AIPM-2考试大纲：8大考试领域、双组件评估与样题指南

AIPM-2 认证概览

AIPM-2 考试大纲确立了 AIPM-2：APD 认证高级 AI 产品经理的 1.2 版考核标准。该级别是 APD 认证 AI 产品经理体系中的”高级专业实践”层级。

AIPM-2 认证的是高级专业实践能力。持证者能够独立负责一个完整的 AI 原生集成型产品，并在相应专家与高管支持下，领导一个主要产品领域或一个边界清晰的高复杂度产品。该级别要求在跨多个系统、团队、利益相关方群体、风险与商业约束的情境下，具备高级判断力。

AIPM-2 考生需要整合需求洞察、产品战略、人机工作流、需求定义、系统与数据选型、评估、治理、韧性运营、商业化、推广采纳与价值实现等各环节。他们能够建立可复用的决策机制并影响他人，同时对产品结果承担责任。

AIPM-2 以 APD AI 原生产品经理能力模型 v3.1 为基础，并与 APD 认证 AI 产品经理路径概览 v1.2 保持一致。

AIPM-2 级别边界

AIPM-2 1.2 版更新说明

1.2 版将认证名称变更为 APD 认证高级 AI 产品经理，并确立了”C2 级完整负责 / 主要或边界清晰的 C3 级负责”这一职责边界。 1.2 版具体包括：

• 将认证名称变更为 APD 认证高级 AI 产品经理；
• 保留八个领域编号及其目标权重，同时将目标要求从”界定范围内的应用”提升至”高级的系统与产品级负责”；
• 将在线考试设定为 120 分钟 80 题，取代 v1.1 中 70 题的建议，并明确各领域的精确题量；
• 要求完成一份高级集成型产品案例，并规定在线考试与案例的贡献占比为 60%/40%，且两者均须独立通过；
• 新增有界多智能体工作流、模型路由、校准化评估、记忆、韧性、迁移、定价、打包（套餐设计）以及单次成功结果成本等内容；
• 明确证据可追溯性、关键标准、强制性专业答辩，以及从既有题库与交付规则的有序过渡安排。

AIPM-2 产品职责与范围

AIPM-2 产品复杂度分级

• C1 — 有界型（Bounded）：低复杂度产品，用户、任务、权限边界清晰，集成数量有限。
• C2 — 集成型（Integrated）：中等复杂度产品，在明确的产品边界内包含多项能力或集成。
• C3 — 关键型或多系统型（Critical or Multi-System）：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）：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；组织影响范围。规模小的产品也可能属于高复杂度。应逐项审视每个维度以及任何具有压倒性的高后果条件；不得仅依据用户数量、预算、团队规模或智能体数量进行分级。

AIPM-2 考生的职责范围

AIPM-2 独立、端到端负责 C2 级产品，并在专家与高管支持下承担主要产品领域或边界清晰 C3 级产品的领导职责。考生必须能够解决模糊的权衡取舍，管理依赖关系与故障传播，协调多条工作流，并将运营表现与采纳度和价值实现相联结。 典型的 AIPM-2 工作包括：集成多个知识与交易系统的企业助手、具备受控外部动作的智能体工作流、面向多客群的 AI 应用，或某个重要平台/API 产品领域。案例必须提供充分的技术与领域信息，以支撑产品级决策；未明确说明的专业知识不得被默认为已知。

AIPM-2 范围边界

全组织范围的产品组合方向、企业风险偏好、跨业务平台战略以及产品领导力体系设计，原则上属于 AIPM-3 的职责。 在自身授权范围内，AIPM-2 可以负责复杂的产品需求、定价与打包、评估体系以及产品级威胁分析。模型训练、基础设施实施、渗透测试与法律意见仍属于专家职责。

AIPM-2 考生画像与准入

强烈建议具备 AIPM-1 或同等专业能力，但并不强制要求已获得 AIPM-1 认证。本级别不设正式的资格门槛。考生必须已经能够展示 AIPM-1 的成果，包括完整负责一个有界产品，而不仅仅是掌握相关术语。 AIPM-2 适合以下人群：

• 资深 AI 产品经理；
• 从事 AI 系统工作的技术型产品经理；
• 智能体与工作流产品经理；
• 企业级与垂直行业 AI 产品经理；
• 平台产品领域负责人；
• 对高级产品决策承担责任的顾问。

