在公司直接落地的 AI 产品设计方案与个人工作 Skill 资产。
•模块1 AI 在企业级落地的最新实践与机会洞察：建立正确的企业级 AI 认知框架，理解大模型能力边界，并通过场景地图五步法在协同办公业务里精准识别 AI 高价值切入点。
•模块2 AI 原生应用设计与落地实战：掌握 AI 产品形态选型的六脉神剑方法论、提示词产品化封装、FineTuning 与提示词优化的取舍，以及 ROI 论证与评测集设计，能独立完成一个 AI 产品功能的端到端设计方案。
•模块3 AI 工作台搭建与需求工作流 AI 化：完成从文档驱动到上下文驱动的范式转变，搭建分层记忆+上下文+Skill 的 AI 工作台，并直接用于需求采集、调研、分析的批量处理。
•模块4 原型设计与 PM 工作模式演变：掌握 Vibe Coding 与 Spec Coding 两种快速产出模式，识别自己工作流中的 AI 化切入点，并对 AI 时代 PM 工作模式形成清晰认知。
目标收益
培训对象
本课程适合 AI 产品经理、产品经理、BA、需求分析师、项目经理、业务负责人，以及希望系统化提升 AI 产品设计与个人工作效率的协同办公领域数字化产品建设团队成员。学员无需具备编程基础，但需要对协同办公业务、自己的日常工作流有清晰认知。
课程大纲
| 模块1：AI 在企业级落地的最新实践与机会洞察［第1天 上午｜3h］ |
1. AI 在企业级的应用全景与能力边界 [1.5h] ·企业应用 AI 的典型技术与场景（神经网络、深度学习、计算机视觉、知识图谱、大模型的区别与典型应用场景，建立"LLM 不等于 AI"的正确认知） ·语言理解与 AIGC（大模型的推理能力与 AIGC 能力演示） ·界面交互 GUI 与对话交互 CUI（人机交互的颠覆变革，toB 场景下 GUI 与 CUI 的优缺点抉择） ·知识管理与 RAG（向量化与 RAG 原理，Coze 知识库智能体构建演示） ·数据分析与 ChatBI（Tableau、帆软等 AI+BI 产品演示，ChatBI 产品架构原理与企业落地挑战） ·推理决策与 Agentic AI（Salesforce、Shopify 等全球协同办公/SaaS 软件演示，Dify、n8n 等 Agent 编排软件特点） ·AI Agent 的技术架构（Function Calling、MCP 协议、Multi Agent 架构的原理与区别） 讨论与练习：从致远协同办公产品中选 3 个典型业务模块（如审批、合同、客户协同），讨论各模块上述能力如何应用、能力边界在哪里 2. 企业落地 AI 的要点、挑战与协同办公场景洞察 [1.5h] ·企业应用大模型的数据安全策略（LLM 在企业应用的数据安全架构，Salesforce Trust Layer 全球最佳实践） ·企业落地 AI 的 4x5 分析框架（基于迈克波特价值链拆解企业流程层级，分析不同层级应用 L1 到 L5 级别 AI 的可能性、价值与挑战） ·toB 业务运作的特点（多利益方、不同涉众诉求拆解，与协同办公"多方协作"业务本质对齐） ·场景地图绘制五步法概览（明确画像用户→提炼业务目标→推导关键任务→绘制旅程地图→寻找 AI 机会点） ·协同办公典型场景的 AI 机会洞察（合同审批、流程协同、知识检索、跨部门沟通等场景的痛点拆解与机会点识别） 讨论与练习：选定协同办公场景下的一个典型用户，应用场景地图五步法绘制旅程并寻找 AI 机会点 |
| 模块2：AI 原生应用设计与落地实战［第1天 下午｜3h］ |
