AIPM-1考试大纲：7大考试领域、题型分布与样题指南

AIPM-1 考试大纲概览

本 AIPM-1 考试大纲定义了 APD 认证 AI 产品经理（APD Certified AI Product Manager）认证的 1.2 版考核标准。它适用于明确标注为 1.2 版的报名；在报名之前，APD 必须说明适用的版本及考试组织安排。以下 AIPM-1 考试大纲是确定考试范围与评分方式的唯一依据。

AIPM-1 认证的是达到专业实践（Professional Practice）级别、具备上岗能力的 AI 产品经理。持证者能够在常规组织支持下，独立负责一个边界清晰的 AI 原生产品或一个有实际意义的功能模块，覆盖从需求发现到上线与复盘学习的全过程；也能够在集成型产品中负责一个明确界定的范围。 该标准覆盖完整的产品生命周期。合格的候选人能够产出可用的工作产出物、做出基于证据的取舍、协调各领域专家，并在既定授权范围内对产品决策承担责任。

AI 产品经理（AI Product Manager）是面向市场的角色称谓；AI 原生产品经理（AI-Native Product Manager）则是其背后的专业能力模型。 AIPM-1 基于APD AI 原生产品经理能力模型 v3.1。该模型将 AI 产品经理界定为面向市场的角色称谓，将 AI 原生产品经理界定为支撑卓越 AI 产品工作的专业能力模型。 AIPM-1 是 APD 认证 AI 产品经理路径中的第一级：

AIPM-1 考试大纲 v1.2 的变更内容

1.2 版 AIPM-1 考试大纲将 AIPM-1 重新定位为专业实践级别，并新增了一个必修的集成产品案例考核。

• 将 AIPM-1 重新定位为专业实践级别，明确 C1 端到端负责制与界定的 C2 范围。
• 以可执行的决策要求取代”仅要求了解”的考核目标，涵盖需求、工作流、评估、发布、经济性与治理决策。
• 保留七个考试领域及其目标权重，同时更新领域名称、学习目标与能力模型映射。
• 保留 60 道在线题目、75 分钟时长和 75% 在线及格线；提升应用推理与工件解读的考查比重。
• 新增必修的集成产品案例或仿真考核，设有单独的最低分数要求；同时保留开放报名条件，不设在职作品集的前置要求。
• 新增复合系统、受限代理（bounded agency）、记忆、构建动手能力、单次成功成果成本与可观测的生命周期证据。

产品负责范围与边界

C1—边界型（Bounded）指用户、任务、权限清晰、集成较少的低复杂度产品。C2—集成型（Integrated）指在明确产品边界内包含多种能力或多项集成的中等复杂度产品。C3—关键型或多系统型（Critical or Multi-System）指因后果严重性、自主性、系统依赖、规模、模糊性或组织影响范围而产生的高复杂度。C4—战略系统型（Strategic System）指具有系统性影响的平台、产品组合或组织级产品体系。 复杂度从以下维度评估：错误后果；模型与智能体复杂度；行动权限；数据敏感性与权利；集成情况；规模与可靠性；领域与监管约束；组织范围。规模小的产品也可能具有高复杂度。应逐项审视各维度，以及任何具有压倒性的高后果条件；不得仅凭用户数、预算、团队规模或智能体数量进行分类。 AIPM-1 要求端到端负责 C1 成果，并在可获得工程、设计、数据、法务、安全与领域专家支持的情况下，负责明确界定的 C2 范围。”独立负责”是指在清晰授权范围内做出并协调产品决策，包括升级上报；并不意味着亲自执行每一项专业工作。 在此级别，候选人应能够：

• 甄别并确认用户问题、AI 适用性、成功标准与价值假设；
• 明确目标行为、需求、权限边界、数据需求与使用体验；
• 制作原型或进行体验仿真，检查实际运行证据，并测试代表性失败场景；
• 创建评估用例、评分量规、回归检查、风险控制措施与发布决策证据；
• 规划分阶段发布、监控、恢复、采用推广、价值度量以及下一轮学习循环。