考生应具备扎实的产品管理或同等的交付经验，并拥有可供查验的决策、失败与结果证据。 建议使用 AI 产品案例实践来检验备考状态。项目作品集有助于备考并佐证真实性，但雇佣经历作品集并非前提条件。产品实战经验有限的考生应先夯实 AIPM-1 能力，再尝试本级别。编程与机器学习工程类证书不作要求。

AIPM-2 考核形式与通过规则

AIPM-2 包含两个必考组成部分，两者必须分别通过，其一不得弥补另一部分的不足。

总分 = 0.60 × 在线考核百分比 + 0.40 × 案例百分比。专业答辩用于核实作品的本人贡献、推理过程，以及在案例评分框架内对某一变更事件的应对。答辩不单独计分。 APD 提供预配置的环境或等效的录屏执行证据、模板、源数据、系统选项、执行轨迹、评估结果、成本数据与业务约束。环境搭建时间不计入考核时长。任何等效的受控案例路径都必须保留全部工作产物、评分标准与真实性要求。不要求生产环境实施或公开部署。

AIPM-2 领域蓝图

考试领域编号予以保留，以便追溯。领域名称与目标已依据 v3.1 能力要求更新。考试中的 D1 与能力模型中的 D1 属于两个独立命名空间，二者的对应关系见映射章节。学习目标编号采用 AIPM2-D1.1 形式，表示领域 1 的第 1 条编号目标。 下列题量定义了一份标准的计分在线试卷。目标百分比描述课程侧重；按整题分配必然会产生少量取整差异。每题归属一个主领域。实操案例分数与这些题量相互独立。

试卷必须采用上述规定题量。领域、认知层次、内容类型与作答形式是标记在同一批题目上的相互独立的标签，其总数不得相加。

AIPM-2 认知层次与题目设计

AIPM-2 认知层次分布

AIPM-2 主要内容类型

AIPM-2 作答形式

作答形式分配为：单选题 60 题（75%），多选题 20 题（25%）。案例题组可以共用同一情境，但每道题目都必须能够在不依赖前一题答对的情况下独立作答。领域与内容类型的归属依据所考查的主要决策而定。难度应来自相互交织的约束、证据与可辩护的权衡取舍，而非晦涩未解释的术语或缺失的信息。

AIPM-2 考试领域与学习目标

领域 1：机会甄别、产品战略与价值界定

权重：12% | 题量：10

领域宗旨

在能力不确定与价值约束相互竞争的条件下，确立产品方向。

学习目标

考生应能够：

1. 基于客户/工作流证据、替代方案、能力局限、战略契合度与可衡量价值，对机会进行甄别；
2. 界定产品战略、目标客群、差异化定位、行为假设，以及可检验的采纳与价值假设；
3. 在模型、数据、集成与需求均存在不确定性的情况下，比较”投入、试验、合作、复用、推迟、终止”等选项；
4. 评估产品级商业论证与单位经济模型，包括人工审核、失败结果、支持成本与运营约束；
5. 依据证据、依赖关系、可逆转性、学习价值与风险（而非功能数量）对路线图选项进行优先级排序；
6. 针对能力发布、竞争对手动向、客群结果或成本冲击调整产品方向，并向高级利益相关方传达决策。

关键主题

• 能力前瞻；
• 产品战略；
• 客户细分；
• 需求洞察证据；
• 自建-采购-合作；
• 价值假设；
• 竞争应对；
• 实物期权推理。

考生应能够产出或评估

• 战略与机会简报；
• 决策/选项备忘录；
• 价值模型；
• 基于证据的路线图。

范围边界

产品战略与经济性是必考内容；企业级投资分配与全组织范围的产品组合治理属于 AIPM-3 范围。

领域 2：人机协同与智能体工作流设计

权重：15% | 题量：12

领域宗旨

设计集成化的人机协同工作流与有界多智能体工作流，并具备受控的权限与故障恢复机制。

学习目标

考生应能够：

1. 对集成工作流中的任务、参与者、决策、状态、系统依赖、交接与后果进行建模；
2. 依据任务与风险证据，在确定性步骤、模型辅助决策、单智能体或有界多智能体协同之间作出选择；
3. 明确身份、被授予的权限、最小权限工具、同意机制、审批绑定、步骤/支出预算与终止条件；
4. 设计重试、超时、幂等要求、补偿机制、人工升级、中断处理以及跨部分失败场景的恢复方案；
5. 在人工负担、自主性、可审计性、速度与信任之间做出权衡取舍，且不得赋予无边界的权限；
6. 运用执行轨迹与端到端证据诊断协同失败，并重新设计工作流。