1. AI 产品形态与人机交互模式选型 [1h] ·AI 带来的人机协同模式颠覆（以机器为中心→以人为中心→以结果为中心的发展历程） ·Copilot 模式如何解决人机回圈问题（如果 AI 做不到完全自主决策，人机协同模式的本质） ·六脉神剑方法论之打造剑鞘（任务的二维四象限分析） ·第一剑封装 API、第二剑 CUI 嵌入 GUI（Salesforce Agentforce 演示） ·第三剑 CUI 之 Chat、第四剑 CUI 之 Copilot（Notion AI、Shopify Kickside 演示） ·第五剑与第六剑（Service Now AI、Jira ROVO 演示，协同办公领域代表性形态） ·六脉神剑的应用建议（如何在协同办公项目中决策选择合适的产品形态） 讨论与练习：选择致远产品中一个待 AI 化的功能点，应用六脉神剑设计 AI 产品形态 2. 提示词工程与产品化封装 [1h] ·需求场景描述与痛点分析（AI 产品设计的关键前提） ·用户旅程设计（从作业场景切入，设计 GUI 和 AI 的结合方式与整体作业流程） ·提示词撰写与上下文工程（针对 LLM 撰写提示词、处理业务逻辑的核心方法） ·提示词的指令、规范、示例、上下文、COT、用户输入结构（六大要素拆解） ·提示词的产品化封装（把提示词从"调试用"变成"产品化"的工程实践，将 AI 能力转化为可靠的产品智能能力） ·FineTuning 还是提示词优化（LLM 落地应用的最佳实践与决策依据） ·模型选型与工程落地（如何选择合适的大模型，工程化的注意事项） 讨论与练习：为协同办公中"合同条款审查"或"工单智能处理"场景撰写一份产品化提示词 3. 价值论证、评测集与上线跟踪 [1h] ·需求价值分析与论证（针对 toB 场景，从业务价值、用户价值、技术价值、商业价值四维度分析） ·需求优先级思考（该不该做 AI 功能，优先级如何，toB 产品如何决策） ·投入产出比分析与 ROI 估算（从价值核算到 AI 成本计算，通过园区访客预约、医院 AI 排班等真实场景演示完整 ROI 量化方法） ·AI 产品商业化路径（toB 场景下 AI 功能的定价模型、产品化路径与商业闭环思考） ·评测集设计的金字塔模型（基础功能层、语言多样性测试层、对抗性与安全测试层） ·上线初期与成熟期的评测方案选择，以及监控体系设计（试点期、推广期、成熟期分别的关注指标） 讨论与练习：针对模块2-练习1选定的 AI 功能点，完成 ROI 量化估算 + 三层评测集设计 |
| 模块3：AI 工作台搭建与需求工作流 AI 化［第2天 上午｜3h］ |
1. AI 工作台搭建——Harness Engineering 入门 [1.5h] ·传统需求工作的瓶颈（素材散落、AI 每次从零理解、产出质量不稳定） ·从文档驱动到上下文驱动的范式转变（把规则、记忆、领域知识结构化，让 AI 全程具备背景知识） ·IDE 型 Agent 概览与选型建议（Trae、CodeBuddy、Claude Code 等能力边界与 PM 日常工具组合策略） ·Harness Engineering 是什么（把 AI 从"裸用"变成受控环境中的专业协作者——通过记忆、规则、Skill、Hooks 等构件让 AI 行为可预测、可复用、可治理） ·分层记忆系统原理与实操（用户级/项目级/会话级记忆的分层逻辑，现场搭建一套属于自己的分层记忆） ·上下文系统原理与实操（上下文工程与提示词工程的区别，配置一份包含自己业务规范的规则文件） ·Harness 全景图速览（Skill、Hooks、权限配置在 Harness 中的位置与作用） 讨论与练习：现场搭一套属于自己的分层记忆 + 一份协同办公业务规则文件 2. 