（上）讲 M1-M6 主里程碑，（中）讲 M4 + M5。本篇（下）讲 M7-M10——不是上下级，是企业岗位并行路线。M7+ 不是”继续升级”，是”4 个平行的职业方向”。

一、M7-M10 设计原则

1
2
3
4
5
6
M1-M6：共同基础 + 分支必选（个人能力）
M7-M10：4 个企业岗位并行（团队角色）
  ├─ M7-P 产品经理
  ├─ M8-D 开发工程师
  ├─ M9-A 架构师
  └─ M10-O 运维交付负责人

关键：M7+ 是水平分工，不是”升级”。

  • M7 选产品路线 ≠ 比 M9 “低”
  • M9 选架构路线 ≠ 比 M7 “高”
  • 4 个角色在企业里是协作关系，不是进阶关系

一个人可以多选——如”产品 + 架构”。但不必全选——能成为 T 型人才（深 1 个 + 广 2-3 个）就够。

二、M7-P 企业 AI 产品经理

2.1 职责

1
2
3
4
5
6
7
- 业务需求分析
- PRD（含 AI 能力清单）
- 路线图
- 指标设计（业务 + AI）
- 跨部门协调（销售 / 工程 / 法务）
- 用户访谈 + 数据分析
- 商业价值评估

2.2 核心技能点

  • 业务分析：5W1H、用户故事、痛点识别
  • AI 能力评估：什么任务 AI 能做、什么不能
  • PRD 写作：清晰描述 AI 行为 + 验收标准
  • 指标设计：北极星指标 + 过程指标
  • 跨部门协调：销售 / 工程 / 法务沟通
  • 数据分析：SQL / 漏斗 / 留存

2.3 学习路径

1
2
3
4
5
6
7
M1-M6（基础） → M5 选 Skill 产品化（出产品感觉）
              ↓
读《俞军产品方法论》《精益创业》
              ↓
找 1 家公司当 AI PM 助理
              ↓
独立做 1 个 AI 产品 0-1

2.4 M7-P 通关标志

  • 1 份完整企业 AI 产品 PRD（含需求 / 路线图 / 指标）
  • 1 个 AI 产品 0-1 上线（哪怕 MVP）

三、M8-D 企业 AI 开发工程师

3.1 职责

1
2
3
4
5
- AI 系统开发（Agent / RAG / 工作流）
- 集成（LLM API / 向量库 / 第三方工具）
- 调优（性能 / 准确率 / 成本）
- 测试（自动化 / 人工 / 业务）
- 上线 + 监控

3.2 核心技能点

  • AI 框架：LangChain / LlamaIndex / LangGraph / OpenClaw
  • LLM API：Prompt / Function calling / Streaming
  • 向量库：pgvector / Milvus / Qdrant / Chroma
  • 集成：API 设计 / 异步任务 / 消息队列
  • 性能：缓存 / 批处理 / token 优化
  • 测试：单测 / 集成测 / 端到端
  • 部署：Docker / K8s / CI/CD

3.3 学习路径

1
2
3
4
5
6
7
M1-M6（基础） → M5 选 AI 应用开发（写代码为主）
              ↓
读《Designing Data-Intensive Applications》
              ↓
找 1 家公司做 AI 工程师
              ↓
独立做 1 个完整 AI 项目（含前端 + 后端 + AI）

3.4 M8-D 通关标志

  • 1 个完整企业 AI 系统 Demo（前端 + 后端 + AI + 上线）
  • 1 套 CI/CD + 监控（可演示）

四、M9-A 企业 AI 架构师

4.1 职责

1
2
3
4
5
6
- 业务 / 应用 / 数据 / 集成 / 安全 / 治理架构
- 技术选型（LLM / 向量库 / Agent 框架）
- 模型路线（开源 vs 闭源 / 通用 vs 垂直）
- 系统设计（架构图 / 时序图 / 部署图）
- 方案表达（PPT / 文档 / 答辩）
- 跨团队协调

4.2 核心技能点

  • 架构方法论：C4 模型 / DDD / 微服务
  • AI 路线：通用 LLM / 行业 LLM / 微调
  • 系统设计：性能 / 可用性 / 安全 / 成本
  • 方案表达：画图 / 写文档 / 答辩
  • 跨团队：和销售 / 工程 / 高管沟通

