一、问题1：有没有让你印象深刻的AI输出或错误？你从中学到了什么？

（一）考察核心

1. 用AI时是否主动思考，而非仅把AI当“工具”被动接收结果；

1. 对AI输出内容的判断能力（区分正确/错误、有价值/无价值）；

1. 从AI输出中提炼启发、总结经验的能力（产品经理核心素养）。

（二）解题思路

1. 先明确分类：选择“正向有价值的AI输出”或“AI的错误输出”其中一类展开；

1. 描述具体场景：说清使用的AI工具（如Deepseek R1、Kimi）、你的需求、AI的输出内容；

1. 分析思考过程：重点讲“你如何判断AI输出的好坏/对错”“从中学到了什么”；

1. 关联岗位能力：体现批判性思维、逻辑分析能力。

（三）实战案例

案例1：正向启发（提升表达能力）

• 场景：用Deepseek R1写产品需求文档（PRD）的核心功能描述，我的需求是“清晰说明用户注册流程的3个关键步骤”；

• AI输出：不仅列出了步骤，还补充了“每个步骤的用户痛点+设计逻辑”，比如“步骤1：手机号验证——解决用户账号安全顾虑，同时简化注册门槛”；

• 我的思考：我原本只关注“步骤罗列”，但AI的思考过程让我意识到，PRD的描述需要“动作+目的+用户价值”结合；

• 收获：之后写提示词时，会主动加入“请说明每个功能的设计逻辑”，同时提升了自己的需求描述完整性，避免只讲“做什么”不讲“为什么做”。

案例2：错误判断（联网搜索类错误）

• 场景：用Kimi的联网功能搜索“2024年中国AI产品用户规模”，需要用于行业报告；

• AI输出：引用了某营销号文章，称“2024年用户规模达10亿”，并附上来源链接；

• 我的判断：① 先看来源：该营销号无行业数据资质，过往多次传播虚假信息；② 逻辑验证：2023年中国AI产品用户规模约3.5亿，一年增长近3倍不符合行业增长规律；③ 交叉验证：搜索权威机构（如艾瑞咨询）报告，实际数据约4.2亿；

• 收获：使用AI联网功能时，仅用于“事实性信息初步检索”，最终结论必须通过权威来源交叉验证；同时总结了判断AI错误的3个框架：来源可信度、逻辑合理性、数据交叉验证。

二、问题2：AI应用会员版为什么交钱？与免费版相比，哪些功能最有价值？

（一）考察核心

1. 对AI产品的实际使用深度（是否真的体验过付费工具）；

1. 产品思维（能否分析“付费功能的价值点”“产品收费逻辑”）；

1. 岗位匹配度（AI产品经理需具备“付费用户视角”）。

（二）解题思路

1. 明确立场：必须说明“使用过付费AI工具”（如Claude Pro、Cursor会员），避免说“用破解版”（会被认为价值观有问题）；

1. 分析收费逻辑：从“产品成本”“功能价值”“使用场景”三个角度切入；

1. 举例说明价值：选1-2个付费工具，对比免费版，讲清“付费功能解决了你的什么核心痛点”。

（三）实战案例+技巧

技巧：付费功能的核心价值判断框架

• 高频使用场景：付费功能是否覆盖你“每天都要用”的需求（如文案创作、代码调试）；

• 效率提升：是否能节省“大量时间成本”（如免费版每天限10次生成，付费版无限次）；

• 核心能力：是否提供免费版没有的“关键功能”（如Cursor的composer功能、Claude的长文本处理）。

案例：Cursor会员的付费价值

• 免费版局限：只能接入基础模型，无composer功能，代码生成后需手动复制粘贴，且每天生成次数限5次；

• 付费功能价值：① composer功能：可直接在编辑器内实时调试代码，无需切换窗口，节省30%的开发时间；② 无限次生成：我作为产品经理，每天需用AI写小程序脚本、SQL查询语句，高频使用下免费版完全不够用；③ 高级模型接入：可直接使用GPT-4、Deepseek R1等高级模型，代码准确率从60%提升到90%；

• 收费逻辑理解：大模型使用需消耗TOKEN（硬性成本），免费版是“获客引流”，付费版通过“增值功能”覆盖成本并盈利，同时筛选核心用户。

三、问题3：请描述一次你用AI解决问题的完整案例

（一）考察核心

1. AI应用场景的落地能力（不是“知道AI能做什么”，而是“实际用AI做过什么”）；

1. 调优能力（能否讲清“如何优化提示词”“如何解决AI输出的问题”）；

1. 总结能力（能否从案例中提炼经验）。

（二）解题思路

1. 案例结构：必须包含“需求→初始提示词→AI初始输出→问题→调优过程→最终结果→总结”；

1. 核心重点：详细讲“调优过程”（这是面试官最关注的，体现你的思考深度）；

1. 场景选择：选与岗位相关的场景（如产品经理选“PRD撰写”“需求分析”，文案岗选“营销文案生成”）。

（三）实战案例：用AI撰写产品营销文案

• 需求：为某APP的“一键备份照片”功能写朋友圈推广文案，要求“口语化、突出便捷性、带点情感共鸣”；

• 初始提示词：“写一条朋友圈文案，推广APP的照片备份功能”；

• AI初始输出：“XXAPP一键备份照片，安全可靠，快来使用！”（问题：太生硬，无情感，没突出“便捷性”）；

• 调优过程：① 补充背景：“目标用户是宝妈，平时带娃没时间整理照片，担心手机丢失导致照片丢失”；② 明确要求：“用宝妈的口吻，加入场景化描述（如“带娃随手拍”“手机内存满了”），结尾加行动指令（如“点击链接下载”）”；③ 优化提示词：“作为宝妈，写一条朋友圈文案，推广XXAPP的照片备份功能：1. 描述带娃时随手拍照片但手机内存满、怕丢失的痛点；2. 突出APP“一键备份”“自动同步”的便捷性；3. 语气亲切，带点小感慨；4. 结尾引导点击链接下载”；