需求采集、调研与分析的 AI 化 [1.5h] ·多源素材结构化（从飞书会议纪要、钉钉聊天记录、邮件往来中自动抽取、归类、结构化需求点） ·访谈录音的转写与结构化抽取（从原始录音到分主题、分受访者的结构化笔记） ·竞品信息的批量研究（多竞品并行分析、能力矩阵自动生成、差异点提取） ·用户反馈的聚类分析（散乱反馈数据的归类、情感分析、热点话题识别） ·行业报告的快速消化（长文档摘要、关键数据提取、跨报告对比） ·痛点/爽点识别与场景变体生成（从访谈与反馈数据中自动识别情绪信号与机会点） ·优先级辅助评分（PM 定义评分规则，AI 按规则批量打分并输出矩阵图） ·可视化产物生成（流程图、用户故事地图的 AI 生成，结合 Napkin AI、Eraser、Whimsical AI、Mermaid 等最新工具） 讨论与练习：用真实素材跑通"需求采集→调研→分析"全链路，产出一份结构化洞察报告 + 一张流程图 |
| 模块4：原型设计与 PM 工作模式演变 |
1. Vibe Coding——需求设计的快速可视化 [1h] ·Vibe Coding 是什么（对话式快速试错，从想法到可点击 Demo） ·适用场景（早期构想可视化、访谈时给用户看效果、替代高保真原型、需求评审前向业务方展示交互效果） ·现场实操：从一个产品想法出发，30 分钟做出可演示 Demo ·立场提示：Demo 是沟通物与验证物，不是生产代码，PM 不是替代研发 讨论与练习：选一个致远产品中近期要做的小功能，用 Vibe Coding 30 分钟出可演示 Demo 2. Spec Coding——需求验证的结构化 POC [1h] ·Spec Coding 是什么（规范先行的工程化产出方式） ·与 Vibe Coding 的差异与适用场景（技术可行性验证、给研发提供清晰的预期对齐物） ·现场实操：从 Spec 规范到可运行 POC 的完整链路 ·与研发团队协作的边界（PM 用 Spec Coding 产出"可执行的需求文档"） 讨论与练习：把上一练习的 Vibe Demo 升级为带 Spec 规范的 POC，明确与研发的协作边界 3. 工作流 AI 化改造与未来工作模式演变 [1h] ·工作环节的 AI 化判断标准（高频/重复/有明确输入输出/质量可检验的环节优先） ·端到端改造路径（从单点工具到系统化工作流的渐进式构建） ·改造案例分享（讲师的若干工作流改造实例） ·PRD 还要不要写（写什么、不写什么，AI 时代的文档新定位） ·PM 核心价值如何迁移（从"写文档"到"管上下文与判断"） ·协同办公领域 PM 的过渡期策略（个人能力升级路径与团队协作模式调整） 讨论与练习：挑一个自己日常工作环节，完成端到端 AI 化改造方案设计 |
|
模块1：AI 在企业级落地的最新实践与机会洞察［第1天 上午｜3h］ 1. AI 在企业级的应用全景与能力边界 [1.5h] ·企业应用 AI 的典型技术与场景（神经网络、深度学习、计算机视觉、知识图谱、大模型的区别与典型应用场景，建立"LLM 不等于 AI"的正确认知） ·语言理解与 AIGC（大模型的推理能力与 AIGC 能力演示） ·界面交互 GUI 与对话交互 CUI（人机交互的颠覆变革，toB 场景下 GUI 与 CUI 的优缺点抉择） ·知识管理与 RAG（向量化与 RAG 原理，Coze 知识库智能体构建演示） ·数据分析与 ChatBI（Tableau、帆软等 AI+BI 产品演示，ChatBI 产品架构原理与企业落地挑战） ·推理决策与 Agentic AI（Salesforce、Shopify 等全球协同办公/SaaS 软件演示，Dify、n8n 等 Agent 编排软件特点） ·AI Agent 的技术架构（Function Calling、MCP 协议、Multi Agent 架构的原理与区别） 讨论与练习：从致远协同办公产品中选 3 个典型业务模块（如审批、合同、客户协同），讨论各模块上述能力如何应用、能力边界在哪里 2. 