拿到 AI 产品实习 offer 的你，是不是既期待又紧张？面对陌生的行业术语、复杂的协作流程，还有带教老师可能布置的首个任务，零经验的你或许会犯愁：该提前做些什么准备？怎样才能快速适应？

别担心，这份指南专为你而来。

一、岗位认知与职责

（一）岗位定位

AI 产品实习生是协助 AI 产品经理开展工作的重要力量，在 AI 产品的整个生命周期中扮演着辅助角色。

该岗位需要实习生了解 AI 技术的基本原理和应用场景，结合市场需求和用户反馈，为 AI 产品的设计、开发、测试和推广等环节提供支持。

（二）主要职责

1. 协助产品经理进行市场调研，收集和分析 AI 产品相关的市场信息、竞争对手动态以及用户需求，整理成调研报告，为产品决策提供依据。

例如，收集市场上同类 AI 语音助手的功能特点、用户评价等信息，分析其优势和不足。

2. 参与 AI 产品的需求分析和产品设计过程，协助撰写需求文档，包括功能需求、性能需求、用户体验需求等，确保开发团队准确理解产品需求。

3. 跟进产品开发进度，与开发团队保持沟通，及时反馈问题并协助解决，确保产品按照计划顺利推进。

4. 参与产品测试工作，协助测试人员制定测试计划和测试用例，记录测试过程中发现的问题，并跟踪问题的解决情况。

5. 收集用户对 AI 产品的反馈意见，进行整理和分析，为产品的优化和迭代提供建议。

二、产品经理需要学习和了解的 AI 基础知识

（一）人工智能基础概念

1. 人工智能的定义与本质

明确人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的科学，其本质是让机器具备类似人类的感知、学习、推理和决策等能力。

2. 人工智能的发展历程

了解从早期的符号主义、连接主义到如今深度学习的发展脉络，知晓重要的技术突破和里程碑事件，如专家系统的兴起与局限、深度学习在图像识别等领域的突破性应用。

3. 人工智能的分类

清楚弱人工智能（如语音助手）、强人工智能（具备人类级别的通用智能）和超人工智能的区别，以及目前行业所处的发展阶段和主要研究方向。

（二）核心 AI 技术原理

（1）机器学习

1. 基本概念

理解机器学习是人工智能的核心，是让计算机通过数据学习并改进性能的技术，知道数据、模型、算法在其中的作用。

2. 主要算法类型

? 监督学习

了解分类（如垃圾邮件识别）、回归（如房价预测）等任务及常用算法（逻辑回归、决策树、支持向量机、神经网络等）的基本原理和适用场景。

? 无监督学习

知晓聚类（如用户分群）、降维（如数据可视化）等任务及 K - 均值聚类、主成分分析等算法的大致功能。

? 半监督学习和强化学习

了解其基本思想和典型应用场景，如半监督学习在数据标签有限时的应用，强化学习在游戏、机器人控制中的应用。

3. 机器学习流程

掌握数据收集与预处理（数据清洗、特征选择、归一化等）、模型选择与训练、模型评估（准确率、召回率、F1 值、ROC 曲线等指标）与优化的完整流程。

（2）自然语言处理（NLP）

1. 基本任务

了解文本分类、情感分析、机器翻译、问答系统、文本生成等常见任务的含义和应用场景。

2. 关键技术

知晓词向量、循环神经网络（RNN）、Transformer、预训练语言模型（如 BERT、GPT 系列）等技术的基本原理和作用，以及它们在提升 NLP 任务性能方面的意义。

