在这一幕中您不仅要能发现AI产品的机会，想出新点子，更重要的是您要练就一双火眼金睛，能在大厂里大量伪需求、技术噱头和组织诉求中识别真正值得投入的用户问题与AI机会。在部门墙、抢预算、抢叙事的大战中脱颖而出。除了完成场景中的任务，在这一幕中您还会学习：AI产品基础、用户研究、创新方法、产品战略与系统思维，能够判断“这个问题是否值得用AI重新解决”。

在这一幕中您要找到产品背后真正的问题，把模糊的业务诉求转化为可以验证评估的产品问题，并提前定义什么叫成功、什么是失败。您要小心自己是不是自己正在撰写后期所有甩锅的合同原文。最后方案错，十有八九是这幕里的问题或成功标准写错了。除了完成场景中的任务，在这一幕中您还会学习：问题定义、需求分析、产品心理学、心智模型、团队管理、行为设计、Baseline、Eval Set、指标、Failure Cases和风险边界，形成AI PRD与初始评测标准。

在这一幕中您要能判断：在投入大规模研发前，这个产品在技术上、商业上成功的可能性。这一幕到处是坑：大厂立项靠评审叙事。压住坏 case、藏成本、挑友好用户，面对这些潜规则您该怎么办？一日一包，面对“想太多、推动力差”的PUA时该怎么办？除了完成场景中的任务，在这一幕中您还会学习：生成式AI、经典机器学习、模型选择、Prompt、数据、RAG与Agent基础，并通过PoC验证能力、数据、成本、延迟和风险是否达到最低门槛。

在这一幕中您要把需求转化为清晰、可执行的产品方案。例如：如何把不稳定的模型能力真正变成真正稳定的产品系统。但你也可能面对：“边界没画清，出了事没人认”的窘境。评审会变成甩锅预演。除了完成场景中的任务，在这一幕中您还会学习：AI PRD、系统架构、上下文工程、RAG、Tool、Memory、Skills、Agent Workflow、AI UX、权限、人机协同、降级与风险控制。

在这一幕中您要面对“技术外衣下的政治”，您必须不断证明系统在真实任务上足够好，并且修改后不会把原来正确的能力破坏掉。但什么是好？如何面对业务数据脏、口径冲突、权限抽不出来？这里的问题层出不穷，不是“功能做完就算完成”。除了完成场景中的任务，在这一幕中您还会学习：Vibe Coding、敏捷开发、AI测试、Golden Dataset、Grader、LLM-as-a-Judge、Task Eval、Agent Eval、Regression、Tracing和Failure Analysis。

在这一幕中您会遇到新的挑战：离线评测通过并不代表真实世界成立，真实大厂中大量试点进不了生产，产品经理必须控制风险地把AI放进真实用户和真实工作流中验证。你还会面对部门墙、成本休克与合规急刹等一系列问题。除了完成场景中的任务，在这一幕中您还会学习：精益创业、MVP与Pilot、用户验证、A/B测试、灰度发布、回滚、生产安全、合规、商业模式、AI成本与Unit Economics，并决定是否扩大规模。

在这一幕中您或许将化身为没编制的永久救火队员。AI产品上线后最大的挑战是持续面对真实输入、模型变化、成本变化和竞争变化，避免今天成立的PMF明天突然失效。这里并非总是康庄大道，您要能从甩锅循环中全身而退。除了完成场景中的任务，在这一幕中您还会学习：精生产监控、持续Eval、Failure Mining、Observability、PMF、产品生命周期、模型迁移、增长、产品战略、组织协作与持续改进。