企业落地 AI 的要点、挑战与协同办公场景洞察 [1.5h] ·企业应用大模型的数据安全策略（LLM 在企业应用的数据安全架构，Salesforce Trust Layer 全球最佳实践） ·企业落地 AI 的 4x5 分析框架（基于迈克波特价值链拆解企业流程层级，分析不同层级应用 L1 到 L5 级别 AI 的可能性、价值与挑战） ·toB 业务运作的特点（多利益方、不同涉众诉求拆解，与协同办公"多方协作"业务本质对齐） ·场景地图绘制五步法概览（明确画像用户→提炼业务目标→推导关键任务→绘制旅程地图→寻找 AI 机会点） ·协同办公典型场景的 AI 机会洞察（合同审批、流程协同、知识检索、跨部门沟通等场景的痛点拆解与机会点识别） 讨论与练习：选定协同办公场景下的一个典型用户，应用场景地图五步法绘制旅程并寻找 AI 机会点 |
|
模块2：AI 原生应用设计与落地实战［第1天 下午｜3h］ 1. AI 产品形态与人机交互模式选型 [1h] ·AI 带来的人机协同模式颠覆（以机器为中心→以人为中心→以结果为中心的发展历程） ·Copilot 模式如何解决人机回圈问题（如果 AI 做不到完全自主决策，人机协同模式的本质） ·六脉神剑方法论之打造剑鞘（任务的二维四象限分析） ·第一剑封装 API、第二剑 CUI 嵌入 GUI（Salesforce Agentforce 演示） ·第三剑 CUI 之 Chat、第四剑 CUI 之 Copilot（Notion AI、Shopify Kickside 演示） ·第五剑与第六剑（Service Now AI、Jira ROVO 演示，协同办公领域代表性形态） ·六脉神剑的应用建议（如何在协同办公项目中决策选择合适的产品形态） 讨论与练习：选择致远产品中一个待 AI 化的功能点，应用六脉神剑设计 AI 产品形态 2. 提示词工程与产品化封装 [1h] ·需求场景描述与痛点分析（AI 产品设计的关键前提） ·用户旅程设计（从作业场景切入，设计 GUI 和 AI 的结合方式与整体作业流程） ·提示词撰写与上下文工程（针对 LLM 撰写提示词、处理业务逻辑的核心方法） ·提示词的指令、规范、示例、上下文、COT、用户输入结构（六大要素拆解） ·提示词的产品化封装（把提示词从"调试用"变成"产品化"的工程实践，将 AI 能力转化为可靠的产品智能能力） ·FineTuning 还是提示词优化（LLM 落地应用的最佳实践与决策依据） ·模型选型与工程落地（如何选择合适的大模型，工程化的注意事项） 讨论与练习：为协同办公中"合同条款审查"或"工单智能处理"场景撰写一份产品化提示词 3. 价值论证、评测集与上线跟踪 [1h] ·需求价值分析与论证（针对 toB 场景，从业务价值、用户价值、技术价值、商业价值四维度分析） ·需求优先级思考（该不该做 AI 功能，优先级如何，toB 产品如何决策） ·投入产出比分析与 ROI 估算（从价值核算到 AI 成本计算，通过园区访客预约、医院 AI 排班等真实场景演示完整 ROI 量化方法） ·AI 产品商业化路径（toB 场景下 AI 功能的定价模型、产品化路径与商业闭环思考） ·评测集设计的金字塔模型（基础功能层、语言多样性测试层、对抗性与安全测试层） ·上线初期与成熟期的评测方案选择，以及监控体系设计（试点期、推广期、成熟期分别的关注指标） 讨论与练习：针对模块2-练习1选定的 AI 功能点，完成 ROI 量化估算 + 三层评测集设计 |
|