4.3 学习路径

1
2
3
4
5
6
7
M1-M6（基础） → M5 选 Agent 系统 / RAG（架构基础）
              ↓
读《系统架构设计》《Building Microservices》
              ↓
做 1-2 个完整 AI 架构设计（10+ 组件）
              ↓
当 1 次企业 AI 项目的技术负责人

4.4 M9-A 通关标志

  • 1 套完整企业 AI 架构包（架构图 + 选型 + 部署 + 治理）
  • 1 次企业级立项答辩（PPT + 现场 Q&A）

五、M10-O 企业 AI 运维交付负责人

5.1 职责

1
2
3
4
5
6
- 部署（生产环境搭建）
- 监控（性能 / 可用性 / 成本）
- SLA（99.9% / 99.99%）
- 培训（用户 / 客服）
- 验收（客户签字）
- 持续运营（bug 修复 / 版本迭代）

5.2 核心技能点

  • 部署：Docker / K8s / Terraform
  • 监控：Prometheus / Grafana / 告警
  • SLA 设计：可用性指标 / 降级方案
  • 培训：用户文档 / 培训视频
  • 验收：交付物清单 / 测试用例
  • 运营：工单系统 / 反馈闭环

5.3 学习路径

1
2
3
4
5
6
7
M1-M6（基础） → M5 选工作流 SaaS（部署经验）
              ↓
学 Docker / K8s / Prometheus
              ↓
做 1-2 个 SaaS 项目的运维
              ↓
做 1 次企业 AI 项目的运维交付负责人

5.4 M10-O 通关标志

  • 1 套完整企业 AI 运维包（监控 + SLA + 培训 + 验收）
  • 1 个 99.9% SLA 项目跑半年（零重大事故）

六、4 个岗位对比

维度 M7-P 产品 M8-D 开发 M9-A 架构 M10-O 运维
核心输出 PRD 代码 架构图 SLA 报告
典型工具 Figma / Notion Cursor / 框架 Draw.io K8s / Prometheus
学习重点 业务 + AI 边界 编码 + 集成 设计 + 选型 部署 + 监控
薪资范围 25-80 万 25-70 万 40-100 万 25-60 万
转岗容易度 高（产品 ↔ 运营） 中 低（深度技术） 中（运维 ↔ SRE）
T 型扩展 业务 + AI 后端 + AI 架构 + 业务 运维 + 业务

七、4 岗位协作流

1
2
3
4
5
6
7
8
9
10
                M7-P（产品）
                ↓ 写 PRD
                ↓
M9-A（架构）→ 选型 / 架构设计
                ↓
M8-D（开发）→ 实现 / 集成
                ↓
M10-O（运维）→ 部署 / 监控 / 培训
                ↓
                ↻ 反馈回 M7-P（迭代）

4 个角色不是串行，是迭代循环。

八、3 个常见误区

  1. 不要”全栈 AI 工程师”——4 个岗位都沾 = 都不精
  2. 不要”学完再干”——边干边学，企业里 80% 技能是 on-the-job 学的
  3. 不要”只做岗位”——T 型发展：1 个深 + 2-3 个广

九、T 型人才发展路径

1
2
3
4
5
6
7
新手（0-2 年）→ M1-M6 完成
             ↓
专精期（2-4 年）→ M7+ 选 1 个深耕
             ↓
T 型期（4-7 年）→ 深 1 + 广 2-3
             ↓
横向期（7+ 年）→ 跨岗位协调 / CTO / 创业者

十、本文 + 前两篇

  • （上）M1-M6 主里程碑（已写）
  • （中）M4 工作流 + M5 七大分支（已写）
  • （下）M7-M10 企业岗位并行（本文）

三篇核心洞察：M1-M6 是”学会用 AI”，M5 是”用 AI 做项目”，M7+ 是”用 AI 在企业里赚钱”。技能树不是”考试大纲”，是”职业成长路径”。完成 M1-M6 = 个人能用 AI；完成 M5 = 能做项目；完成 M7+ = 能进企业做企业级 AI 应用。三阶段对应”个人 → 项目 → 团队”的能力跃迁。