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 1.4 版考核标准。它适用于明确标注为 1.4 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。合格的候选人能够依据所提供的产品证据进行推理、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 v1.4 的变更内容

1.4 版沿用 v1.3 的「纯客观题」架构与未变的评估政策，并落实所有者批准的四处学习目标扩充，覆盖企业级数据、知识准备、检索与上下文、模型能力与集成等主题。AIPM-1 仍为专业实践级别，全部通过 APD 提供的场景与关联客观题进行评估——考生无需提交个人案例，也无需展示完整的产品构建过程。本版本中不存在案例提交路径。

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 通过单一闭卷客观题部分进行考核。不要求作品集、雇主项目、产品案例上传或现场答辩。

每道客观题 1 分。单选题只有一个答案；多选题须选中全部正确选项且不选任何错误选项，否则该题计 0 分。不设部分给分，也不设负分。

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。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。作答形式不是第五个题型家族；题组题即使需要解读工件，也按产品决策场景计分。难度应来自相关约束、证据、诊断与可辩护的取舍，而非冷僻事实、隐藏义务或含糊措辞。

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。

修订后考试如何获取证据

APD 提供相关产品材料。考生选取、解读、诊断或评估：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；贡献记录。
蓝图与证据映射表 v1.2 将每个目标对应到所提供的材料、要求作答、合格指标、评分路径、课程工具／练习与推断局限。创建或执行产品工件，不能仅凭选对一个选项就推断其已完成。

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。不单独直接评估完整工件或现场交付的独立构建。考试以所提供的证据考查相关的产品决策。

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。

修订后考试如何获取证据

APD 提供相关产品材料。考生选取、解读、诊断或评估：机会与价值简报；简单的经济性测算；实验方案；上手引导／价值度量计划。
蓝图与证据映射表 v1.2 将每个目标对应到所提供的材料、要求作答、合格指标、评分路径、课程工具／练习与推断局限。创建或执行产品工件，不能仅凭选对一个选项就推断其已完成。

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。不单独直接评估完整工件或现场交付的独立构建。考试以所提供的证据考查相关的产品决策。

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。

修订后考试如何获取证据

APD 提供相关产品材料。考生选取、解读、诊断或评估：工作流与权限地图；需求／验收标准；带标注的交互原型或仿真。
蓝图与证据映射表 v1.2 将每个目标对应到所提供的材料、要求作答、合格指标、评分路径、课程工具／练习与推断局限。创建或执行产品工件，不能仅凭选对一个选项就推断其已完成。

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。不单独直接评估完整工件或现场交付的独立构建。考试以所提供的证据考查相关的产品决策。

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. 说明模型、任务指令与可复用任务流程、检索、工具与企业服务接口、记忆、编排与运行时控制，以及用户界面如何共同决定产品行为；并识别边界清晰的产品所需的集成与互操作性条件；
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）；
• token 与上下文窗口；
• 生成式与多模态 AI；
• 复合系统；
• API 与工具契约；
• MCP；
• 可复用 Agent Skills；
• 智能体执行框架与受限执行循环；
• 智能体；
• 自建／采购／合作；
• 可移植性；
• 版本管理；
• 构建动手能力。

修订后考试如何获取证据

APD 提供行为说明书、成对的模型／配置结果、组件图、企业能力与权限目录、API／工具或 MCP 说明、Skill 摘录与可观测的执行记录。考生判断任务匹配度、依赖关系、控制措施的位置、失效情形与必要的检查项。所需的实现事实均已提供。
蓝图与证据映射表 v1.2 将每个目标对应到所提供的材料、要求作答、合格指标、评分路径、课程工具／练习与推断局限。创建或执行产品工件，不能仅凭选对一个选项就推断其已完成。

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。不单独直接评估完整工件或现场交付的独立构建。考试以所提供的证据考查相关的产品决策。