模块3：AI 工作台搭建与需求工作流 AI 化［第2天 上午｜3h］ 1. AI 工作台搭建——Harness Engineering 入门 [1.5h] ·传统需求工作的瓶颈（素材散落、AI 每次从零理解、产出质量不稳定） ·从文档驱动到上下文驱动的范式转变（把规则、记忆、领域知识结构化，让 AI 全程具备背景知识） ·IDE 型 Agent 概览与选型建议（Trae、CodeBuddy、Claude Code 等能力边界与 PM 日常工具组合策略） ·Harness Engineering 是什么（把 AI 从"裸用"变成受控环境中的专业协作者——通过记忆、规则、Skill、Hooks 等构件让 AI 行为可预测、可复用、可治理） ·分层记忆系统原理与实操（用户级/项目级/会话级记忆的分层逻辑，现场搭建一套属于自己的分层记忆） ·上下文系统原理与实操（上下文工程与提示词工程的区别，配置一份包含自己业务规范的规则文件） ·Harness 全景图速览（Skill、Hooks、权限配置在 Harness 中的位置与作用） 讨论与练习：现场搭一套属于自己的分层记忆 + 一份协同办公业务规则文件 2. 需求采集、调研与分析的 AI 化 [1.5h] ·多源素材结构化（从飞书会议纪要、钉钉聊天记录、邮件往来中自动抽取、归类、结构化需求点） ·访谈录音的转写与结构化抽取（从原始录音到分主题、分受访者的结构化笔记） ·竞品信息的批量研究（多竞品并行分析、能力矩阵自动生成、差异点提取） ·用户反馈的聚类分析（散乱反馈数据的归类、情感分析、热点话题识别） ·行业报告的快速消化（长文档摘要、关键数据提取、跨报告对比） ·痛点/爽点识别与场景变体生成（从访谈与反馈数据中自动识别情绪信号与机会点） ·优先级辅助评分（PM 定义评分规则，AI 按规则批量打分并输出矩阵图） ·可视化产物生成（流程图、用户故事地图的 AI 生成，结合 Napkin AI、Eraser、Whimsical AI、Mermaid 等最新工具） 讨论与练习：用真实素材跑通"需求采集→调研→分析"全链路，产出一份结构化洞察报告 + 一张流程图 |
|
模块4：原型设计与 PM 工作模式演变 1. Vibe Coding——需求设计的快速可视化 [1h] ·Vibe Coding 是什么（对话式快速试错，从想法到可点击 Demo） ·适用场景（早期构想可视化、访谈时给用户看效果、替代高保真原型、需求评审前向业务方展示交互效果） ·现场实操：从一个产品想法出发，30 分钟做出可演示 Demo ·立场提示：Demo 是沟通物与验证物，不是生产代码，PM 不是替代研发 讨论与练习：选一个致远产品中近期要做的小功能，用 Vibe Coding 30 分钟出可演示 Demo 2. Spec Coding——需求验证的结构化 POC [1h] ·Spec Coding 是什么（规范先行的工程化产出方式） ·与 Vibe Coding 的差异与适用场景（技术可行性验证、给研发提供清晰的预期对齐物） ·现场实操：从 Spec 规范到可运行 POC 的完整链路 ·与研发团队协作的边界（PM 用 Spec Coding 产出"可执行的需求文档"） 讨论与练习：把上一练习的 Vibe Demo 升级为带 Spec 规范的 POC，明确与研发的协作边界 3. 工作流 AI 化改造与未来工作模式演变 [1h] ·工作环节的 AI 化判断标准（高频/重复/有明确输入输出/质量可检验的环节优先） ·端到端改造路径（从单点工具到系统化工作流的渐进式构建） ·改造案例分享（讲师的若干工作流改造实例） ·PRD 还要不要写（写什么、不写什么，AI 时代的文档新定位） ·PM 核心价值如何迁移（从"写文档"到"管上下文与判断"） ·协同办公领域 PM 的过渡期策略（个人能力升级路径与团队协作模式调整） 讨论与练习：挑一个自己日常工作环节，完成端到端 AI 化改造方案设计 |
近期公开课推荐
