议题背景：
AI Agent 的自主任务完成能力每 4 个月翻倍，Claude Code 已贡献 4% 的全球 GitHub 提交量。开发者的工作方式正被 Agent 深度重塑，但产品经理的世界仍是 "Everything is a Silo"——需求在文档里，数据在后台里，上下文在会议里，没有一条贯通的信息链路让 AI 真正介入。
Zilliz 产品团队率先打破这道墙。我们的实践证明：当 PM 拿起 Agent 工具，角色边界会发生根本性的变化——从功能的定义者，进化为功能的构建者。而这些实践反过来也塑造了我们对 AI 原生产品交互的理解。
内容提纲：
1. 开篇：Agent 吃掉了中间层
1.1 AI Agent 能力指数增长：自主完成任务的能力每 4 个月翻倍
1.2 开发者已被重塑：Claude Code 贡献 4% GitHub commits，目标年底 20%
AI Agent 的自主任务完成能力每 4 个月翻倍，Claude Code 已贡献 4% 的全球 GitHub 提交量。开发者的工作方式正被 Agent 深度重塑，但产品经理的世界仍是 "Everything is a Silo"——需求在文档里，数据在后台里，上下文在会议里，没有一条贯通的信息链路让 AI 真正介入。
Zilliz 产品团队率先打破这道墙。我们的实践证明：当 PM 拿起 Agent 工具，角色边界会发生根本性的变化——从功能的定义者，进化为功能的构建者。而这些实践反过来也塑造了我们对 AI 原生产品交互的理解。
内容提纲：
1. 开篇：Agent 吃掉了中间层
1.1 AI Agent 能力指数增长：自主完成任务的能力每 4 个月翻倍
1.2 开发者已被重塑：Claude Code 贡献 4% GitHub commits，目标年底 20%
1.3 PM 的困境：需求在文档里、数据在后台里、上下文在会议里——没有一条贯通的信息链路
1.4 核心论点：没有流动的信息链路，AI 只能做局部优化；PM 必须主动打破孤岛
2. Zilliz 内部实践：PM 即 Builder
借助 Coding Agent，产品经理可以直接构建原型甚至功能模块；产品体验问题做到发现即修复。这不仅仅是 Prototype First，而是产品、研发与测试边界的真正消融。
2.1 边界消融：PM 不只写 PRD，直接构建原型甚至功能模块，代码 Review 后进生产
2.2 发现即修复：Coding Agent 赋能，PM 体验产品时直接定位并修复体验问题
2.3 信息穿透：Skill + MCP 打通代码/设计/会议纪要，消除 90% 对齐会
2.4 真实案例：技术检索 Skill、需求回溯 Skill、PM 直接修复产品问题的故事
3. 从实践到产品：Zilliz AI Assistant
3.1 背景：内部 PM Builder 和多团队的实践沉淀出的Skill构建方法论，反哺为面向客户的 Agent 产品
3.2 Agent标准范式：内部 Skill 的不断积累，借助脑子（Agent） + 手&工具（CLI） + 知识（多领域的知识沉淀与最佳实践的载体） 的Agent范式，最终成为 ToB 产品帮助客户上手的最佳路径
3.3 Zilliz AI Assistant 赋能 Zilliz Cloud 产品使用（上手/Schema Design/查询诊断&优化），更将赋能即将发布的 Zilliz Lakebase 产品。
4. PM 角色进化：Builder + 知识架构师
4.1 全链路视角：PM 是最了解从客户需求到技术实现完整流程的人
4.2 Builder：不止定义产品，用 Agent 工具直接构建产品
4.3 知识架构师：定义数据资产，编排 AI 理解业务的方式，从整体流程驱动产品优化
4.4 Zilliz PM 的当下现实：写 PRD 也写代码，定义功能也修复 Bug
5. 总结与 Q&A
1.4 核心论点：没有流动的信息链路，AI 只能做局部优化；PM 必须主动打破孤岛
2. Zilliz 内部实践：PM 即 Builder
