适用于 Cursor、Claude Code 等支持 Agent Skills（单文件 SKILL.md）的环境：生成 AI 产品经理应知应会笔记时，统一采用 ① 知识本身｜② AI PM 内化｜③ 应用层实践 三面结构。
ai-pm-knowledge-notes/
├── SKILL.md # Skill 本体（必选）
├── README.md # 安装说明（本文件）
├── LICENSE # MIT
└── .gitignore
请复制 ai-pm-knowledge-notes 整个目录（不要只拷贝单个文件），否则会破坏各工具约定的路径层级。
<你的项目>/.cursor/skills/ai-pm-knowledge-notes/
<你的项目>/.claude/skills/ai-pm-knowledge-notes/SKILL.md
~/.claude/skills/ai-pm-knowledge-notes/SKILL.md
若 SKILL.md「落盘约定」中的默认文件夹与你的仓库结构不一致，在实施时请在对话里指定输出目录，或 fork 后在本地修改该表。
笔记写完 ①②③ 以后，通常还要能 在 90 秒内讲清骨架、并 预判追问。SKILL.md 约定可在同文件追加：
| 块 | 作用 |
|---|---|
| 口述 · 90 秒（提纲） | 人设一句 + 3 枚「论断 + 可核实例子」+ 收口（把追问引向 ② 或 ③） |
| 深挖 · 预埋追问 | 6 条自问（边界、失败、指标、分工、成本、复盘），条目后附半行提示；尽量挂简历里真实项目占位 |
协作节奏见 SKILL.md §6：正文结构化 → Agent 与用户补口述/追问 → 用户录音迭代。个人「演练自检表」「双链索引」留在本地笔记库即可，无需进本仓库。
以下为 浓缩范例：真实产出会比这长数倍；仅供看清 三面正文 + 口述 + 预埋追问 如何接在同一篇末尾。
点击查看范例 Markdown 结构（可作为 Agent 填空参考）
# 检索增强（RAG）
## ① 知识本身是什么
- 在生成前注入 **与用户问题相关的外部片段**（检索 Top-K），再交给模型组织答案；核心是 **召回质量 + 上下文窗口 + 拒答策略**。
- 常见链路：切分 → 向量化入库 → query 改写/多路检索 → 重排序 → prompt 拼装 → 生成与引用对齐。
## ② AI PM 如何消化认知
- 对齐算法时问清：**embedding 与时效**、**混合检索权重**、**hallucination 与「无上下文」兜底**。
- 心里要有检查清单：**可引用 vs 可总结**、**敏感域是否人机复核**。
## ③ 应用层如何理解与实践
- 产品形态：**企业知识库问答**、工单辅助、售前材料检索；门禁：**离线评测集 Hit@K / 相关性人工抽检**。
- 灰度：**先对内再对外**；守门指标：**幻觉率类反馈** + **端到端耗时 P95**。
---
## 口述 · 90 秒（提纲）
- 开场：我做 B 端知识场景，本题「RAG」我理解为「检索先于生成」，价值在可控知识与可追责引用。
- 钉子①：**先解决找得到**——混合检索 + 重排；例子：工单场景 Top-5 相关性人工过线。
- 钉子②：**再解决讲得稳**——无命中走拒答模版，不硬编（接：某次上线前我们把「空召回」话术写进 SLA）。
- 钉子③：**可验收才上线**——离线集 + P95；收口：追问愿先展开「指标体系」还是先讲「算法/工程分工」。
## 深挖 · 预埋追问（自问）
1. 边界：和「只靠模型内化知识」分界线？（提示：可变、专有、合规域必须可走引用链）
2. 失败：最坏是「有相关片段但没召回到」——你怎么发现？（提示：Bad case 回放、query 日志聚类）
3. 指标：北星 vs 守门各选一个？（提示：采纳率 vs 相关性/幻觉类反馈）
4. 分工：召回谁主责、产品上你拍哪些板？（提示：阈值、话术、兜底策略文档）
5. 成本：砍过一刀吗？（提示：片段长度、异步摘要、缓存）
6. 重来：仍会坚持的决策？（提示：先有评测门禁再放开流量）若要 Agent 一次性生成：请说明主题 + 落盘路径 + 是否文末追加「口述与深挖」。
MIT，见 LICENSE。