3. 语言模型评价指标

了解困惑度等评价语言模型性能的指标。

（3）计算机视觉（CV）

1. 基本任务

清楚图像分类、目标检测、图像分割、图像生成、人脸识别等任务的定义和应用，如自动驾驶中的目标检测、医学影像中的图像分割。

2. 关键技术

了解卷积神经网络（CNN）的基本原理和在计算机视觉任务中的核心作用，以及常用的模型架构（如 ResNet、YOLO 等）的特点。

3. 图像数据特点

知晓图像的像素、分辨率、色彩空间等基本概念，以及图像数据预处理的常见方法。

（4）语音技术

1. 语音识别

了解将语音信号转换为文本的过程和基本原理，知道影响识别准确率的因素（如口音、噪音）。

2. 语音合成

知晓将文本转换为自然语音的技术，了解不同语音合成系统在音质、自然度等方面的差异。

3. 声纹识别

了解通过语音特征识别说话人身份的技术及应用场景，如身份验证。

（三）AI 模型开发与部署流程

1. 数据准备

了解数据采集的渠道和方法，数据标注的重要性和常见方式（人工标注、自动标注），以及数据质量对模型性能的关键影响。

2. 模型训练

知晓模型训练的基本过程，包括选择合适的算法和框架、设置超参数、进行迭代训练等，了解过拟合、欠拟合的概念及解决方法。

3. 模型评估

掌握模型评估的常用指标，如准确率、精确率、召回率、F1 值、ROC - AUC 等，能根据不同的任务场景选择合适的评估指标。

4. 模型部署

了解模型部署的常见方式（如云端部署、边缘部署），以及部署过程中可能遇到的问题（如 latency、算力需求）和优化方向。

（四）AI 产品相关概念

1. AI 产品的特点与挑战

明白 AI 产品与传统软件产品在开发周期、不确定性、数据依赖等方面的区别，以及面临的技术瓶颈、伦理风险等挑战。

2. AI 产品的核心指标

了解除了传统产品的指标外，AI 产品还需关注模型性能指标（如准确率）、数据指标（如数据量、数据质量）等。

3. AI 伦理与合规

知晓 AI 应用中涉及的隐私保护（如数据采集和使用的合规性）、公平性（如避免算法歧视）、透明度等伦理问题和相关法律法规要求。

（五）AI 应用场景与行业趋势

1. 各行业 AI 应用案例

了解 AI 在金融（如智能风控）、医疗（如疾病诊断辅助）、教育（如个性化学习）、零售（如精准营销）等行业的典型应用场景和价值。

2. AI 技术发展趋势

关注大模型、多模态智能、联邦学习等前沿技术的发展动态和可能带来的产品创新方向。

三、需要日常使用和体验的 AI 产品

主流 AI 大模型 C 端产品

1. ChatGPT

由 OpenAI 开发，能进行多轮对话、文本生成、信息查询、代码编写等任务。可用于撰写邮件、生成故事、解答专业问题，工作中能快速生成初稿，提升效率。

2. 文心一言

百度研发，具备多模态生成能力，不仅生成文本，还能产出图片、音频等。产品设计中可生成图片素材，用户调研时能分析中文语义情感。

3. 讯飞星火认知大模型

科大讯飞推出，在语音交互、知识问答、逻辑推理方面表现出色，支持语音输入输出，对专业领域知识覆盖良好。会议中可语音转文字记录内容，竞品分析时梳理专业信息。

4. 腾讯元宝

腾讯旗下大模型应用，原较为低调，后因搭载 DeepSeek 频繁出现在公众视野，在微信朋友圈、腾讯视频等多平台投放广告。产品具备文本生成、对话交互等功能，应用场景涵盖日常交流、内容创作辅助等，可用于生成文案、解答常见问题等。

5. 阿里通义

阿里开发的大模型，其 APP 曾叫通义千问，后更名为 “通义”。基座能力表现不错，但 APP 热度一般。具备多种自然语言处理能力，可用于文本创作、智能问答等场景，能帮助用户撰写文章、回答各类知识疑问。

6. 字节跳动豆包

字节跳动的大模型产品，具备强大的语言理解与生成能力。在多种语言任务中表现良好，能为用户提供准确清晰的回答，可用于解决工作学习中的各种问题，辅助创作不同类型的文本内容。

7. 月之暗面 Kimi

该大模型 APP 曾小范围测试打赏功能，付费用户可在高峰期优先使用。能处理多种自然语言任务，在内容创作、知识解答等方面为用户提供服务，如生成创意文案、解答专业知识问题等。

8. 智谱清言

具备一定的知识储备和语言处理能力，可实现智能对话、文本生成等功能，为用户提供知识查询、文本创作建议等服务，在学习、工作中的资料整理、文案构思等环节发挥辅助作用。

9. DeepSeek

走红后引发众多产品搭载，能力对标 OpenAI 先进推理模型 o1 且深度开源。在海外引起轰动，知名度高。拥有强大的语言理解与生成能力，可处理复杂的文本任务，为用户提供高质量的文本输出，如生成专业报告、进行复杂问题解答等。

