# AI Agent PM：PM的第六种类型？ > 作者：晨旭｜发布：2025-11-05｜系列：入门系列文章 > 来源：https://chenxu.xin/writing/agent-pm-sixth-type 用 Peter Deng 的 PM 五种原型和 Karpathy 的软件 3.0 拼出一条演进路径：AI PM 正从软件 2.0 的算法 PM，走向软件 3.0 的 Agent PM。 --- AI Agent PM 正在成为科技行业薪酬最高（传闻达 75 万美元以上）、增长最快的职位之一。 但这背后，是传统产品管理范式的彻底颠覆。曾在 FAANG 任职的资深 PM Mahesh Yadavad 提出了一个「马车先行」开发法： - **旧世界**：PM 花数月调研，撰写厚重的 PRD，再交给工程开发。 - **新世界**：AI 让原型成本降低了 100 倍。PM 必须在两周内，用 Langflow、v0 等工具 Vibe Coding，先把原型「怼」到客户面前，拿到反馈后再去补写一份小而精的需求文档。 但作为一个 AI PM 学习者，我还是会感到困惑：在传统互联网时代，PM 的职责是清晰的，比如业务 PM、增长 PM、平台 PM；但在 AI 时代，PM 的边界似乎很模糊。AI PM 到底是一个全新的岗位，还是只是传统 PM 的演进呢？ 尤其是当我审视当下的市场，我发现一个「交叉共存」的局面： - 基础模型层 PM（拥有自研模型） - AI Native 应用 PM（从零开始构建 AI 原生应用） - 传统业务 +AI 增强 PM（在现有业务中「+AI」，例如电商、内容、SaaS） - 纯传统互联网 PM（暂时未涉及 AI） 这种多样性让我更加困惑：我自己的职业规划该怎么做？我到底适合哪一种？ 为了搞清这个问题，我近期做了一些功课，试图从两位顶尖思想者的分享中，拼凑出 PM 的角色演进，并找到我自己的位置：Peter Deng 定义了 PM 的「5 种原型」，Andrej Karpathy 定义了「软件 3.0」的新时代。 总结出一条清晰的路径：AI PM，正从软件 2.0 的「算法 PM」，演进到软件 3.0 的「Agent PM」。 ## Peter Deng：PM 的五大原型 在谈论 AI PM 之前，先从 Peter Deng 定义的 PM 五种原型框架开始。他认为一个优秀的 PM 团队应是「复仇者联盟」，每个人有不同的超能力：需要不同角色间的良性对抗，而不是千篇一律的「六边形战士」。 **1. 消费类产品经理** 画像是「一个兼具设计师和产品经理特质的人」。特质是对细节极度痴迷——「它令人愉悦吗？精工细作够吗？天啊，这里偏了三个像素。」他们能感受到产品的 Vibe。 **2. 增长型产品经理** 画像是「一半是数据科学家，一半是产品人」。天生习惯于优先思考数字，充满怀疑精神——「我持怀疑态度，给我看看数据。让我做个测试来验证一下，我不相信你。」 **3. 业务型产品经理** 画像是「一半是 MBA，一半是产品人」。天生从商业模式出发，思考「利润如何？有哪些机遇，价值又是在何处创造的？」他们会思考「这里的激励是什么？」 **4. 平台型产品经理** 画像是系统构建者。天生热衷于为他人打造工具（如内部平台），构建能「助你前行的工具」。 **5. 研究型产品经理** 画像是「半研究员半工程师半产品人」。Deng 提到，这就是 AI PM 的核心——「如今，真正具备产品品味的人是谁？是那些深入了解技术及模型的训练方式，进而影响并构建最棒的产品的人。」 这个框架给我们的启发是：不必强迫自己成为完美的「全能 PM」，而是应该找到自己的优势区。 ## 从软件 2.0 到 3.0 的范式转移 Peter Deng 的框架很好，但它是建立在特定技术时代之上的。而 Karpathy 的「软件 3.0」理论，则精准地定义了时代正在发生的改变： - **软件 1.0**（C++ / Java）：程序员「显式」编写代码。 - **软件 2.0**（神经网络 / 权重）：通过数据集和优化器来「编程」神经网络的权重。 - **软件 3.0**（LLM / Prompt）：LLM 可能是一个全新的操作系统，而我们的提示词本身就是程序。我们正在用自然语言编程。 Karpathy 的理论引出了两个颠覆性的事实： - **AI 的「不可预测性」**：你无法像软件 1.0 那样，用静态 PRD 去穷举 AI 的所有行为。 - **开发的「马车先行」**：PM 可以在几周甚至几天内构建原型。 这就导向了一个核心矛盾：当 AI 的行为不可预测，而 AI 的原型又如此之快时，PM 的传统 PRD（静态、滞后）失效了。 ## AI PM：从算法 PM 到 Agent PM 结合 Deng 的原型和 Karpathy 的时代划分，AI PM 的演进路径变得异常清晰。 ### 阶段一：算法 PM（软件 2.0 时代） 在软件 2.0 时代（即传统机器学习、深度学习时代），AI PM 的角色更接近五种原型中的「研究型 / 算法 PM」。 - **角色定位**：「炼丹炉」的辅助者，算法的翻译官。 - **核心工作**：核心三件套是「场景、数据、评测」。PM 不编写算法，但需要通过定义标注规则、寻找 bad case、设计评测体系来「编程」数据集。 - **最终目标**：让模型变得更准。 ### 阶段二：Agent PM（软件 3.0 时代） 在软件 3.0 时代，Karpathy 说 LLM 会是一个全新的 OS。我们不再需要从零「炼丹」，可以直接使用这个 OS。 LLM 的下一步是 AI Agent。Agent 不再是「被动回答」的聊天机器人，它是一个可以「感知-规划-行动」的自主系统： - **工具**：能调用 API、搜索、写代码来改变世界状态。 - **目标**：拥有明确的角色和目标，并会为了实现目标而持续尝试。 - **知识与记忆**：能连接外部知识库（RAG）或拥有记忆。 - **护栏**：拥有检查和平衡机制，确保行为可控。 这就催生了一个全新的名称：Agent PM。 - **角色定位**：不再是「辅助者」，而是「系统设计者」。 - **工作核心**：设计 Agent 的感知、规划和行动。 - **核心产出**：「活的 PRD」，即一个动态的、可执行的、不断进化的评测体系。 在 Agent 时代，「评测」不再是 QA 的辅助工作，它本身就是 PM 定义产品的核心手段。 更精妙的是，这个构建「评测体系」的过程，恰好需要「复仇者联盟」的全部五种能力。我们再拿小红书的案例来展示（现阶段可能还没有这么明确的分工，以下只是一个类比）。 **1. 用「黄金评测」定义产品上限** 传统 PRD 是写一篇文档描述「旅游攻略」应该长什么样；Agent PM 是直接去定义甚至标注 100 条「理想的」旅游攻略 SFT 数据。 这需要**消费类 PM** 的极致品味和用户共情，来定义「什么才是好」。 **2. 用「负面评测」定义产品底线** 传统 PRD 是在文档里写一条「回答风格不要油腻」；Agent PM 是把「油腻」「重复」「答案错误」等失败模式提炼出来，定义成确定性的 Reward 信号，用来训练 Reward Model。 这需要**研究型 PM** 的技术理解力，将模糊的产品感受转化为可量化的惩罚信号。 **3. 用「工作流」平衡价值与成本** 纯 Agent 的输出不可控且成本高。Agent PM 必须做出架构决策：何时使用高确定性、低成本的 Workflows（如「霸王茶姬推荐」），何时使用高灵活性、高成本的 Agentic Search（如「UPF 是什么意思」）。 这需要**业务型 PM** 的商业头脑，来判断用户真正需要的价值是「效率」还是「探索」，并平衡开发和维护成本。 **4. 用「评测飞轮」驱动产品进化** Agent PM 的核心工作是构建并拥有那个 A1-A2-A3 评估飞轮：A1 定义多维评估标准，A2 引入 LLM 法官实现自动化评估，A3 收集真实用户反馈反过来迭代 A1 的标准。 其中 A2 需要**平台型 PM** 的系统思维来构建自动化工具，A3 需要**增长型 PM** 的数据分析能力来闭环反馈。 ## 所以，我到底适合哪种 PM？ 这条演进之路现在非常清晰了： - 算法 PM（软件 2.0）= 研究型 PM（Deng 原型 5） - Agent PM（软件 3.0）= Deng 的 5 种原型合体 在 Agent 时代，一个酷炫的聊天界面（像素）不重要，Agent 是否「可靠地」完成了用户的「目标」（价值）才重要。AI PM 不再是单一职能，必须： - 像「消费类 PM」一样定义「好」的黄金标准； - 像「平台型 PM」和「研究型 PM」一样构建自动化的评测系统； - 像「增长型 PM」和「业务型 PM」一样，让整个评测飞轮与真实的用户价值和商业目标对齐。 这也许就是为什么 Peter Deng 在招聘时，最看重的不是你来自哪个原型，而是你是否具备「成长型思维」。 那么回到最初的问题：我适合哪种 PM？ 这个框架告诉我们：我们不必是「六边形战士」，但必须拥有自己的「超能力」。 - 如果是消费类 PM，你的品味和用户共情是定义「黄金评测」的基石。 - 如果是增长或业务 PM，你的商业嗅觉和数据能力是 Agent「不跑偏」的保障。 - 如果是平台或研究 PM，你的技术深度和系统思维是构建「评测飞轮」的核心。 在 AI 时代，所有人都在重新学习。我们要找到自己的优势区，然后开始构建自己的「评测」能力。 ## 最后 Peter Deng 的访谈中提到了一句 Instagram 的座右铭，分享给大家： > We may not be right, but at least we're not confused. > > （我们可能不正确，但至少我们没有困惑。） ## 核心结论 - AI PM 的演进路径是从软件 2.0 的「算法 PM」走向软件 3.0 的「Agent PM」，角色定位从算法的辅助者变成系统的设计者。（判断） 永久链接：https://chenxu.xin/writing/agent-pm-sixth-type#algo-pm-to-agent-pm - 算法 PM 对应 Peter Deng 五种原型里的研究型，而 Agent PM 需要五种原型的合体——因为构建评测体系恰好用得上全部五种能力。（判断） 永久链接：https://chenxu.xin/writing/agent-pm-sixth-type#agent-pm-needs-all-five-archetypes - AI 让原型成本降低了 100 倍，「马车先行」成立：先在两周内把原型怼到客户面前，拿到反馈后再补一份小而精的需求文档。（判断） 永久链接：https://chenxu.xin/writing/agent-pm-sixth-type#prototype-first-then-prd - 在 Agent 时代，一个酷炫的聊天界面不重要，Agent 是否可靠地完成了用户的目标才重要。（判断 · 把握较大） 永久链接：https://chenxu.xin/writing/agent-pm-sixth-type#goal-matters-more-than-pixels - 不必强迫自己成为完美的「六边形战士」，一个优秀的 PM 团队应该是复仇者联盟，需要不同角色间的良性对抗。找到自己的优势区就好。（判断） 永久链接：https://chenxu.xin/writing/agent-pm-sixth-type#find-your-superpower --- 本文出自晨光里的AI（https://chenxu.xin），作者晨旭。 引用时请保留来源链接。文中标注「判断」「假设」的部分是作者的个人看法，不是事实。