关键主题

• 有状态工作流；
• 有界多智能体系统；
• 工具契约；
• 授权；
• 重放与重复动作；
• 补偿；
• 执行轨迹证据；
• 人工控制。

考生应能够产出或评估

• 集成工作流/状态图；
• 权限矩阵；
• 异常/恢复规范；
• 工作流变更决策。

范围边界

考查的是高级产品级编排决策；不考查智能体框架的实施或全组织权限策略的制定。

领域 3：AI 原生需求与复杂产品体验

权重：14% | 题量：11

领域宗旨

在复杂的产品旅程中，掌握连贯一致的需求与可信的体验。

学习目标

考生应能够：

1. 将战略与工作流转化为集成化的行为、数据、界面、服务与质量要求；
2. 为不确定性、引用标注、拒答、人工审批、恢复、延迟、成本、可访问性与误用等情形制定验收标准；
3. 设计对话式、多模态、嵌入式或智能体式体验中的交互，包括异步进度反馈与交接；
4. 验证不同用户群体（包括受影响但非直接使用者以及高影响决策场景）的校准化信任与合理依赖；
5. 区分持久的产品约束与需要通过实验验证的模型、提示词、检索、记忆与界面假设；
6. 协调用户、业务、工程、法务、安全与运营之间相互冲突的诉求，并在变更过程中保持可追溯性。

关键主题

• AI 原生 PRD；
• 行为契约；
• 需求可追溯性；
• 信任；
• 同意；
• 多模态 UX；
• 委托动作；
• 可访问性；
• 人工审核工作量。

考生应能够产出或评估

• 一套连贯的需求包；
• 交互/控制规范；
• 验收标准；
• 关联证据的变更记录。

范围边界

完整的产品需求职责属于考核范围；不要求详细的视觉设计与企业级设计系统治理。

领域 4：解决方案架构、模型策略与技术权衡

权重：13% | 题量：10

领域宗旨

在复合系统之上主导产品级架构、模型选型与变更决策。

学习目标

考生应能够：

1. 对照产品需求与证据，比较提示词工程、检索、微调方案、规则、工具调用与智能体架构；
2. 评估供应商与模型选择、开源权重与托管方案、自建-采购-合作选择以及运营依赖；
3. 为路由、降级回退、缓存、互操作性、版本管理与迁移制定行为与服务要求；
4. 计算并比较端到端的质量、延迟、可靠性与成本权衡，包括失败任务与人工审核；
5. 运用具代表性的评估证据，判断研究/模型能力宣称与产品发布就绪度；
6. 从 API 交互、执行轨迹与依赖图谱中诊断故障，并论证产品级架构或发布变更。

关键主题

• 复合系统；
• 路由；
• 模型生命周期；
• 能力评估；
• API 契约；
• 可移植性；
• 供应商集中度；
• 成本/延迟预算；
• 变更影响。

考生应能够产出或评估

• 架构选型备忘录；
• 模型/供应商评分卡；
• 路由/回退要求；
• 迁移或能力发布决策。

范围边界

产品架构决策为必考内容；不考查训练算法、基础设施实施与编码熟练度。

领域 5：数据、知识、检索、记忆与上下文系统

权重：10% | 题量：8

领域宗旨

在跨数据源、跨用户与生命周期变更中，主导可靠的信息与记忆行为。

学习目标

考生应能够：

1. 跨系统界定来源、权利、血缘、时效性、归属、留存、驻留地与权限要求；
2. 依据所提供的相关性、覆盖度、事实依据性、延迟与访问证据，比较检索/上下文方案；
3. 明确记忆的范围、同意机制、隔离、更正、删除以及权限变更的传导方式；
4. 诊断跨源冲突、信息过期、检索失败、上下文污染与未授权数据通路；
5. 设计反馈与评估数据流转，包含质量审核、隐私控制、来源追溯与污染防范；
6. 为数据、知识、检索、上下文、记忆与访问策略的更新界定变更影响与回归要求。