候选人画像与报名条件

AIPM-1 面向所有候选人开放，不设任何正式前置条件。它适合转向 AI 领域的产品经理、有志成为产品经理者、工程师、产品负责人（Product Owner）、业务分析师、设计师、顾问，以及其他准备承担 AI 原生产品工作的专业人士。不要求既往从业经历、编程经验、机器学习工程背景或敏捷认证。 缺乏产品经验的候选人，应先通过带指导的项目或仿真练习，建立需求发现、优先级排序、需求定义、干系人沟通与交付能力。开放报名并不意味着降低及格标准。备考内容建议包括 AI 产品实践／作品集构建，但认证并不要求提供在职作品集。

AIPM-1 不认证的内容

AIPM-1 证明持证者在界定的负责边界内具备专业实践能力。它不证明持证者能够独立领导所有 AI 产品情境。 以下内容不在本独立认证的边界之内：

• 高自主性产品；
• 安全关键型产品；
• 强监管产品的领导工作；
• 复杂多智能体产品的领导工作；
• 企业级平台产品的领导工作；
• 编码、模型训练与生产基础设施实施；
• 专项安全测试；
• 法律解释。

本认证要求具备产品层面的技术判断力与协作能力。上述能力由 APD 认证 AI 产品经理路径的更高级别或专业岗位覆盖。

AIPM-1 考试形式与及格规则

AIPM-1 通过两个必考部分进行考核。

两部分均为必考。总成绩 = 0.70 × 在线成绩百分比 + 0.30 × 案例成绩百分比。在线成绩再高也不能弥补案例不及格；案例成绩再高也不能弥补在线考试不及格。总成绩仅在同时公布各部分成绩时一并给出。1.2 版证书要求两部分均通过，并完成相应的诚信检查。 B 部分采用一个连贯的边界型产品场景，提供模板，以及预先配置或录制的执行证据。环境搭建时间不计入计时任务。结构化仿真只要能够引发同样可观测的决策与工作产出，即为等效的考核路径。不要求公开部署或雇主项目。

APD Institute 可能适时调整考试时长、题目数量、及格分数、考试组织规则与考核政策。

AIPM-1 考试领域蓝图与权重

AIPM-1 分为七个考试领域。考试领域编号予以保留以便追溯。领域名称与目标已按 v3.1 能力要求更新。考试 D1 与能力模型 D1 属于不同的命名空间；映射章节说明两者的对应关系。学习目标编号采用 AIPM1-D1.1 的形式，表示领域 1 的第一个编号目标。 以下题量定义了一份标准计分在线试卷。目标百分比描述课程重点；按整题分配必然产生少量取整差异。每道题只有一个主领域。实操案例分数与这些题量相互独立。AIPM-1 考试大纲将 60 道题按七个领域分配如下。

试卷必须采用规定的题量。领域、认知层次、内容族与作答题型是同一批题目上彼此独立的标签；各类别的数量不得相加。

认知层次与题目设计

作答题型分布为 48 道单选题（80%）与 12 道多选题（20%）。内容族由答题所需证据决定，而非题干长度。案例考查的是超越选择题表现的综合创建能力与决策质量。

考试领域与学习目标

本 AIPM-1 考试大纲中的每个领域均列明其权重、领域目的、学习目标、关键主题、工作产出物与范围边界。

领域 1：AI 原生产品负责与专业实践

权重： 12%

领域目的

负责一个边界清晰的产品问题，并协调完整的决策生命周期。

学习目标

候选人必须能够：

1. 判断 AI 是否为产品价值机制的核心，并区分 AI 原生产品能力与附带性的 AI 工具使用；
2. 针对 C1 或界定的 C2 范围，界定负责授权、产品边界、决策权以及所需专家；
3. 将用户证据转化为问题陈述、行为假设，以及按优先级排序的成果路线图；
4. 依据现有证据，选择下一步是需求发现、原型、试点、发布还是学习复盘；
5. 区分产品责任与工程实施、法律审批和治理监督；
6. 负责任地使用 AI 辅助产品工具、验证其输出，并在沟通可追溯的决策时说明假设与局限。