借助 Coding Agent，产品经理可以直接构建原型甚至功能模块；产品体验问题做到发现即修复。这不仅仅是 Prototype First，而是产品、研发与测试边界的真正消融。
2.1 边界消融：PM 不只写 PRD，直接构建原型甚至功能模块，代码 Review 后进生产
2.2 发现即修复：Coding Agent 赋能，PM 体验产品时直接定位并修复体验问题
2.3 信息穿透：Skill + MCP 打通代码/设计/会议纪要，消除 90% 对齐会
2.4 真实案例：技术检索 Skill、需求回溯 Skill、PM 直接修复产品问题的故事
3. 从实践到产品：Zilliz AI Assistant
3.1 背景：内部 PM Builder 和多团队的实践沉淀出的Skill构建方法论，反哺为面向客户的 Agent 产品
3.2 Agent标准范式：内部 Skill 的不断积累，借助脑子（Agent） + 手&工具（CLI） + 知识（多领域的知识沉淀与最佳实践的载体） 的Agent范式，最终成为 ToB 产品帮助客户上手的最佳路径
3.3 Zilliz AI Assistant 赋能 Zilliz Cloud 产品使用（上手/Schema Design/查询诊断&优化），更将赋能即将发布的 Zilliz Lakebase 产品。
4. PM 角色进化：Builder + 知识架构师
4.1 全链路视角：PM 是最了解从客户需求到技术实现完整流程的人
4.2 Builder：不止定义产品，用 Agent 工具直接构建产品
4.3 知识架构师：定义数据资产，编排 AI 理解业务的方式，从整体流程驱动产品优化
4.4 Zilliz PM 的当下现实：写 PRD 也写代码，定义功能也修复 Bug
5. 总结与 Q&A
5.1 回顾主线：打破孤岛 → 内部实践 → Agent 产品范式 → PM 角色重定义
5.2 Call to Action：拿起 Agent 工具，从文档写作者变成 Builder
听众收益
1. 少走弯路：分享 Zilliz 产品团队在 PM 转型 Builder 过程中踩过的坑——哪些场景适合 PM 直接介入代码、哪些不适合，Agent 与人类的信任边界如何划定
2. 产品设计启发：为正在思考如何将 AI Agent 更好融入自身产品的 PM 提供可借鉴的架构思路
5.2 Call to Action：拿起 Agent 工具，从文档写作者变成 Builder
听众收益
1. 少走弯路：分享 Zilliz 产品团队在 PM 转型 Builder 过程中踩过的坑——哪些场景适合 PM 直接介入代码、哪些不适合，Agent 与人类的信任边界如何划定
2. 产品设计启发：为正在思考如何将 AI Agent 更好融入自身产品的 PM 提供可借鉴的架构思路
PM 即 Builder，AI Agent 时代的 PM 进化
莫亦寒
现任 Zilliz AI Agent 负责人，主导 Zilliz Cloud AI Agent 产品方向与 BYOC 产品线从 0 到 1 落地，推动企业级向量数据库的 AI 原生交互演进与商业化。曾任腾讯云大数据平台产品经理，负责新一代管控平台的产品规划与商业化，落地中信银行、中国银行总行等行业标杆大数据平台项目。
Zilliz 资深产品经理、AI Agent 负责人
PM组委会由业界在产品经理或相关领域具有显著成就和影响力的产品人发起，邀请联合主席团专家一起挖掘全球产品领域的创新突破，旨在推动产品领域的知识分享和能力提升，促进行业产品创新。我们相信，通过持续的学习和交流，产品人能够在快速变化的市场环境中不断成长，创造更多的用户价值和商业价值。同时依托智盟创课国内领先的人才能力提升服务供应商，组织专业的会务服务团队，全面推进会议的顺利落地，保证参会者体验。
服务总线：400-183-9980
商务、媒体合作：木子 151-2264-3988
演讲分享：丽媛 186-0005-0529
购票咨询：白老师 135-1619-6409