10. Google Gemini

谷歌推出的大模型，在自然语言处理和多模态方面有一定技术实力，可进行对话交互、内容生成等操作，应用于多种场景，如智能助手交互、创意内容创作辅助等。

11. 小羊驼 Vicuna

是基于 Llama 模型微调的开源大模型，具备一定的语言处理能力，可用于文本生成、对话等任务，在一些特定场景下能为用户提供有用的文本输出，如简单的文案创作、日常对话交流等。

12. 抖音云雀

字节跳动开发的语言模型系列，可辅助代码生成、进行对话交互、提取信息与逻辑推理，能在内容创作、知识问答等场景发挥作用。

13. 百川大模型

由百川智能推出，融合多种技术，支持多轮对话、内容生成等多元场景，在社区是全球下载量较高的开源大模型之一。

14. 紫东太初

中科院自动化所联合武汉人工智能研究院推出，是全球首个图、文、音三模态大模型，具备跨模态理解和生成能力，可应用于多种领域。

15. Minimax ABAB
MiniMax 研发，如 abab 6.5 系列包含不同参数和特性的模型，在各类核心能力测试中表现逐渐接近国际领先大语言模型 。

16. 商汤日日新

商汤科技产品，具有自然语言处理、计算机视觉等多方面能力，能够生成文本、图像等内容，助力创意构思与内容生产。

17. 上海人工智能实验室书生

具备强大的语言处理和知识理解能力，可用于多种自然语言处理任务，为用户提供信息解答与文本创作辅助。

18. 三六零智能大模型
360 公司产品，拥有智能问答、文本生成等功能，可处理复杂问题，为用户提供准确信息和实用建议。

19. 腾讯混元助手大模型

腾讯开发，能实现对话交互、内容创作等功能，在日常交流、文案撰写等方面为用户提供支持。

20. 华为云盘古 NLP 大模型

基于华为云技术，在自然语言处理方面能力突出，可用于文本分类、情感分析、智能写作等场景。

21. 华为智囊助手小艺大模型

集成于华为设备，具备语音交互、智能推荐等功能，方便用户在手机等终端便捷获取信息与服务。

22. 出门问问序列猴子

出门问问研发，专注于自然语言处理和语音交互，能提供智能语音对话、信息查询等服务。

23. 昆仑万维天工大模型

昆仑万维推出，有文本生成、知识问答等能力，在内容创作、智能客服等领域有应用潜力。

24. 金山 WPS AI

与 WPS 办公软件结合，提供文档智能处理功能，如自动总结、内容优化，提升办公效率。

25. 奇虎 360 奇元大模型
360 旗下产品，具备多方面能力，可辅助用户进行问题解答、文案创作，满足多种场景需求。

26. 面壁智能面壁露卡 LUCA

面壁智能研发，在自然语言处理任务中表现良好，可实现对话、内容生成等操作，服务用户需求。

27. 网易有道子曰

网易有道推出，结合教育场景，能辅助英语学习、解答学习疑问，助力知识获取与能力提升。

28. 好未来 MathGPT

好未来研发，专注于数学领域，可解决数学问题、提供学习辅导，帮助学生提升数学学习效果。

29. 智者天下知海图 AI

在知识问答、信息检索方面有一定能力，能为用户提供专业领域的知识和信息。

30. 蚂蚁金服 AntGLM

蚂蚁金服开发，可应用于金融等领域，提供智能分析、风险评估等服务，助力金融业务。

31. 极目未来银河大模型

具有多领域应用能力，能在不同场景为用户提供文本生成、问题解答等服务。

32. 维沃移动蓝心大模型

搭载于 vivo 相关产品，提供智能交互体验，如语音助手功能，方便用户操作手机等设备。

33. 网易邮箱智能助手大模型

集成于网易邮箱，可实现邮件智能分类、撰写辅助等功能，提升邮箱使用效率。

34. 元象 XVERSE 大模型

有多种智能服务能力，可进行虚拟场景构建、角色对话等，应用于娱乐、虚拟社交等领域。

35. 朗玛 39AI 全科医生

专注医疗领域，模拟医生诊断，能为用户提供初步医疗咨询和健康建议。

四、大模型平台实践操作

（一）飞桨平台实践

1. 登录飞桨官网，熟悉平台的界面和功能模块，如模型库、开发工具、社区资源等。

2. 选择一个简单的自然语言处理任务，如文本分类，利用飞桨提供的预训练模型和示例代码，进行模型的微调训练。

3. 对训练好的模型进行测试，评估模型的性能，如准确率、召回率等，并根据测试结果进行模型优化。

