Agent 产品经理
把开放任务做成可持续运行的产品，重点设计 Context、Tools、Memory、权限、事件、用户控制、失败恢复和 Eval。
代表场景：Claude Code、Codex、研究 Agent、客服 Agent 面向 AI 时代产品经理的系统学习网站
不只认识 Agent，
学会研究、判断与设计它。
从 AI 能力边界与工程边界开始，理解单次 AI、Workflow 与 Agent 的差别；再深入 Claude Code、Codex 与开源 Harness 的真实实现，把理解转化成流程重构、Agent 产品设计、PRD、评测与面试能力。
24教材级课程
19源码主模块
4模拟路径
36高频面试题
23一手来源 / 源码
PRODUCT SYSTEMAgentModel × Harness
01Context上下文
02Tools工具
03Memory记忆
04Evals评测
05Policy权限
06UX交互
你要设计的不是一个聊天框，而是一套可行动、可验证、可控制的系统。
MAP
AI PM LANDSCAPE / 共同底座，不同工作方向
AI 时代产品经理，
不是一个单一岗位名。
有人直接设计 Agent 产品与 Harness，有人用 AI 重构企业内部流程。两条路径关注的产品对象不同，但都必须理解模型能做什么、工程必须保证什么。
企业流程 AI 产品经理
从现有业务流程出发，判断哪些步骤保留规则和 Workflow，哪些开放判断交给模型，并处理数据、合规、集成和组织落地。
代表场景：报销预审、采购分析、知识运营、销售辅助SPECIMEN
SOURCE CUTAWAY / Agent 样板间
像看装修剖面一样，
看懂 Agent 内里。
左边保留完整使用效果，右边把同一个任务逐层剥开。不是罗列目录，而是从用户感知一路追到会话、循环、上下文、工具、安全、记忆和运行工程。
基于第三方逆向还原仓库固定提交 006ad97f，并用 Anthropic 当前官方资料校准。完整面用户任务 → 可验证结果输入 · 进度 · 审批 · 恢复 · 交付
剖面
L1入口与交互装好的墙面与开关
L2会话与循环墙内龙骨与房间结构
L3上下文与模型保温、找平与空间尺度
L4行动与安全水、电、阀门与空气开关
L5扩展与记忆可扩展管线、储物与分区回路
L6运行与工程地基、检修口与施工验收记录
以 DeepSeek Agent Harness 岗位作为高标准校准
DEDeepSeek Agent Harness 团队招聘官方招聘 · 核验 2026-07-11它不是唯一职业路径，而是一把检验系统理解、产品判断、动手能力与评测能力的高标尺。
JD
HIGH BAR / 用真实岗位要求校准 Agent 产品能力
先建立 AI 产品共同底座，
再用高标准检验 Agent 深度。
不论你做 Agent 产品，还是用 AI 重构企业流程，都需要理解模型与工程边界。DeepSeek 岗位要求作为 Agent PM 深度方向的最高对齐标准，并连接到可检查的作品证据。
岗位能力课程覆盖完成证据验收信号
Harness 机制理解模块 1–3架构图 + 事件 Trace能定位 Model / Harness / Client 责任
Agent 深度使用模块 1–330 次同任务对测判断来自重复 Trial 而非单次 Demo
失败与边界嗅觉模块 2、4事故复盘 + 威胁模型能找到首次偏离点和恢复路径
数据与评测模块 510–20 任务 Eval Suite能定义 Outcome、Grader 与发布门槛
Vibe Coding / UIUX模块 6可运行原型 + 完整状态正常、等待、拒绝、失败、恢复均可演示
路线图与共同进化模块 6DeepSeek 半年 Case假设、资源、指标和 Kill Criteria 完整
00
AI PM RESPONSIBILITY MAP / 工作内容如何变化
产品工作的起点没有变，
系统边界变复杂了。
用户洞察、商业判断、流程设计与跨团队协作仍然重要。新增的是：判断何时使用模型、何时坚持确定性工程；如何设计可行动的 Agent；以及怎样用真实结果、轨迹和评测管理不确定性。
原有产品工作AI 带来的新问题AI 时代产品工作
设计页面与业务流程模型会动态判断路径选择单次 AI、Workflow 或 Agent，并定义任务边界
验收功能与业务规则输出具有概率性同时验收真实结果、执行轨迹、成本与风险
连接内部系统与数据Agent 可以代表用户行动设计工具合同、权限、审批、回滚与审计
分析转化、留存与效率一次成功不代表稳定能力建立任务集、多次 Trial、Grader 与版本基线
撰写 PRD 与协作说明模型也需要读取工作环境让规则、知识、状态和反馈既对人清楚，也对 Agent 可用
01
CAPABILITY MAP / 六维能力自测
先知道自己缺什么，
再决定下一小时学什么。
拖动评分形成你的当前基线。数据只保存在当前设备，用于推荐下一步课程。
OUTPUT
PORTFOLIO EVIDENCE / 学习承诺必须落到真实产物
三类核心作品，贯穿整条学习路径。
下面不是虚构学员评价，而是你会逐步完成的作品结构。展开即可预览它们需要包含的证据。
Agent 同任务调研报告
用同一真实任务比较 Claude Code 与 Codex，保存原始轨迹并谨慎归因。
查看作品结构 ＋
- 1任务与环境快照
- 2至少 6 条完整运行轨迹
- 3结果 / 过程 / 体验评分
- 4失败分类、反例与路线图 memo
Agent Eval Suite
把“感觉不错”变成可重复的任务、Trial、Outcome、Grader 与版本报告。
查看作品结构 ＋
- 110–20 个真实任务
- 2参考证据与正反样本
- 3代码 / 模型 / 人工 Grader
- 4Capability 与 Regression 报告
Harness 产品六件套
不只写 PRD，同时交付状态机、原型、威胁模型、Eval 与发布说明。
查看作品结构 ＋
- 1任务契约与非目标
- 2状态机和系统时序
- 3完整异常态交互原型
- 4威胁模型、Eval 与发布门槛
02
LEARNING LOOP / 授人以渔
每个概念，都必须走完
一轮可验证的学习闭环。
“看懂”不是终点。你要能亲手体验、保存轨迹、提出假设、完成原型，并用失败样本修正判断。
01理解建立最小解释→
02使用完成真实任务→
03观察保存完整轨迹→
04拆解定位责任边界→
05评测建立质量标准→
06构建做出可运行原型→
07复盘用失败修正判断
03
RESEARCH PATH / 任务轨迹，而不是功能清单
Agent 产品差异，
藏在执行过程里。
使用同一个任务观察计划、工具、审批、重试、产物和人工介入，再把感受改写成可验证假设。
选真实任务
选择有价值、可验证、有明确环境的端到端任务。
记录完整轨迹
保存输入、计划、工具、审批、观察、重试与产物。
拆责任边界
定位模型、上下文、工具、策略、界面或评测问题。
建立失败分类
找到首次偏离点，把主观失败变成可复现类型。
跨产品对照
固定任务与标准，比较成功、介入、成本和恢复。
提出验证假设
把观察改写成可证伪的方案、指标与实验。
04
CURRICULUM / 从认知到作品
七个模块，建立一张
可以持续扩展的地图。
课程不是功能说明书。每一课都包含核心问题、产品视角、练习与一手来源。
YOUR OUTPUT, NOT JUST INPUT
毕业时，你会带走一套能被检查的证据。
10 条任务轨迹 · 一套 Agent Eval · 一份 Harness PRD · 一个可交互原型 · 一场完整答辩