极客 Agentic AI 产品训练营（2026）

# 🏷
>  #猫咪推荐AI产品训练 #AI产品训练 #AgenticAI产品 #自主型AI产品 #AI产品经理 #AI助手 #Skill模块化 #多Agent协作 #MCP #AgenticUI #LLMAsJudge #EvalPipeline #GoldenDatasets #数据飞轮 #4DMethod #AI产品商业化

---

#### ⬇️获取课程⬇️

# 🔍 课程介绍>>> 
是一门面向 **Agentic AI 产品设计与落地** 的 8 周训练营。课程从自主型 AI 产品机会判断开始，逐步训练 AI 助手、C 端陪伴型产品、B 端 PMO、Skill、多 Agent、AI 评估与数据飞轮、Agentic UI，并以创意工坊和商业路演收尾。整体采用“理论 + Demo + 周产出 + 项目评审”的方式，让学习者完成从需求、原型、技术可行性到质量评估和商业表达的一条完整产品链路。

## 知识与能力图谱

|周次 / 模块|核心知识|主要能力训练|实战 / 产出|
|---|---|---|---|
|Week 1 自主型 AI 产品机会与门槛|市场空间、OpenClaw 热潮、C/B/工具型产品、Agent 设计、Eval/数据飞轮、4D Method|判断什么值得做；理解 AI PM 从经理到 Builder 的角色变化|体验陪伴型/企业助手/分析型 3 类 Demo；用 5-Question 拆产品价值；产出开发环境就绪 + 能力雷达图|
|Week 2 AI 助手改变产品经理工作（上）|长记忆、工具调用、定时任务、Skill 复用；需求三层优先级；用户研究；PRD|用 AI 做需求分析、用户研究和 PRD|分析公开产品 AI 需求机会；分析用户反馈；完成带技术需求和成本估算的 PRD；产出需求分析 + 用户研究报告 + PRD|
|Week 3 AI 助手改变产品经理工作（下）|AI 可行性 4 问、可交互原型、视频交付、项目协同|判断技术可行性；把 PRD 转为原型与汇报材料|V0/Figma AI 原型；Gamma/Beautiful.ai 汇报；AI 辅助会议纪要和状态报告；产出技术可行性评估 + 产品原型 + 汇报 PPT|
|Week 4 C 端陪伴 + B 端 PMO|C 端记忆体系、定时任务、陪伴型产品设计；B 端 Tools→Function Calling→MCP→CLI→Bash；企业安全与认证；PMO 工作流|分别设计消费端陪伴产品和企业内部 Agent/PMO|配置记忆与定时任务；设计 MCP 接入、权限策略；完成陪伴型 AI Demo + PMO Demo|
|Week 5 Skill + 多 Agent|Prompt 到 Skill、SOP 到 Skill、Skill 市场生态；多 Agent 分工、并行/串行/委派、Agent 间通信、智能投顾设计|把重复能力模块化；规划多 Agent 角色、流程和协作|Skill Demo；数据源配置、规则抓取、去重筛选、分析报告；智能投顾 Agent Demo|
|Week 6 AI 评估与数据飞轮|通用 Eval、LLM-as-Judge、Eval Pipeline、Ragas/DeepEval/PromptFlow、数据采集与标注、Drift Management|为 AI 产品设计评估标准；把线上数据转为迭代素材|Golden Datasets；评分器与 Prompt；数据收集、标注、报表；产出完整评估方案 + 数据收集方案 + 一轮飞轮迭代|
|Week 7 Agentic UI + 创意工坊|对话式/主动式/嵌入式 UI、Placement & Prominence、渐进式引导、错误兜底、信任建设|设计 AI 主动交互位置与方式；综合验证产品构想|按 4D Method、5-Question、需求分析框架重新验证项目；分组脑暴、可行性评估、互评；产出产品创意 + 立项书|
|Week 8 商业与路演|定价策略、变现路径、单位经济模型、AI PM 成长路径、路演结构|把产品方案转成商业表达；接受产品、技术、风险综合评审|5 分钟路演：做什么、解决什么、Demo 演示、如何讲故事；项目进度检查、讲师点评答疑、最终路演准备|

## 深度亮点剖析

- **课程链路完整**：不是单点学习 Agent，而是从 Discover→Design→Develop→Deploy，再进入 Eval、数据飞轮和商业路演。
    
- **产品经理工作流被直接重做**：需求分析、用户研究、PRD、技术评估、原型、PPT、会议纪要、项目状态报告均安排 AI 助手实操。
    
- **C/B 两类产品并行训练**：既做长记忆、定时任务驱动的陪伴型 AI，也训练 MCP、权限、安全、审计要求下的企业 PMO。
    
- **工程化强度逐周增加**：从 AI 助手，到 Skill 模块化、多 Agent 协作，再到评分器、Golden Datasets 和数据飞轮，不停留在 Prompt 层。
    
- **持续有明确产出**：PRD、技术可行性评估、原型、Demo、评估方案、数据方案、立项书和最终路演，形成连续项目训练。

## 行业/专业背景溯源

|课程术语|在课程中的具体含义|
|---|---|
|**4D Method**|课程使用的产品方法框架：Discover → Design → Develop → Deploy，并在 Week 7 再次回顾。|
|**5-Question Framework**|用于分析产品价值，并在立项阶段再次用于产品判断。|
|**Skill**|将可复用能力从 Prompt 或 SOP 进一步模块化；课程还涉及 Skill 市场生态及商业价值评估。|
|**MCP**|位于 B 端工具调用链路中，并用于企业内部系统接入、权限设计和 PMO Demo。|
|**多 Agent**|通过角色划分、并行/串行/委派、Agent 间通信与协同完成复杂、多维任务。|
|**LLM-as-Judge**|课程中的自动化评估器设计方式，涉及评分 Prompt 与偏见控制。|
|**Eval Pipeline**|将 AI 产品评估组织成可持续运行的评估流程，并结合 Ragas、DeepEval、PromptFlow 等框架。|
|**Golden Datasets**|Week 6 专项实战的一部分，用于设计评估基准和指标。|
|**Drift Management**|数据飞轮中的模型漂移监测与管理环节。|
|**Agentic UI**|从命令式转向对话式、主动式交互，课程重点讨论 AI 功能的位置、显著性、渐进式引导与信任建设。|

## 课程定位判别

**定位：中高阶 Agentic AI 产品专项实战训练营。**

课程并非只讲 AI 产品概念，而是要求学习者连续完成 PRD、技术可行性评估、原型、MCP/Skill/多 Agent Demo、Eval 与数据方案，并最终形成项目立项和商业路演。术语密度和实践跨度较高，同时覆盖 C 端、B 端、产品设计、技术协同、质量评估与商业化，明显偏向“能设计、能验证、能推进落地”的 AI 产品训练。

## 适合什么人看

- **产品经理 / AI 产品经理**：希望把 AI 助手真正嵌入需求、研究、PRD、原型和项目协同流程。
    
- **准备从传统 PM 转向 AI PM 的学习者**：课程明确讨论从产品经理到 Product Builder 的角色迁移。
    
- **需要设计 Agentic AI 产品的人**：尤其涉及长记忆、工具调用、Skill、多 Agent、Agentic UI 等产品机制。
    
- **负责企业 AI 场景的人**：课程包含 PMO、MCP、权限、安全、数据隔离、审计追踪等 B 端场景。
    
- **已有 AI 产品想继续提升质量与商业化的人**：后半程集中训练 Eval、数据飞轮、定价、变现和路演。

# ☁️📚🛠️ 网盘目录（仅展示部分目录）>>>