关键主题

• AI 原生定义；
• 生命周期负责制；
• 复杂度与责任；
• 假设驱动的需求发现；
• 专业判断；
• 跨职能协调。

产出或评估

负责说明书、干系人与决策地图、假设登记表、按优先级排序的下一步决策，以及贡献记录。

范围边界

要求具备 C1 产品负责能力；产品组合策略与组织级角色架构超出本级范围。

领域 2：AI 产品机会、价值、采用与经济性

权重： 14%

领域目的

将一项切实可行的 AI 机会与客户价值、采用推广及可持续的经济性连接起来。

学习目标

候选人必须能够：

1. 验证用户问题或运营问题、目标用户、受影响的干系人以及可度量的基线；
2. 将 AI 方案与规则、工作流重构、人工服务或其他更简单的替代方案进行比较；
3. 定义成果指标与护栏指标、价值假设、假设前提，以及投入相称的需求发现实验；
4. 依据给定的推理、检索、工具、审核、支持与失败成本，计算单次成功成果成本；
5. 依据可行性、价值、信任、质量、时延、成本与风险证据，确定边界清晰的范围；
6. 规划用户上手引导、价值验证、采用度量，以及符合场景的初始定价或内部立项理由。

关键主题

• 能力与用例匹配度；
• 价值基线；
• 用户证据；
• 基础单位经济模型；
• 激活；
• 采用；
• 成果度量；
• AI 与非 AI 方案。

产出或评估

机会与价值简报、简单的经济性测算、实验方案，以及上手引导／价值度量计划。

范围边界

考查基础产品经济性与采用推广；不考查产品组合财务与复杂的商业化战略。

领域 3：人机协作工作流、需求与可信体验

权重： 15%

领域目的

定义一套有用且可信的人机协作工作流，具有明确的权限安排与可恢复的失败处理。

学习目标

候选人必须能够：

1. 将边界清晰的场景拆解为用户、任务、决策、输入、输出与交接环节；
2. 划分人与 AI 的职责，界定建议类、需审批类、允许类与禁止类动作；
3. 就 AI 行为、质量、用户控制与异常处理，撰写简洁的产品需求与可测试的验收标准；
4. 在需要的环节设计确认、纠正、披露、来源核验、升级上报、中断与恢复机制；
5. 为简单的工具调用工作流明确权限、动作限制、步骤或费用预算，以及停止条件；
6. 依据用户反馈与失败任务证据修订原型或工作流仿真，并保持决策依据可追溯。

关键主题

• 人机协作工作流；
• 行为规格说明；
• 信任校准；
• 审批体验；
• 最小权限；
• 异常路径；
• 降级兜底；
• 包容性交互。

产出或评估

工作流与权限地图、需求／验收标准，以及带标注的交互原型或仿真。

范围边界

要求具备边界清晰场景的设计能力；企业级工作流重构与复杂多智能体编排超出本级范围。

领域 4：AI 模型、系统、智能体与构建动手能力

权重： 18%

领域目的

做出有依据的模型与系统选型，并创建可检视的实际运行证据。

学习目标

候选人必须能够：

1. 解释模型概率性行为、上下文长度限制、幻觉、事实依据锚定（grounding）与多模态输入对产品的影响；
2. 针对具体任务比较提示词、检索、工具、规则与智能体工作流；说明何时微调属于需要专家介入的选项；
3. 撰写模型行为说明书，并从任务质量、成本、时延、可靠性与风险维度比较成熟方案；
4. 识别模型、指令、检索、工具、记忆、界面与控制措施如何共同决定产品行为；
5. 使用获批工具创建或改造一个小型原型或仿真工作流，并检查请求／响应、追踪记录（trace）或评估结果；
6. 识别供应商、模型、提示词、工具或配置变更带来的回归风险与依赖风险，并明确必要的检查项。

