BA 课程介绍
BA 基础
本节课将帮助你理解 为什么当下是进入 AI 产品行业的最佳时机，AI 正如何重塑行业与工作方式，以及课程整体将如何从零带你成长为具备“懂业务 + 懂 AI”的复合型产品人才。你将认识到生成式 AI 的发展速度、就业市场对 AI 能力的真实需求变化，并通过课程路线图，清楚掌握接下来 7 周主课 + P3 项目 的整体学习路径。
在这一课中，你将从零建立对 AI 的整体认知，了解它如何从历史产业革命发展到当下的「智能革命」。你将认识 AI 的核心能力、主要类型（机器学习、深度学习、生成式 AI），并通过多个行业案例，理解 AI 在实际业务中的应用方式。
同时，你会学习如何用 PM 的思维去判断一个 AI 方案是否可行，从而为后续的「AI 产品经理与 AI Builder：岗位与边界」课程打下基础。
完成本节课后，你将能够：
理解 AI 为什么正在成为职场核心能力，以及“AI Literacy”需求上涨的真实行业趋势
认识 AI 如何改变行业结构、工作方式与岗位竞争力
明确“AI 产品经理与传统 PM/BA 的不同点”
全面了解课程整体结构：7 周主课 + P3 项目 + 职业发展支持
了解 AI 的定义与核心组成部分：感知、理解、决策、行动
理解机器学习与深度学习的基本工作原理
掌握生成式 AI 的概念与常见应用（ChatGPT、Midjourney、Cursor 等）
从 PM 视角识别 AI 项目的机会点，理解 AI 不是万能的
学会使用 4 步法判断 AI 在业务中的可行性（目标 → 任务 → 数据 → 风险）
建立对 AI 价值落地的整体认知框架，为后续学习做好准备
AI 更新速度前所未有
AI 正重塑每个行业：
工作方式从人工执行 → 智能协作
职业结构重组：AI 能力成为基础能力
生产效率成倍提升
竞争模式改变：Adopt AI or Fall Behind
AI Literacy 技能需求 同比增长 71%（LinkedIn Economic Graph Research Institute）
市场对“懂 AI + 懂业务”的人才需求迅速上升
从蒸汽机、电力、计算机到 AI：四次工业革命的演进
智能革命的本质：让机器从「会动」到「会思考」
AI：让机器像人一样完成特定智能任务的技术
四大核心环节：感知（视觉/语音/文本） | 理解（语义/意图） | 决策（预测/推荐） | 行动（自动化/机器人）
机器学习 (Machine Learning)：用历史数据学习规律并做预测
深度学习 (Deep Learning)：模拟神经网络，自动分层学习复杂问题
生成式 AI (Generative AI)：基于模式生成全新内容（文本、图片、音频、代码等）
按能力分类：感知 | 理解 | 预测 | 生成
按行业分类：金融、零售、医疗、教育、制造
按业务价值分类：降本 | 提效 | 增长
AI 可协助的常见 PM/BA 任务：
自动撰写 PRD 和 User Story 草稿
分析业务流程、生成界面草图
用户反馈情绪分析与主题提取
自动化运营内容生成
识别 AI 可行性的 4 步法：
明确业务目标（降本/增效/增长）
判断是否为重复性、高频任务
评估数据的可获得性与质量
考虑用户对错误的容忍度
本节课将帮助你全面厘清 AI 产品经理（PM/BA） 与 AI Builder 在真实 AI 项目中的角色定位、职责边界、协作方式与交付物差异。你将通过真实 JD 拆解、角色对照表、项目链路分析与案例演练，理解为什么许多 AI 项目失败的根本原因不是技术问题，而是 边界不清、沟通断点与责任模糊。
课程将带你构建“一页纸角色对照表（Role Charter）”，为后续需求分析、PRD 编写、AI 功能设计、自动化与 Agent 流程打下坚实的协作基础。
完成本节课后，你将能够：
清晰区分 AI 产品经理（PM/BA） 与 AI Builder 的职责、目标、工具与产出差异
理解 AI 项目中常见的协作断点，以及导致项目失败的典型根因