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. 从目标任务与失效模式出发，明确所需数据与知识的用途、来源、责任人、权利、时效性、来源可追溯性与访问边界；评估其在目标阶段的覆盖度、质量与可得性，识别缺口并提出准备动作；
2. 为边界清晰的产品定义知识组织、索引、切分、检索选型与基于证据的生成要求，并说明其对结果的影响；明确引用要求以及对证据不足或相互冲突的回应方式，并用所提供的检索证据核查要求是否达成；
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. 为当前任务选取并组织指令、来源、工具结果、任务状态与必要的历史记录，判断上下文预算与相关性的取舍；区分任务上下文与持久化记忆，并定义记忆的同意、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；
• 去重、版本与结构；
• 切分与索引；
• 关键词、向量与混合检索；
• 权限感知检索；
• 数据出处；
• 上下文装配与预算；
• 受控记忆；
• 评估数据；
• 来源生命周期。

修订后考试如何获取证据

APD 提供任务—数据映射表、字段字典、代表性数据行与缺失／覆盖说明、来源权利／版本记录、原始与预处理段落、切分与检索结果、备选上下文包以及记忆规则。考生判断特定阶段的充分性、准备与检索选择、证据支撑情况以及更新要求。
蓝图与证据映射表 v1.2 将每个目标对应到所提供的材料、要求作答、合格指标、评分路径、课程工具／练习与推断局限。创建或执行产品工件，不能仅凭选对一个选项就推断其已完成。

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。不单独直接评估完整工件或现场交付的独立构建。考试以所提供的证据考查相关的产品决策。

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。

修订后考试如何获取证据

APD 提供评估计划、用例与预期行为、开发集／留出集划分、可比的基线与变更版本结果、检索／工具追踪记录、任务结果、关卡与运营约束。考生识别缺口、在不夸大置信度的前提下解读影响，并选择合适的复检与决策。
蓝图与证据映射表 v1.2 将每个目标对应到所提供的材料、要求作答、合格指标、评分路径、课程工具／练习与推断局限。创建或执行产品工件，不能仅凭选对一个选项就推断其已完成。

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。不单独直接评估完整工件或现场交付的独立构建。考试以所提供的证据考查相关的产品决策。

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。

修订后考试如何获取证据

APD 提供相关产品材料。考生选取、解读、诊断或评估：比例相称的风险／控制登记表；有充分理由支撑的治理或升级上报决策。
蓝图与证据映射表 v1.2 将每个目标对应到所提供的材料、要求作答、合格指标、评分路径、课程工具／练习与推断局限。创建或执行产品工件，不能仅凭选对一个选项就推断其已完成。

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。不单独直接评估完整工件或现场交付的独立构建。考试以所提供的证据考查相关的产品决策。

跨领域能力主线

v3.1 能力主线贯穿各领域题目、题组情境与评分量规，但并不构成第二套计分领域。

• 模型与研究能力产品化。把模型能力与不确定性转化为产品选择、证据关卡与变更决策。
• 智能体权限与运行时控制。在本级别的责任范围内审视身份、委托、权限、审批、预算、停止与恢复。
• 评估驱动的开发。在全生命周期中运用代表性案例、分层证据、回归与可担责的发布决策。
• AI 产品经济性。运用范围内全部成本、成功结果口径、运营能力、采纳情况与价值证据。
• 构建动手能力。检查原型、请求／响应、检索、上下文、工具状态与评估证据以做出产品决策。课堂上的创建与真实执行受到鼓励，且与本考试不同——本考试并不直接观察完整构建过程。
• 平台与生态理解力。在 AIPM-1 的范围内判断现有的企业能力、接口与错误契约、权限、协议兼容性、依赖关系与可迁移性。API／工具、MCP、Skill 与执行框架等概念用于支撑决策；所提供的实现示例并非普遍必备的技术栈。
• 领域与监管规则转化。把所提供的义务转化为控制措施、证据与升级路径；不要求掌握未提供的特定司法辖区法律。
• AI 原生产品敏捷性。运用适应性探索、分阶段交付、持续评估、反馈与可担责的决策，改进价值、质量、安全、成本与准备度。该主线跨领域整合，而非第八项额外的独立主线得分。特定框架的活动、速度、故事点以及品牌化规模化方法均不在本大纲范围内。