关键主题

• 跨源检索；
• 上下文质量；
• 记忆治理；
• 租户隔离；
• 来源追溯；
• 权利；
• 评估数据飞轮；
• 反馈选择偏差。

考生应能够产出或评估

• 数据/上下文架构简报；
• 访问/记忆策略；
• 数据源变更计划；
• 反馈/评估数据设计。

范围边界

考查需求、权衡与证据；不考查数据库管理与底层数据管道工程。

领域 6：评估、实验与产品智能

权重：16% | 题量：13

领域宗旨

建立分层评估体系与产品智能，以指导高级产品决策。

学习目标

考生应能够：

1. 定义组件、检索、模型、智能体执行轨迹、工作流与端到端等各层质量维度，并与用户及业务结果挂钩；
2. 按客群、任务、后果、正常行为、失败与误用构建具代表性的用例覆盖，并保护留出集证据；
3. 制定人工评分量规，并对照参考判断校准自动评判器，处理分歧与偏差；
4. 设计包含基线、假设、对照、成功/护栏指标以及可辩护的不确定性解读的实验；
5. 设定分客群阈值、回归关卡、持续评估、监控、漂移/变更触发器与升级决策；
6. 诊断失效模式，并将相互矛盾的技术、使用、成本、安全与业务信号整合为有优先级的产品决策。

关键主题

• 多层评估；
• 评判器校准；
• 数据集泄漏；
• 不确定性；
• 实验对照；
• 客群分析；
• 执行轨迹评估；
• 持续产品智能。

考生应能够产出或评估

• 评估架构与用例集；
• 校准评审；
• 实验设计；
• 发布决策；
• 产品智能看板规范。

范围边界

系统级评估设计为必考内容；不考查研究级基准测试或高阶统计推导。

领域 7：负责任 AI、安全、安保与产品风险

权重：12% | 题量：10

领域宗旨

在复杂依赖关系中主导与之相称的产品风险分析与负责任的决策。

学习目标

考生应能够：

1. 在产品系统层面梳理危害、威胁、受影响群体、数据暴露、权限路径与依赖失效；
2. 评估提示词注入、工具滥用、权限过度、跨租户泄露、供应链暴露与不安全的输出消费；
3. 将既定的政策/领域义务转化为可执行的产品控制措施、证据、责任人与生命周期评审触发条件；
4. 与专家协作，明确红队目标、误用场景、控制有效性验证与事件演练；
5. 在被授予的权限范围内处理剩余风险权衡，并对超出产品授权范围的决策进行升级；
6. 维护可审计的治理记录，并在事件、模型变更、客群危害或工作流扩展后调整控制措施。

关键主题

• 产品威胁建模；
• AI 影响；
• 风险/控制可追溯性；
• 隔离；
• 负责任 AI；
• 人工监督；
• 红队证据；
• 剩余风险；
• 事件响应。

考生应能够产出或评估

• 系统风险/威胁模型；
• 控制与保证记录；
• 事件演练；
• 有充分理由的风险接受或升级建议。

范围边界

产品级威胁分析属于考核范围；安全工程、法律意见与企业风险偏好归属不在其中。

领域 8：自适应交付、韧性、商业化与价值实现

权重：8% | 题量：6

领域宗旨

在规模化条件下运营、商业化并持续改进集成型产品，保持可持续的表现。

学习目标

考生应能够：

1. 规划分阶段交付、依赖就绪度、发布关卡、服务目标、变更控制与跨团队运营归属；
2. 明确可观测性、降级回退、回滚、中断处理、事件响应、供应商迁移与退役要求；
3. 依据客户价值、成本、需求与风险证据，主导定价、打包、上市路径或内部推广方式的选择；
4. 规划工作流采纳、客户成功、赋能建设，以及在相关客群中可衡量的价值实现；
5. 借助产品智能，管理与规模相关的成本、质量、审核工作量、可靠性及采纳度之间的权衡；
6. 建立可复用的实践方法、辅导团队，并在实验、事件与结果复盘后调整路线图或运营机制。

关键主题

• 产品运营；
• SLO（服务级别目标）；
• 韧性；
• 迁移；
• 经济性；
• 定价；
• 打包（套餐设计）；
• 采纳；
• 留存；
• 变更管理；
• 团队学习。