掌握“一句话定义”两个角色在项目中的核心价值：
PM/BA：做什么 & 为什么
Builder：怎么做 & 用什么做
熟悉 AI 项目全链路（需求 → 原型 → 集成 → 上线 → 复盘）中每一个阶段的 拍板人、产出物与风险承担方
理解为什么 AI 项目需要 先无代码 → 再低代码 → 再工程化落地 的验证路径
能够使用 Role Charter（角色边界对齐表） 进行角色划分与沟通
能够阅读并分析真实市场上的 AI PM / AI Builder 的职位描述（JD）
为后续 Lab（工具与账号配置）做好准备：Notion / Jira / ChatGPT
形成正确的 AI 项目协作心智：
“PM 定义价值，Builder 实现价值，二者共同迭代价值。”
真实 AI 产品经理 JD 拆解
AI Builder 的技能角色与定位（工具链 + API + 低/无代码）
两者的“一句话定义”
责任差异：
PM/BA：目标、范围、KPI、验收标准
Builder：模型/工具选型、原型搭建、流程集成、评测
目标、任务、工具、产出、KPI、Non-goals 的差异化
为什么在 AI 项目中边界比传统项目更重要
常见误解：
“PM 必须会写代码”
“Builder = 算法工程师”
“上来就做 RAG / LangChain”
“AI 能力开箱即用”
逐阶段讲清楚每一段的Owner与输出：
需求定义
原型与技术验证
集成与上线
监控与迭代
复盘与指标管理
对齐重点：谁拍板、谁产出、谁承担风险
为什么 PM 要优先用无代码做快速验证
为什么 Builder 不应一开始就“工程化”
1–3 天可交付 MVP 原型
常见工具栈：
知识库 / FAQ：Notion + ChatGPT、Confluence AI Q&A
工作流编排：Make / Zapier / Flowise
轻量 App：Glide / Softr
调试与集成：Postman / API Playground
为了让你真正明白 PM/BA 和 AI Builder 在项目中的分工，课程里会用一个最简单、最好理解的案例来示范：公司接到大量重复提问（例如课程时间、退款政策等），人工客服压力很大。目标是做一个 “智能问答小助手”，让 AI 先回答常见问题。
这是 AI 产品经理训练营的关键基础课。在成为 AI 产品经理之前，你必须先理解 AI 是怎么“思考”的、底层能力是什么、为什么它能生成文本、推荐内容、理解用户意图，甚至执行复杂任务。
本节课会带你从零掌握最核心的 AI 术语（Model、Parameters、Inference、Embedding、RAG、Agent……），通过 PPT 中的 旅行助手（Travel Helper）案例，用真实场景帮助你理解这些概念在产品设计中的具体含义。
理解这些基础概念之后，你将能够在团队讨论中准确表达需求，与工程师、AI Builder、数据团队进行专业沟通，为后续学习“AI 产品方案设计、PRD、RAG 项目、Agent 自动化”等内容打下坚实基础。
完成本节课后，你将能够：
掌握 AI 项目中最常出现的关键概念：模型、参数、推理、向量化、Prompt、RAG、Agent
理解机器学习与深度学习的基本区别与适用场景
理解 NLP、CV、LLM 在产品中的实际用途
清楚模型从“训练”到“使用”的完整流程
能用正确的术语与技术团队沟通 AI 需求
能分析一个 AI 功能的组成结构（输入 → 推理 → 输出）
为后续的 “AI 应用场景分析 / AI Builder 入门 / RAG / Agent” 课程做好基础准备
模型是 AI 的核心能力来源
通过大量数据训练，形成“理解 + 生成”的能力
案例：Travel Helper 理解“想去新西兰玩 5 天”的真实含义
参数越多，模型学习能力越强
决定 AI 了解世界的深度
案例：参数帮助模型理解景点评级、旅游偏好
接收输入 → 分析 → 生成结果
决定速度、成本与最终表现
案例：AI 综合天气、预算、偏好生成行程