关键主题

• 大语言模型（LLM）；
• 生成式与多模态 AI；
• 复合系统；
• API；
• 智能体；
• 自建／采购／合作；
• 可移植性；
• 版本管理；
• 构建动手能力。

产出或评估

模型／系统选型备忘、行为需求，以及原型演示或基于追踪记录的失败诊断。

范围边界

不要求参加编码考试、模型训练、基础设施搭建或特定框架的配置。

领域 5：产品数据、知识、检索、记忆与上下文

权重： 12%

领域目的

为所负责的产品定义可信的信息输入与受控的记忆机制。

学习目标

候选人必须能够：

1. 明确所需数据源、用途、责任人、权利、时效性、来源出处与访问边界；
2. 定义检索与事实依据锚定要求、引用标注、证据不足时的行为，以及来源冲突的处理方式；
3. 诊断失败源于数据缺失、检索不佳、上下文错误、权限问题，还是无依据的生成；
4. 区分任务上下文与持久化记忆，并定义同意、留存、更正、访问与删除要求；
5. 选择具有代表性的评估数据，防止敏感数据暴露或在开发集与评估集之间泄露；
6. 定义来源更新评审、回归检查与反馈机制，并指定责任人。

关键主题

• RAG（检索增强生成）；
• 知识就绪度；
• 权限感知检索；
• 数据出处；
• 上下文组装；
• 受控记忆；
• 评估数据；
• 来源生命周期。

产出或评估

来源／权利登记表、检索与上下文规格说明、记忆策略，以及知识变更检查清单。

范围边界

要求具备产品需求定义与证据解读能力；不要求数据库、向量嵌入与检索管道的实施。

领域 6：评估驱动的交付、就绪度与生命周期学习

权重： 17%

领域目的

运用评估证据主导边界型产品的发布、运营与持续改进。

学习目标

候选人必须能够：

1. 定义一套质量模型，将任务成功率、事实依据性、安全性、可信度、时延、成本与用户成果关联起来；
2. 构建具有代表性的正常、边界、失败与滥用用例，明确预期行为与评分量规；
3. 解读给定的评估结果，识别失败模式与覆盖薄弱之处，并在不夸大置信度的前提下比较备选方案；
4. 定义发布阈值、不可妥协的控制措施、回归检查，以及开展受限试点、正式发布、暂停或回滚的条件；
5. 规划分阶段放量、监控信号、告警、责任归属人、用户支持、降级兜底与事件升级上报；
6. 运用生产运行、采用情况、成本、用户反馈与事件证据，更新需求以及下一步实验或待办决策。

关键主题

• 离线／在线评估；
• 黄金测试集；
• 评分量规；
• 失败分类体系；
• 回归；
• 可观测性；
• 发布就绪度；
• 韧性；
• 学习闭环。

产出或评估

评估规格说明与用例集、结果分析、发布决策，以及上线后学习计划。

范围边界

要求具备有意义的证据与不确定性识别能力；不要求高级统计学与评估基础设施工程能力。

领域 7：负责任 AI、安全、安保与产品治理

权重： 12%

领域目的

将产品风险转化为相称的需求、控制措施与可追责的决策。

学习目标

候选人必须能够：

1. 评估可能发生的损害、受影响的用户、敏感信息、具有重大后果的动作与运营依赖；
2. 识别提示词注入、越权检索、不安全的工具使用、过度代理权限，以及模型输出处理不当；
3. 与专家协作，明确可执行的权限、校验、审批、数据最小化、日志记录与恢复要求；
4. 在产品设计中落实透明度、公平性、无障碍、可申诉性、隐私与有意义的人工监督；
5. 维护风险记录，将每一项重大风险关联到控制措施、证据、责任人、残余风险与复核触发条件；
6. 依据给定的领域合规义务，决定继续推进、收缩范围、暂停还是升级上报；识别超出产品经理授权范围的决策。

