AI Native

AI 产品设计的系统工程——从产品的职责到 Agent 产品的提示词、模型微调到系统 Harness 架构的完整知识体系。

AI Native Capabilities

端到端 Agent 设计

从需求文档到上线，主导包含3个以上Agent协作、使用5种以上外部工具（MCP协议）、具备记忆系统的生产级功能。

模型选型决策

在资源受限场景下，通过量化、蒸馏或混合专家方案，将模型延迟降低50%同时保持95%的核心能力。

幻觉根因分析

通过Tracing系统定位RAG检索失败、上下文长度不足或基础模型知识盲区，并在24小时内提出修复方案。

跨模态产品定义

设计融合文本、实时视频流、传感器数据的AI功能，解决多模态融合的时序对齐问题。

伦理审查

主导AI伦理委员会评审，成功论证产品在偏见、隐私、滥用风险上的防控措施。

AI 产品经理工作方式重构全景图

六大核心交付模块与 AI 工具映射

需求发现

用户研究 & 需求洞察 — AI 重构前后对比

传统方式
·人工整理访谈录音
·主观归纳用户痛点
·需求优先级靠感觉
·研究报告写2周
AI 增强后
·上传录音自动提炼主题
·AI聚类用户痛点模式
·RICE打分框架自动生成
·研究报告1天完成
参考提示词模板
你是一名UX研究员，以下是5份用户访谈记录。
请：1）提炼3-5个核心痛点（附引用原文支撑）
2）识别未被满足的需求机会点
3）按频率和强度排序，输出结构化洞察报告
效率提升
70%

提示词工程设计方案

面向 Agent AI 产品的系统化提示词框架 · 参考 Anthropic 设计思路

1. 提示词工程框架总览核心架构

Anthropic 在设计 Claude 的提示词体系时，采用了分层注入、动态组合的架构思路。整个框架可以理解为一个"提示词调度系统"——在正确的时机，将正确的提示词组合注入到模型上下文中。

L1 · 模型训练层（Training-time）
通过 RLHF / Constitutional AI 注入的价值观、行为规范。不可在运行时覆盖。
不可修改
L2 · 系统提示词层（System Prompt）
产品级身份、能力边界、输出格式、角色设定。每次会话开始时注入，用户不可见。
产品层
L3 · 上下文注入层（Context Injection）
用户档案、会话记忆、工具结果、RAG 检索内容。动态拼接到 prompt 中。
动态注入
L4 · 任务提示词层（Task Prompt）
针对具体任务的指令模板：分析、写作、代码、规划等。按需选择对应模板。
按需调用
L5 · 用户输入层（User Turn）
用户的实际消息。Agent 系统中可能还包含工具调用结果（tool_result）。
用户输入
Anthropic 的核心设计原则
越靠近底层的提示词优先级越高（L1 > L2 > L3）；但在 Agent 场景中，工具输出（L3）携带的事实信息可以影响最终输出，形成"事实覆盖规则"。