考生应能够产出或评估

• 发布/运营计划；
• 商业化或内部推广计划；
• 价值评分卡；
• 可复用的决策机制。

范围边界

高级产品商业化与运营职责为必考内容；全组织范围的转型与产品组合政策属于 AIPM-3 范围。

AIPM-2 跨领域能力主线

v3.1 的七条能力主线贯穿各领域题目、案例证据与评分量表。它们并不构成第二套计分领域。

模型与研究成果产品化

在研究不确定性下规划能力发布、比较模型行为并预判迁移影响。

智能体权限与运行时控制

在集成系统中处理身份、被授予权限、工具、预算、重试与恢复之间的权衡。

评估驱动的开发

建立组件、执行轨迹、端到端、分客群及持续评估体系，并实现校准化的判断。

AI 产品经济性

在贴近真实的需求场景下，优化路由、打包、工作流成本、毛利、人工审核与价值。

构建者素养

运用可运行的证据复现故障、比较方案，并改进团队的决策机制。

平台与生态素养

负责 API/开发者体验、服务依赖、版本管理、可移植性与集成采纳。

领域与监管转译

与领域、法务、安全及运营专家协作，主导产品级风险与义务的转译落地。

AI 原生产品敏捷性

运用自适应需求洞察、分阶段交付、持续评估、反馈与负责任的决策，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、故事点以及品牌化的规模化方法均不在本大纲范围内。

AIPM-2 考试大纲与能力模型的映射关系

四大模型集群与十大能力领域仍然是共同核心。本大纲在相应的责任层级上将其归并为可考核的领域。下表中，CM 表示能力模型，右列中的领域编号均指该模型。

CM-D1 涵盖战略与价值发现；D2 涵盖商业化与价值实现；D3 涵盖人机协同与智能体工作流；D4 涵盖模型与系统决策；D5 涵盖数据、知识、检索、记忆与上下文；D6 涵盖体验、信任与控制；D7 涵盖评估与智能；D8 涵盖交付与生命周期；D9 涵盖负责任 AI 与治理；D10 涵盖实践、构建者素养与领导力。 角色原型示例可涉及应用、智能体、模型、平台、企业或垂直行业产品、评估与治理、增长或产品组合领导力等方向。考生在其所属层级上就共同核心接受考核；平台或模型类示例不要求考生具备专家级的工程实施能力。

必需的 AIPM-2 高级产品案例与答辩

AIPM-2 案例为带有一项重大集成与变更挑战的 C2 级产品，或一个边界清晰的 C3 级产品领域。案例包含多个系统或数据源、带有明确控制措施的后果性动作、相互竞争的利益相关方约束，以及不完备的技术/商业证据。多智能体设计可以作为一种可选方案，但考生必须论证是否有必要采用。

高级 AI 产品决策与运营包

提交一份”高级 AI 产品决策与运营包”，将下列工作产物串联起来。鼓励使用模板与精简化的文档。

1. 产品战略、用户/客群证据、价值基线、机会决策以及成功/护栏指标；
2. 集成工作流、状态、职责、工具/委托边界、审批机制与部分失败恢复方案；
3. 需求与体验规范，并附带跨系统与跨用户边界的可追溯验收标准；
4. 至少两种可行的系统/模型方案对比，包括路由/回退、依赖关系、可移植性与经济性；
5. 数据、检索、上下文、记忆、权利、权限以及反馈/评估数据要求；
6. 分层评估设计、不少于 20 个考生自编用例、评分量规、评判器校准推理，以及结果/失败分析；
7. 风险/威胁模型、控制有效性验证证据、剩余风险决策与治理升级；
8. 分阶段发布、可观测性、韧性、迁移/退役、事件与变更响应计划；
9. 定价/打包或内部推广/立项筹资方案、价值实现度量，以及运营/团队学习机制。

AIPM-2 评估覆盖要求

评估集必须覆盖任务/客群差异、正常与边界行为、授权或租户隔离、冲突信息或记忆、后果性工具动作、部分失败，以及变更后的回归。使用所提供的环境/证据，执行或解读至少十个相关用例。须包含一个评判器与人工判断分歧的示例，并说明其对决策的影响。最低用例数量用于证明考核覆盖面，而非生产可靠性的证明。

