复合型 PM
AI 时代取代传统”单一角色 PM”的主流形态——不仅懂业务，还要懂模型边界、Token 成本、Agent 编排、RAG 数据工程、Eval 评估体系，能在不依赖其他岗位的情况下自己调度多种 AI 工具和多个 Agent 来完成项目目标。它不是要 PM 变成算法工程师，而是要成为一个”工具调度者”。
简介
复合型 PM（Full-stack / Composite Product Manager）是小太阳Mona 在 2026-07-01-woshipm-pm-3-unchanged-3-changing 中提出的、AI 时代 PM”三个正在变”里的第三个变化：从单一角色到复合调度。 它描述的是 PM 岗位分工从”清晰垂直”走向”横向融合”的结构性转变。
过去产品岗位分工相对清晰，大部分按公司业务职能划分：业务 PM 管功能，平台 PM 管底层架构，增长 PM 管数据，商业化 PM 管营收。但 AI 时代复合型 PM 成为主流——你不仅要懂业务，还要懂模型边界（什么时候用 LLM、什么时候用规则引擎）、懂 Token 成本（怎么设计缓存策略）、懂 Agent 工作流编排、懂 RAG 数据工程、懂 Eval 评估体系。
作者特别强调：这并不意味着 PM 要变成算法工程师，而是要成为一个”工具调度者”——在不需要其他岗位参与的情况下，为了达成项目目标，能自己调度多种 AI 工具、多个 Agent 来提升自身岗位的交付效率。复合型 PM 建立在 业务洞察、问题定义能力、跨部门协调 三个不变的能力底座之上，是底座之上”工作方式变化”的产物。
关键信息
| 维度 | 内容 |
|---|---|
| 类型 | AI 时代产品经理角色形态 |
| 定位 | AI 时代 PM”三个正在变”之三：单一角色 → 复合调度 |
| 对立形态 | 传统单一角色 PM（业务/平台/增长/商业化各管一摊） |
| 核心定位 | 工具调度者（不是算法工程师） |
| 能力要求 | 业务 + 模型边界 + Token 成本 + Agent 编排 + RAG 数据工程 + Eval |
| 关联概念 | 业务洞察、问题定义能力、跨部门协调、Agentic Workflow、Vibe Coding、OPC |
核心特性
1. 从”按职能垂直分工”到”横向复合”
传统 PM 岗位按业务职能垂直切分，每个 PM 深耕一块：
| 传统 PM 类型 | 负责领域 |
|---|---|
| 业务 PM | 功能 |
| 平台 PM | 底层架构 |
| 增长 PM | 数据 |
| 商业化 PM | 营收 |
AI 时代这种边界被打破，复合型 PM 需要横跨多个领域，尤其要补齐”AI 技术栈认知”这一维度。
2. 复合型 PM 需要补齐的 AI 认知维度
作者列出复合型 PM 除业务之外必须理解的技术边界：
- 模型边界：什么时候用 LLM，什么时候用规则引擎
- Token 成本：怎么设计缓存策略降低调用成本
- Agent 工作流编排：如何设计多 Agent 协作流程（见 Agentic Workflow）
- RAG 数据工程：如何构建和治理知识库（见 RAG 知识库）
- Eval 评估体系：如何设计评估指标监控 AI 输出质量（见 Eval 框架）
3. JD 里的信号：AI 落地经验成为加分项
作者观察到，从去年开始，几乎每个 PM 相关招聘岗位都新增了一条类似的加分项：“有 AI 产品落地经验优先，包括但不限于 AI 智能决策、AI 流程自动化、AI 数据分析、LLM 应用以及 Agent Skills 在 B 端系统的落地实践。” 这是复合型 PM 从”少数人的优势”变成”岗位标配要求”的直接证据。
4. 工具调度者：PM 的新工作方式
复合型 PM 的核心不是掌握某一门深度技术，而是”调度”——为了达成项目目标，自己调度多种 AI 工具和多个 Agent。作者给出的典型场景：
- Vibe Coding：用自然语言驱动 AI 直接写代码、搭 Demo
- 多 Agent 分任务调度：让不同 Agent 并行处理子任务
- AI 写 SQL / 执行脚本：让 Agent 自动跑数据分析
- AI 竞品分析：让 Agent 跑一圈竞品网站帮你蹲点做竞品分析和数据统计
- OPC 形式部署：直接用 One-Person Company 形式把小功能从开发直接完成部署上线
结论：这个时代单一能力已经不够用了，复合型产品为了呈现更多结果，需要去学习更多可用的 AI 工具。
不同素材中的观点
《写PRD画原型时代结束，聊聊AI抢不走的3个产品经理底层能力》（小太阳Mona，人人都是产品经理）
作者把”单一角色 → 复合型 PM”列为 AI 时代 PM 工作方式的第三个结构性变化。
她指出，过去 PM 按业务/平台/增长/商业化垂直分工，AI 时代复合型 PM 成为主流——不仅懂业务，还要懂模型边界、Token 成本、Agent 编排、RAG 数据工程、Eval 评估体系。她用招聘 JD 里普遍新增的”有 AI 产品落地经验优先”加分项作为佐证。
她强调这不是要 PM 变成算法工程师，而是成为”工具调度者”：在不依赖其他岗位的情况下，用 Vibe Coding、多 Agent 调度、AI 写 SQL、AI 竞品分析、OPC 部署等方式，自己把项目目标跑完。结论是单一能力已不够用，复合型 PM 需要持续学习更多可用的 AI 工具。
来源：2026-07-01-woshipm-pm-3-unchanged-3-changing
实用信息
从单一 PM 升级为复合型 PM 的学习路径
- 补模型认知：搞清 LLM 的能力边界，判断什么场景用 LLM、什么场景用规则引擎
- 补成本认知：理解 Token 计费模型，学会用缓存策略控制成本
- 补 Agent 编排：学习 Agentic Workflow 和 任务拆解，能把模糊目标拆成多个可调度子任务
- 补数据工程：了解 RAG 知识库 的构建与治理
- 补评估体系：学习 Eval 框架，能设计指标监控 AI 输出质量
- 上手工具调度：从 Vibe Coding、AI 写 SQL、AI 竞品分析等具体场景练起