（二）阿里云百炼平台实践

1. 访问阿里云百炼平台，了解平台提供的大模型服务和工具链。

2. 尝试使用平台的自然语言生成功能，输入相关主题和要求，生成一段文本，如产品介绍文案，感受平台的文本生成能力。

3. 探索平台的自定义编排功能，通过流程画布搭建简单的业务流程，体验平台的灵活性和便捷性。

（三）火山引擎平台实践

1. 进入火山引擎官网，了解火山方舟等大模型服务平台的特点和应用场景。

2. 在火山方舟大模型体验中心，体验不同模型的功能，如文本问答、图像生成等，对比不同模型的表现。

3. 查看平台提供的开源应用案例，学习如何将大模型能力集成到实际应用中。

（四）常用开源社区

1. 阿里魔搭（ModelScope）

阿里巴巴推出的开源模型社区，汇聚海量 AI 模型，涵盖 NLP、CV、语音等多领域，提供模型训练、部署等工具，支持开发者快速复用和创新，助力 AI 技术落地。

2. Hugging Face

全球领先的开源机器学习平台，在自然语言处理及大语言模型生态方面表现卓越。拥有超 10 万 + 模型，覆盖文本、音频、图像等多模态领域，支持 Transformer、BERT、GPT 等系列模型。提供模型推理 API、空间部署、数据集管理等工具，全球开发者活跃协作，在 NLP 领域优势显著，且具备简单易用的 API 和 SDK。

3. TensorFlow Hub（谷歌）

能与 TensorFlow 框架无缝对接，便于开发者快速复用模型，与 TensorFlow 生态深度融合，为使用 TensorFlow 进行开发的人员提供便捷的模型调用与集成服务，助力加速开发流程。

4. PaddlePaddle（百度）

百度开源的深度学习框架，拥有模型库和工具链。对中文模型和场景进行了优化，贴合国内开发者需求，在中文自然语言处理、计算机视觉等相关领域应用广泛。

5. 华为 AI Gallery

华为打造的 AI 资源平台，提供丰富的 AI 模型、应用和解决方案。覆盖计算机视觉、自然语言处理、语音等多领域，与华为的硬件及其他技术产品协同性强，可为开发者提供从模型开发到部署的全流程支持。

6. OpenRouter

统一接入多个大模型（如 GPT - 4、Claude、LLaMA、Mistral 等）的聚合 API 平台，接入 Hugging Face、Anthropic、OpenAI、Mistral、Google 等模型提供商，方便开发者快速测试与接入多种大语言模型，适合模型对比评估与多模型路由切换。

五、产品设计与需求分析实践

（一）需求收集与分析方法

1. 需求收集渠道

包括用户访谈、问卷调查、用户反馈平台、市场调研等，学习如何选择合适的收集渠道和制定收集计划。

2. 需求分析方法

如 KANO 模型、SWOT 分析等，掌握如何对收集到的需求进行分类、优先级排序和可行性分析。

（二）产品原型设计工具使用

1. 常用的产品原型设计工具，如 Axure RP、Sketch 等，学习工具的基本操作方法。

2. 产品原型设计，包括页面布局、功能按钮设置、交互逻辑等。

六、产品测试与反馈处理

（一）产品测试基础

1. 了解产品测试的目的和重要性，掌握测试的基本流程和方法，如黑盒测试、白盒测试、灰盒测试等。

2. 学习如何制定测试计划和测试用例，明确测试的范围、目标、步骤和预期结果。

（二）用户反馈处理

1. 建立用户反馈收集渠道，如产品内反馈入口、客服热线、社交媒体等，确保能够及时获取用户反馈。

2. 对用户反馈进行分类整理，分析反馈的合理性和优先级，对于重要的问题及时反馈给相关部门，并跟踪问题的解决进度。

3. 定期对用户反馈进行总结分析，形成反馈报告，为产品的优化和迭代提供参考。

七、培训考核

1. 理论知识考核

通过笔试的形式，考察实习生对 AI 基础知识、公司 AI 产品体系、主流 AI 产品等内容的掌握程度。

2. 实践操作考核

要求实习生完成指定的实践任务，如使用大模型平台生成文本、设计简单的产品原型、对主流 AI 产品进行体验分析并撰写报告等，评估其实践能力。

3. 综合评价

结合实习生在培训期间的表现，如学习态度、团队协作能力等，进行综合评价。