AIPM-2 专业答辩

20 分钟的专业答辩考查三件事：考生的实际贡献与证据来源；最具后果性的权衡取舍；以及一个给定的变更情境，如供应商中断、成本上涨、新客群失效或权限撤销。考官在同一案例标准下使用这些证据，并记录任何评分变动。仅靠背诵式陈述而缺乏针对性推理，不符合本级别要求。

AIPM-2 高级案例评分量表与关键标准

考官按 0–4 分制对每项评分项打分：

• 0 分 = 缺失或存在实质性错误；
• 1 分 = 论述零散，存在重大缺漏；
• 2 分 = 思路可行，但在证据或执行上存在实质性未解决的缺口；
• 3 分 = 达到本级别要求，胜任、可追溯、切实可行；
• 4 分 = 表现优异，备选方案经过充分检验，妥善处理不确定性，并产生有价值的经验沉淀。

本部分得分 = Σ（各评分项权重 × 其得分 ÷ 4）。权重合计为 100，75 分对应各项均为 3 分。使用整数评分，并须为每项给出书面理由。

AIPM-2 通过要求与关键性失败

通过需达到至少 75/100，且”工作流/权限”、”评估/智能”、”风险/治理”、”运营/规模化”四项均须不低于 3 分。案例与答辩须共同证明考生对决策的个人掌控力。 关键性失败包括：在未获授权的情况下提出后果性动作；在建议发布的同时忽略一项实质性的控制失效；或在缺乏支撑证据的情况下声称测试或结果成功。经过充分论证的”不予发布”或”缩减范围”决策是可接受的。处于临界线的判定与关键性失败判定均须经过二次复核。

AIPM-2 合格考生标准

一名合格的 AIPM-2 考生能够在价值、用户、架构、信息、评估、风险、运营与商业化之间作出整体性决策。他们诊断的是系统行为，而非优化某个孤立的模型分数；他们化解相互竞争的约束，在变更中始终保有责任归属，并建立起可供其他团队使用的机制。其提交的证据能够支撑”产品职责与范围”章节所陈述的高级职责边界。

AIPM-2 备考与就绪度

备考 AIPM-2 的考生应重点关注：

• 在贴近真实的系统、业务与治理约束下开展 AI 产品案例实践；
• 产出一份高级决策包；
• 比较架构方案；
• 调查一次失败的智能体执行轨迹；
• 对照人工标注评估一个自动评判器；
• 复核一个分客群的发布关卡；
• 核算完整任务的成本经济模型；
• 演练一次事件、迁移或定价决策。

首先回顾 AIPM-1 的成果要求。应用型 PM 应深化系统依赖与运营能力；技术型 PM 应深化采纳与商业判断；平台型 PM 应将开发者体验与服务可靠性与价值相联结；企业与垂直行业 PM 应练习领域规则转译与工作流变革。使用具代表性的证据开展练习，并能够向技术评审者与业务评审者分别解释权衡取舍。

AIPM-2 代表性题型与示例

以下示例仅作说明之用，并非真实考题。每道真实题目都必须明确决策目标、实质性约束，以及得出可辩护答案所需的证据。

示例 1：系统经济性，单选题

两种合格设计均满足相同的安全与延迟关卡。处理 1,000 个任务时，方案 A 的服务费为 400 美元、审核成本 300 美元，产出 900 个成功结果；方案 B 的服务费为 250 美元、审核成本 500 美元，产出 950 个成功结果。若决策标准为更低的单次成功结果成本，以下哪项结论成立？