将文字、图片等转为向量
用于搜索、匹配、推荐
案例：
景点向量 → 找相似景点
用户偏好向量 → 匹配适合的行程
给模型清晰、结构化的指令
决定输出质量、稳定度、格式
案例：
“生成 7 天自然风光行程”
“用表格输出，并包含预算”
Retrieval-Augmented Generation
LLM + 企业知识库 → 让 AI 有依据、不瞎编
案例：Travel Helper 先检索景点资料，再生成合理行程
能规划、判断、执行任务的下一代 AI
不止“回答问题”，还能自动行动
案例：自动订餐厅、生成 PDF 日程、添加 Calendar
ML： 需要人工做特征工程，结构简单
DL： 模仿人脑神经网络，可处理图像、音频、语言等复杂任务
本课用图示让你清晰理解两者差别
NLP： 理解自然语言（Travel Helper 理解行程需求）
CV： 识别图像（识别酒店、景点图片）
LLM： 生成内容（生成行程、推荐理由）
训练阶段：收集数据 → 清洗 → 标注 → 训练 → 验证
使用阶段：用户输入 → 模型推理 → 生成内容
产品经理需要知道：你永远不训练模型，你使用模型
课件中的沟通示例会教你：
如何说 “我们需要 LLM + RAG”
如何描述 embedding 搜索匹配
如何提出“可控输出结构”
如何提供 prompt 模板给 Builder
让你在公司内部表达 AI 需求时专业又清晰。
模型与参数：AI 的核心能力
推理：AI 如何“思考”
Embedding：搜索/推荐的基础
Prompt：高质量输出的关键
RAG：企业级 AI 产品必备架构
Agent：AI 应用的未来方向
通过真实企业中最常落地的 6 大类 AI 应用案例，本节课将带你掌握“什么才是 AI 场景”、如何判断业务是否适合做 AI、以及不同 AI 技术（文本生成、知识库问答、自动化、Agent、AI Builder）在实际产品中的作用。
你将从产品经理视角，而不是工程视角，学习如何结合业务问题选择正确的 AI 能力，如何判断风险、如何评估可行性，以及如何通过简单的决策矩阵为自己的业务挑选最合适的 AI 方案。
这是从“理解 AI 技术”走向“会用 AI 解决业务问题”的第一步。
学习完本节课，你将能够：
理解企业中最主流、真正能落地的 6 类 AI 应用类型
区分不同 AI 应用的业务特点、适合场景与风险点
学会使用决策矩阵判断：业务问题是否适合做 AI？应该选哪种 AI？
理解 AI PM 的 8 大核心能力路线图，为后续训练做能力铺垫
对照真实业务场景，能快速判断一个需求属于文本生成、知识库问答、数据分析、自动化还是 Agent
理解“AI 自动化”和“AI Agent”的区别，知道什么时候该选哪一个
PPT 中阐述了企业在真实落地中最常使用的 6 类 AI 能力：
文本生成：文案、邮件、客服回复、会议纪要
知识库问答（RAG）：FAQ、政策解读、内部 SOP
数据分析：自动总结、图表、报表、周报洞察
自动化（Make / Zapier）：AI → 分类 → 自动执行任务
Agent：多步骤任务执行、规划 → 选择 → 行动
AI Builder：用低代码快速做原型或内部工具
你将学习到每一种能力的典型用途、局限性与 PM 在其中的职责。
课程将带你理解未来 7 周将重点训练的 PM 能力，包括：
业务分析与需求拆解
Prompt 结构化表达能力
数据结构与评估指标
RAG 与知识库构建基础
自动化流程设计（Make / Zapier）
多 Agent 交互与任务编排
AI 产品 MVP 验证
效果监控与持续迭代
你将知道为什么 AI PM 与传统 PM 不同——更强调“业务理解 + AI 选型 + 流程设计 + 风险控制”。
（1）文本生成
场景：客服、营销、邮件、对话、内容生成
PM 重点：模板、语气一致性、Prompt 结构化
风险：幻觉、不稳定、格式不一致
验证方式：AI 版 vs 人工版对照
（2）知识库问答（RAG）