关键主题

• 负责任 AI；
• 产品威胁／风险分析；
• 权限控制；
• 隐私；
• 公平性；
• 影响；
• 可审计性；
• 残余风险；
• 事件学习。

产出或评估

一份相称的风险／控制登记表，以及一份有充分理由支撑的治理或升级上报决策。

范围边界

候选人与专家协作转化需求；不提供法律意见，也不实施安全控制措施。

跨领域能力主线

v3.1 的能力主线贯穿各领域题目、案例证据与评分量规。它们并不构成第二套计分领域。

模型与研究能力产品化

将模型能力或局限转化为可测试的行为与 AI 适用性决策。

智能体权限与运行时控制

为边界清晰的任务定义工具权限、审批节点、预算、停止条件与恢复机制。

评估驱动的开发

从需求发现到运营全过程，运用代表性证据、回归检查与发布阈值。

AI 产品经济性

计算单次成功成果成本，将失败与人工审核纳入其中，并将其与用户价值关联。

构建动手能力

创建或改造原型与工作流仿真，并检查 API 行为、追踪记录与评估证据。

平台与生态理解力

在产品层面解释 API 契约、基础可移植性、开发者／用户需求与依赖关系。

领域与监管规则转化

将给定的领域规则转化为需求与控制措施；识别需由专家做出的决策。

AI 原生产品敏捷性

运用适应性的需求发现、分阶段交付、持续评估、反馈与可追责的决策，持续提升价值、质量、安全性、成本与就绪度。特定框架的活动、角色定义、速率（velocity）、故事点以及品牌化的规模化方法不在本大纲范围内。

能力模型映射

四大能力簇与十个能力领域仍为共同核心。大纲将其整合为相应责任层级上可考核的领域。下表中 CM 表示能力模型，右列中的领域编号均指该模型中的领域。

CM-D1 涵盖战略与价值发现；D2 商业化与价值实现；D3 人机协作与智能体工作流；D4 模型与系统决策；D5 数据、知识、检索、记忆与上下文；D6 体验、信任与控制；D7 评估与智能；D8 交付与生命周期；D9 负责任 AI 与治理；D10 实践、构建动手能力与领导力。 角色原型示例可能涉及应用、智能体、模型、平台、企业级或垂直行业产品、评估与治理、增长，或产品组合领导。候选人按其级别就共同核心接受考核；以平台或模型为例，并不要求候选人具备专家级的工程实施能力。

必修集成产品案例

本 AIPM-1 考试大纲中的案例代表一个 C1 产品，或 C2 中边界清晰的一部分，例如一个建议需经人工审批的、基于政策依据的服务副驾（copilot）。APD 提供用户简报、约束条件、样例数据源、原型／沙箱环境或录制的交互记录、评估结果、运营成本与一次变更事件。当证据支持时，候选人可以得出现阶段不适用 AI 或应推迟上线的结论。 提交一份连贯完整的 AI 产品最低就绪度决策包。接受简明模板与带标注的工件；篇幅与视觉精美度不单独加分。 决策包必须涵盖：

1. 机会、用户、基线、AI 适用性、价值假设，以及成功指标与护栏指标；
2. 工作流、人的职责、权限限制、审批、异常处理与恢复；
3. 覆盖行为、信息、质量、信任与控制的需求与验收标准；
4. 模型／系统选型，以及数据、检索、上下文或记忆需求，并说明假设；
5. 原型或仿真演示，以及一次已测试或复现的失败证据与有理由支撑的改进；
6. 至少 12 个由候选人自行编写的评估用例、一份评分量规、结果解读与发布阈值；
7. 风险／控制记录，以及基于证据的发布、受限试点、暂停或重新设计决策；
8. 放量、监控、事件响应、采用推广、基础经济性测算与下一步学习决策。

这 12 个用例必须覆盖正常任务、证据缺失或冲突、授权边界、不安全或恶意输入，以及工具／服务失败。每个用例需标明输入／上下文、预期行为、判断理由与通过标准。至少 6 个用例需实际执行或检查 APD 提供的执行证据，并将观察到的失败与假设性风险分开记录。该最低要求考查的是评估设计能力，并非生产环境的安全覆盖标准。