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。

APD 提供的场景与联动题组

已发布的 AIPM-1 试卷包含五个联动题组，每组三道题。题组是 APD 提供的情境加上与之关联的客观题：它是 APD 提供的考试材料，而不是需要考生自行准备、上传或答辩的案例。

每道题都必须能够依据所陈述的材料作答，不得因答对前面某题而变得更易；后面的题也不得泄露前面的答案。必要的日期、权利、假设、优先级与必需的控制措施均由 APD 提供。情境均落在 C1 端到端负责与在常规组织支持下界定 C2 范围的边界之内；当证据支持时，考生可以正确地建议采用非 AI 方案、限制范围、暂停或退役。

题组以整体为单位进行组卷与评审。即使独立评分，共享情境也可能带来统计上的相依性，因此蓝图要求进行题组层面的分析并提供具代表性的情境，而不是让一个冗长案例主导整份试卷。

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。及格要求为在客观题试卷上至少答对 45/60（75%），且不与任何案例分数、课程成绩或部分权重合并计算。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。备考应侧重依据陌生的产品证据进行推理，而非背答案。完成的学习练习有助于备考，但不计入考试分数；课程出勤或结业也不能替代考试。

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 — 完整成果经济性，单选题

两个产品版本都满足所声明的质量与服务条件。版本 A 的推理费用为 120 美元、工具费用为 60 美元、人工审核费用为 420 美元，共取得 800 项成功结果。版本 B 的推理费用为 180 美元、工具费用为 60 美元、人工审核费用为 300 美元，共取得 900 项成功结果。在这一明确限定的成本范围内比较单次成功成果成本，可以支持以下哪一结论？

1. 版本 A 更优，约 0.75 美元／次成功，因为其总支出更低。
2. 版本 B 更优，约 0.60 美元／次成功，而版本 A 约为 0.75 美元。
3. 两个版本相同，均约为 0.67 美元／次成功。
4. 版本 B 更优，因为其推理成本更高。

答案： B。A =（120 + 60 + 420）美元 / 800 = 0.75 美元；B =（180 + 60 + 300）美元 / 900 = 0.60 美元。仅计推理成本、按总支出计算，或分母取错，都会得出不同答案。两个版本都满足所声明的质量与服务条件，因此在本范围内比较只取决于单次成功成果成本。

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。该证书是对所考查层级的产品理解、分析与判断力的标准化信号；并不直接证明持证者创建过完整原型、影响过真实干系人，或独立交付过成功产品。 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、工作样本或作品集审阅、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。结果不与任何案例分数、课程成绩、部分权重或实操重交合并计算；不设一票否决式单题或单独的领域最低分。领域分项不构成独立证书，不及格分数也不会向上取整为及格。

诚信与结果

身份与诚信安排须在报名前披露。只有在已公布的诚信、技术事故或复核程序下方可暂扣成绩；保护试题不外泄，并不构成在考生作答后更改其评分规则的理由。

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。考试环境必须提供等效的信息与访问条件；服务中断、展品缺失与评分缺陷属于组织管理问题，不作为能力不足的证据。

重考与复核

考生在提交时即获得成绩与考试结果。未通过需另行参加一份等效的安全试卷；对缺陷试题的重新评定遵循可审计的更正流程。APD 公布的候选人政策决定排期、费用与申诉时限。本大纲不创设任何自动的时限、免费重考或权利。

过渡安排

1.4 版是 2026 年 9 月 17 日发布的内容修订。APD 必须在报名或考试前明确指定适用的考核版本；本文档不会自动变更已有报名，也不指定运营上线日期。相关的路径、命题开发、题库、评分、备考与报名材料须在使用前保持一致。此前的成绩沿用其原有规则。

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，并依据所提供的证据论证一项集成产品决策。 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。