关键流程：文档清洗 → Chunking → 向量化 → 检索 → 生成
PM 要懂：召回率、知识覆盖率、Chunk 质量
适合场景：文档多、内容稳定、人工查找慢
案例：银行流程问答、保险条款解读
（3）数据分析与自动报表
场景：周报、月报、KPI 汇总、Dashboard 解读
PM 工作：字段定义、数据结构、逻辑核验
注意：数字敏感性高，需要人工复核
工具：ChatGPT、Data Agent、Excel + AI
（4）AI 自动化（Make / Zapier）
逻辑：AI → 分类 → 触发流程 → 自动执行
场景：自动邮件、Jira 任务、CRM 跟进、打标签
PM 要懂：触发条件、流程设计、权限
核心问题：能否减少人工？能否自动对账？能否追踪？
（5）AI Agent（智能任务执行）
Agent 能力：理解目标 → 规划 → 执行 → 反馈
场景：自动创建 Jira ticket、数据清洗、自动 summarise
PM 判断标准：
是否多步骤？
是否需要判断/选择？
是否需要系统操作？
风险：越权、循环（loop）、不可控
验证方式：Goal-based Test / End-to-End Test
（6）AI Builder（低代码 AI 应用搭建）
场景：内部小工具、FAQ Bot、自动总结工具
优点：不依赖工程师、能快速验证想法
PM 要懂：输入类型、权限、模型选择、工作流设计
典型用途：内部助手、表单总结、知识查询工具
课堂会使用 PPT 中的决策矩阵教你判断：
输入是否结构化？（是 → 分析/自动化；否 → RAG/LLM）
步骤是否单一？（单一 → 自动化；多步骤 → Agent）
内容是否稳定？（稳定 → RAG；不稳定 → 文本生成）
是否需要系统执行？（需要 → Agent）
是否要快速上线？（是 → AI Builder）
是否高风险？（高风险 → RAG + 人工审核）
这是 PM 必备的业务判断框架。
课程将纠正 AI 初学者最常犯的认知错误：
“做个 AI 很简单” → 实际难点在数据、权限、流程
“加 AI 就一定有效果” → 场景不合适等于浪费
“模型越大越好” → 成本高、延迟高、风险高
“AI 自动化 = Agent” → 自动化是流程，Agent 是执行者
工具与账号配置：Notion / Jira / ChatGPT练习
对应内容：
题目难度：
全栈班和 DevOps 班大项目 Bootstrap启动会
Web 全栈班 P3 项目的产品汇报。BA 学员作为产品代表，用 5 分钟说清楚项目要解决什么问题、交付了什么 feature、哪些指标达成了、哪些没有。观察全栈班同学怎么把技术实现讲给非技术人听——这就是你未来向 stakeholder 汇报的预演。
可参考的汇报结构： 1) 问题背景与用户画像；2) 核心 feature 演示（live demo）；3) 关键指标（conversion / engagement / latency）；4) 下阶段 roadmap。
这节课是开放问答时间，帮助你解决在学习或项目实践中遇到的疑惑。老师将针对大家的问题进行讲解和现场演示，帮助你理清思路、解决卡点。
你将获得：
本节课继续以互动答疑为主，针对进阶内容（如AI应用落地、数据结构或工作流优化）进行深入讲解。
你将获得：
这节课聚焦项目实战阶段中常见的挑战，如任务管理、需求文档撰写与AI协作问题。
你将获得：
本节课是结营前的总答疑与复盘。导师将帮助大家回顾整个学习流程，总结AI产品经理的核心能力结构，并为下一步职业发展提供方向建议。
你将获得：
进入 P3 实习项目前的最后一次 QUIZ，30 分钟。覆盖 Week 0 所有内容：AI 基础概念、常见应用场景、Prompt 作为交互界面的本质、AI PM vs 传统 PM 的区别、BA 在敏捷项目中的角色。
通过线标准：20 题答对 14 题以上。没通过的同学会被安排补看 BA 解惑屋系列（L10-L13）再来一次。目的不是卡人，是确保进 P3 项目时有最低认知对齐。