实操案例评分量规与关键标准

评分人按 0–4 分对每个维度打分：0 = 缺失或存在实质性错误；1 = 论述零散，存在重大缺口；2 = 思路看似成立，但证据或执行存在实质性未解决问题；3 = 达到本级要求的称职、可追溯、可行表现；4 = 表现优秀，对备选方案做了充分测试，能处理不确定性并产出有价值的学习结论。本部分得分为各维度权重乘以评分再除以四之和。权重合计为 100；全程得 3 分对应 75 分。评分使用整数，并需为每个维度提供书面理由。 及格要求至少 75/100。此外，工作流／权限、评估／发布、风险／治理三个维度必须各自至少得 3 分。若候选人建议实施未经授权的重大后果动作、隐瞒实质性的发布关卡失败，或提交伪造结果，则不予通过。评分人必须指出关键失败所依据的案例证据、适用要求与量规条款；有证据支撑的暂停或不推进决策属于有效表现。临界判定与关键失败判定需经过二次复核。

合格候选人标准

合格的候选人能够完整展示本 AIPM-1 考试大纲所定义的决策链。工作流、需求、评估用例、控制措施、经济性测算与发布计划彼此一致。候选人能够说明哪些是已知的、哪些是假设的、哪些必须验证，以及未决决策由谁负责。这是在既定范围内、在常规专家支持下具备实际上岗负责能力的体现。

如何备考 AIPM-1 考试大纲

借助 AI 产品实践／作品集构建完整演练一个贴近真实的边界型问题。研读能力模型与认证路径，练习需求发现与需求定义，制作小型原型或仿真，构建评估用例，检查追踪记录，测算成本，并开展一次模拟就绪度评审。完成的学习练习可作为备考证据；受评案例仍须满足公布的各项条件。

传统产品经理

传统产品经理应重点关注不确定性行为、信息质量、评估与权限。

软件工程师与技术人员

工程师应加强客户洞察、价值判断、体验、采用推广与决策表达。

产品工作新人

产品工作新人应在报名前带反馈完整演练整个生命周期。

业务、UX、咨询与敏捷从业者

业务、UX、咨询与敏捷从业者应练习成果负责制与技术证据解读。

代表性题型与示例

以下示例用于说明考查思路与评分方式，并非真实考题。真实试卷应包含合理的竞争性选项、充足的决策证据，且不因表述歧义制造人为难度。

示例 1 — 发布证据，单选题

某政策助手在 100 项常规任务中通过 90 项，但在两次访问测试中暴露了另一部门的受限内容。已批准的发布规则禁止跨部门暴露。最佳下一步决策是什么？

1. 因为总体任务得分超过 85% 目标而发布。
2. 增大模型规模，仅重跑常规任务测试。
3. 暂停发布，修正访问路径，并重跑授权测试与回归测试。
4. 发布，并附上”用户不得依据受限回答采取行动”的警告。

答案： C。平均任务表现无法满足一项明确的授权关卡要求。候选人必须将失败与纠正措施及新证据关联起来。

示例 2 — 经济性，单选题

在一次试点中，100 项尝试执行的任务产生模型／工具费用 20 美元，以及审核与返工费用 30 美元。其中 80 项任务满足约定的成功标准。按此成本范围计算，单次成功成果成本是多少？

1. 0.25 美元
2. 0.50 美元
3. 0.625 美元
4. 0.375 美元

答案： C。（20 + 30）美元 / 80 = 0.625 美元。就所述范围而言，以尝试执行的任务数作分母、以仅推理成本作分子均是错误做法。

示例 3 — 权限，多选题

某助手负责起草订单变更，但政策规定提交动作须由获得授权的员工执行。请选择所有能够强化该边界的要求。

1. 在提交变更之前核验操作用户的权限。
2. 将检索到的客户备注中的指令视为授权。
3. 在执行前要求对具体变更内容作出明确审批。
4. 记录已批准的动作、审批人与执行结果。
5. 为助手分配一个共享管理员账号以减少失败。