A. 选择 B，因为其服务费更低。

B. 选择 A：约 0.778 美元/次成功，而 B 为 0.789 美元。

C. 选择 B，因为成功率单独决定单位成本。

D. 两种设计的单次成功成本相同。

答案：B。A = 700 美元/900；B = 750 美元/950。在两种设计均满足合格关卡后，所选选项遵循了既定标准。

示例 2：部分失败，单选题

一个供应商下单智能体在发送采购请求后超时。外部系统可能已创建订单，但响应丢失。以下哪项要求最能应对重复下单风险？

A. 使用新的事务标识符立即重试。

B. 让模型推断第一次请求是否可能已成功。

C. 提高重试预算以提升完成率。

D. 使用稳定的幂等键，并在采取任何进一步动作前核对状态；无法确定的状态进行升级处理。

答案：D。必须在可靠的动作契约下核对完成状态；发起新请求或推断成功都可能造成重复下单或掩盖订单缺失。

示例 3：发布证据，多选题

某新模型提升了平均成功率，但削弱了一个小规模的关检客群。自动评判器在若干有害输出上与领域评审人员存在分歧。请选择发布前所有正当的行动。

A. 对照既定评分量规，检视并校准评判器的分歧。

B. 认为整体提升已足以作为所有客群的充分证据。

C. 用具代表性用例重新检查分客群与关键风险关卡。

D. 若相关关卡未通过，则保持候选模型受限或暂停发布。 E. 将有争议的用例从评估中移除，以稳定分数。

答案：A、C、D。证据要求进行校准并作出分客群的发布判断。移除困难用例或依赖整体表现会掩盖尚未解决的问题。

雇主视角下的 AIPM-2 与进阶路径

AIPM-2 是面向资深个人贡献者与产品负责人的能力信号，适用于负责集成型或主要高复杂度产品领域的人员。它与高级 AI 应用、智能体/工作流、企业/垂直行业、平台/API 等 PM 岗位高度相关。企业中的”高级（Senior）”头衔可能与此范围相符；但仅凭头衔与任职年限并不能确立级别。 雇主应查验高级案例，要求候选人完成一次故障诊断与一次权衡辩护，并评估其领域经验、实际的结果归属以及跨依赖关系的领导力。

晋升至 AIPM-3

当职责范围扩展至战略产品方向、共享平台、产品组合、投资决策与组织能力建设时，AIPM-3 即为合适的下一级别。AIPM-3 要求具备 AIPM-2 或同等证据，并须通过强制性的资格审核。

AIPM-2 考核诚信、交付与版本过渡

在线考试

AIPM-1 与 AIPM-2 的在线部分均为闭卷：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。每道选择题计 1 分。多选题以”选择所有符合项（Select all that apply）”表述，且不透露正确选项数量。得分要求选中全部正确选项且未选中任何错误选项，否则该题记 0 分。总分不设负分，亦无部分给分。

实操与战略作业

案例使用 APD 提供的材料与经批准的开卷环境。仅在既定考核规则范围内允许使用经批准的 AI 辅助。考生须披露所用工具与实质性协助，保留相关工作证据，核实事实与数值主张，并对每一份提交内容负责。能否通过取决于考生的判断与证据，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、来源，以及结果属于实测、模拟还是预测。在保留决策语境的前提下对涉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违规协助，将依据已公布的诚信与申诉政策处理。

交付与公平性

APD 必须在报名前披露版本、允许使用的工具、考核窗口、评分规则、便利安排、重考机制与申诉渠道。经批准的便利安排可调整时长或形式，但须保持能力标准不变。案例环境必须提供同等的信息与访问权限；供应商中断与工具配置失败不得成为隐性的能力测试。

重考与复核

考生将收到分组成部分的成绩与评分项级别的反馈。实操部分未通过需提交更正后的证据并重新评估；在线部分未通过需参加另一份等效试卷。APD 公布的考生政策决定排期、费用、已通过部分的保留期限与申诉时限。本大纲不创设任何自动的截止期限或权利。

版本过渡

1.2 版要求采用其完整的考核设计。此前仅通过在线考试的成绩，不得被表述为已完成新的实操证据要求。既有证书沿用其颁发时的规则；任何衔接或续证路径须另行公布。在交付 v1.2 之前，必须完成命题指南、题库、评分配置、案例包、考官校准材料与公开报名信息的对齐。本文件更新的是大纲本身，并不表示上述运营调整已部署完成。

有效期

认证有效期为2年。续证遵循 APD 公布的政策，可能包括重新评估、持续专业发展、更新证据或经批准的衔接评估。

总结

AIPM-2 考试大纲确立了高级 AI 产品管理实践的 1.2 版标准。AIPM-2 表明考生能够独立负责一个完整的 C2 级 AI 原生集成产品，并领导一个主要产品领域或边界清晰的 C3 级产品，整合需求洞察、产品战略、人机协同与智能体工作流设计、AI 原生需求、模型与系统权衡、数据与记忆治理、分层评估、负责任 AI 风险管理、韧性交付、商业化、推广采纳与价值实现。 AIPM-2 是 APD 认证 AI 产品经理体系中的高级专业实践层级，为考生进阶至 AIPM-3：战略产品领导力做好准备。