写在前面：AI 产品经理转型，最后拼的不是“学过什么”，而是“能证明什么”
前九讲，我们已经完整走完了一名 AI 产品经理从认知到落地的能力路径。
第一讲，我们建立了 AI 产品经理岗位图谱，明确 AI PM 不是“会用 AI 工具的人”，而是能把模型能力转化为产品价值、并对结果负责的人。
第二讲，我们讲了大模型底层通识，理解 Token、上下文窗口、模型幻觉、Prompt、RAG、Agent、微调、模型选型、评估和成本。
第三讲，我们讲了 Prompt 工程与 API 调用，把 Prompt 看作 AI 产品的最小原型，把 API 调用看作模型能力进入真实产品系统的关键。
第四讲，我们讲了存量产品 AI 改造，重点是传统产品如何找到高价值、可验证、风险可控的 AI 改造节点，并输出 AI-PRD。
第五讲，我们讲了 RAG 知识库全栈落地，强调企业知识问答不是“上传文档 + 聊天框”，而是一套知识治理、检索、生成、溯源、权限和运营系统。
第六讲，我们讲了 AI 原生产品设计，从用户任务、AI 能力、用户控制感、MVP 验证、留存和商业化角度设计 C 端 AI 产品。
第七讲，我们讲了 Agent 智能体开发，明确 Agent 不是更高级的 ChatBot，而是目标驱动、工具调用、人机协同的任务执行系统。
第八讲，我们讲了模型微调与平台型 AI 产品，重点理解什么时候需要微调、什么时候不需要，以及企业 AI 应用平台如何产品化。
第九讲，我们讲了 AI 产品商业化与风控合规，强调 AI PM 不能只会做 Demo，还要会
