01 基础认知层

AI PM 的技术门槛不是"会写代码"，而是"能清楚解释"——从这里开始建立你的技术认知框架。

模块概览

子模块	核心问题	面试相关度
Agent 是什么	Agent 和传统软件有什么本质区别？	⭐⭐⭐⭐⭐
大模型原理（PM 版）	Transformer/训练/推理怎么向面试官解释？	⭐⭐⭐⭐⭐
AI 技术演进路线图	从 LLM 到 Multi-Agent，每代解决什么问题？	⭐⭐⭐⭐
AI PM 的技术边界	什么必须懂，什么不需要懂？	⭐⭐⭐⭐

---

学习建议

新手路线：技术边界 → Agent 概念 → 大模型原理 → 技术演进

面试冲刺：直接看每篇末尾的"面试高频问题"模块

已有基础：直接跳到 02 技术理解层 深入细分方向

---

核心认知框架

AI PM 的技术认知三层模型：

第 1 层：说得清楚（面试必过）
  → 能用简洁语言解释 Agent/LLM/RAG/Multi-Agent

第 2 层：用得起来（产品决策）
  → 能估算成本/延迟，能判断方案合理性

第 3 层：看得懂（日常沟通）
  → 能读懂工程师的技术方案文档，能提出有质量的问题

---

快速热身：5个基础问题

在深入阅读前，试着用自己的话回答（不要查，测试真实认知水平）：

1. Agent 和 ChatGPT 有什么本质区别？
2. Token 是什么，为什么它是 AI 产品的成本单位？
3. RAG 解决了 LLM 的什么问题？
4. 为什么现在大多数 AI 产品是"Copilot"而不是完全自主的 Agent？
5. Fine-tuning 和 RAG 怎么选？

如果 5 题都能流畅回答，可以直接跳到 05 面试题库 练习。
如果有卡顿，按上面的学习路线补充对应章节。