答案： A、C、D。这些要求将动作与身份、明确授权和可追溯记录绑定。检索到的内容与宽泛的凭据不构成有效权限。

雇主解读与职业发展

雇主可将 AIPM-1 考试大纲理解为一份关于”持证者能够提出并捍卫哪些决策”的说明。AIPM-1 适用于负责边界型应用、副驾或工作流功能的 AI 产品经理岗位，也适用于集成型产品中负责界定产品领域的岗位。它同样可以支持从产品负责人、分析、工程、UX 或咨询等岗位转型。雇主应审阅决策包，并请候选人讲解一次失败、一次取舍、一次发布决策与一项成果度量。 AIPM-2 将负责范围扩展至集成型产品，以及主要或边界明确的高复杂度领域。AIPM-3 进一步增加对复杂产品、平台、产品组合与组织能力的战略领导。晋升应以更大责任与更多成果的证据为依据；AIPM-1 本身即是一项独立的专业标准。

建议岗位匹配度

雇主应将 AIPM-1 与面试、决策包审阅、项目证据、产品判断力评估以及岗位特定要求结合使用。

考核诚信、考试组织与版本过渡

在线考试

AIPM-1 与 AIPM-2 的在线考核部分为闭卷：不得使用外部生成式 AI、搜索、笔记或任何协助。APD 提供获准使用的计算器与必要的资料摘录。每道选择题 1 分。多选题会标明”选择所有符合的选项”，但不提示正确选项数量。只有选中全部正确选项且未选中任何错误选项才能得分，否则该题计 0 分。总分不设负分，也不设部分给分。

实操与战略类考核

案例考核使用 APD 提供的材料与获批的开卷环境。仅在规定的考核规则范围内允许使用经批准的 AI 辅助。候选人须披露所用工具与实质性协助、保留相关工作证据、核实事实与数值表述，并对所提交的每一项内容负责。能否通过取决于候选人的判断与证据，而非生成文本的表面流畅度。

真实性与保密

须标明个人贡献、合作者、假设前提、来源，以及结果是实际观测的、仿真的还是预测的。在保留决策情境的前提下对机密数据做匿名化处理。未经许可不得提交专有材料。伪造证据、未披露地替换他人成果，或使用禁止的协助，均按已公布的诚信与申诉政策处理。

考试组织与公平性

APD 必须在报名前披露版本、获准使用的工具、考核时间窗口、评分规则、便利安排、重考安排与申诉渠道。经批准的便利安排可调整时间或形式，但不得降低能力标准。案例环境必须提供等效的信息与访问条件；供应商服务中断与工具配置失败不得演变为隐性的能力测试。

重考与复核

候选人将收到各部分成绩与逐维度反馈。实操部分未通过需提交修正后的证据并重新考核；在线部分未通过需另行参加一份等效试卷。APD 公布的候选人政策决定排期、费用、已通过部分的保留方式与申诉时限。本大纲不创设任何自动的时限或权利。

过渡安排

1.2 版要求完整实施其考核设计。此前仅通过在线考试的考生，不得被表述为已完成新的实操证据要求。已有证书沿用其颁发时所适用的规则；任何衔接或续证路径须另行公布。在交付 v1.2 之前，命题指南、题库、评分配置、案例包、评分员校准材料与公开报名信息必须保持一致。本文档更新的是考试大纲；并不表示上述运营调整已部署完成。

有效期

证书有效期为二年。续证遵循 APD 公布的政策，可能包括重新考核、持续专业发展、更新证据或经批准的衔接评估。

总结

AIPM-1 旨在验证 AI 产品管理在 C1 端到端负责与界定 C2 范围上的专业实践就绪度。 它证明候选人能够甄别机会、设计可信的人机协作工作流、做出有依据的模型与数据决策、构建评估证据、判断发布就绪度、进行相称的风险与治理管理，并用证据捍卫一项完整的产品决策。 AIPM-1 是 APD 认证 AI 产品经理路径的起点，也是 AIPM-2（高级专业实践）与 AIPM-3（战略产品领导力）的专业基础。