• 最终输出：“带娃的日子里，手机里存满了娃的笑脸、哭闹、第一次翻身的瞬间…可手机内存告急，总怕不小心删了再也找不回�� 试了XXAPP的一键备份功能，太香了！打开自动同步，拍多少存多少，再也不用手动导照片了～ 宝妈们快冲！点击链接就能下载��”；

• 总结：提示词的“场景化+明确要求+用户视角”是关键，AI的初始输出往往笼统，需要通过补充细节、约束方向来优化。

四、问题4：在什么场景下你会用到AI解决问题？

（一）考察核心

1. 对AI应用场景的认知广度（是否知道AI能覆盖多类工作）；

1. 对AI边界的理解（是否知道“哪些场景AI不适合”）；

1. 工作效率思维（能否用AI解放重复劳动，聚焦核心工作）。

（二）解题思路

1. 场景分类：按“工作类型”划分（如重复劳动、复杂分析、创意辅助、技能补充），每个类别举1-2个具体例子；

1. 明确边界：说明“哪些场景不用AI”（如需要主观决策、核心创意、敏感数据处理）；

1. 结合岗位：场景要与目标岗位相关（如产品经理侧重“需求分析、PRD撰写、竞品调研”）。

（三）可直接套用的场景清单

场景类型	具体场景	AI工具推荐	使用目的
重复劳动	1. 整理会议纪要（提取核心观点、行动项）；2. 翻译产品文档（中译英/英译中）	飞书妙记、DeepL	节省时间，避免机械劳动
复杂分析	1. 竞品功能拆解（输入竞品链接，分析核心功能、优势劣势）；2. 行业报告提炼（提取关键数据、趋势结论）	Claude 3.7、Kimi	快速处理海量信息，聚焦分析
创意辅助	1. 产品命名（提供3个方向+理由）；2. 营销文案初稿（如活动海报文案、APP启动页文案）	GPT-4、Deepseek R1	激发灵感，减少创意枯竭
技能补充	1. 写简单SQL查询（如统计用户活跃度）；2. 制作产品原型图（输入文字描述，生成Axure草稿）	Cursor、Midjourney	弥补非核心技能短板

（四）AI不适合的场景

1. 核心决策：如产品核心功能是否上线、定价策略（需结合市场、用户反馈，AI仅能提供数据支持）；

1. 敏感数据处理：如用户隐私数据、公司商业机密（AI可能存在数据泄露风险）；

1. 原创核心创意：如产品差异化卖点、品牌核心价值观（需个人深度思考，AI仅能辅助优化）。

五、问题5：你遇到过AI输出的意外创意或错误，如何处理？

（一）考察核心

1. 意外处理能力（面对AI的非预期输出，能否冷静分析、解决）；

1. 归因能力（能否判断错误是“提示词问题”“AI能力问题”还是“需求描述问题”）；

1. 总结复用能力（能否从意外中提炼方法，避免下次再犯）。

（二）解题思路

1. 分情况处理：“意外创意”和“错误输出”分开讲，每种情况按“发现→分析→解决→总结”四步展开；

1. 错误归因：优先从“自身提示词”找问题（如描述模糊、指令冲突、缺少约束）；

1. 方法落地：给出具体的解决动作（如优化提示词、复现问题、换工具）。

（三）实战案例

案例1：意外创意（正向处理）

• 场景：用AI设计APP“青少年学习计划”功能，需求是“设置每日学习任务提醒”；

• AI意外输出：不仅设计了提醒功能，还补充了“学习习惯养成打卡”“家长监督权限”“学习进度可视化”三个衍生功能；

• 处理过程：① 发现：AI的输出超出预期，但贴合“青少年学习”的核心需求；② 分析：AI通过“用户场景延伸”（青少年需要监督、家长需要了解进度）产生了创意；③ 解决：采纳“学习打卡”和“进度可视化”功能，整合到原需求中，同时删除“家长监督权限”（因产品定位是“青少年自主学习”）；④ 总结：后续写提示词时，可加入“允许适度延伸功能，但需贴合核心定位”，激发AI的场景化创意。

案例2：错误输出（反向处理）

• 场景：用AI写“2024年618电商活动策划案”，提示词为“写一份电商618活动策划，包含活动时间、玩法、预算”；

• AI错误输出：活动时间写为“2023年6月1日-6月18日”（事实性错误），玩法部分抄袭某平台2023年的活动（无创新性）；

• 处理过程：① 发现：先核对时间（事实性错误），再分析玩法（与需求的“2024年”不符）；② 归因：提示词缺少“时间约束（2024年）”和“玩法创新要求”；③ 解决：优化提示词为“写一份2024年电商618活动策划案：1. 活动时间：2024年6月1日-6月18日；2. 玩法需包含3个创新点（区别于2023年的满减、优惠券）；3. 预算分3部分：推广费、奖品费、技术支持费，总预算不超过10万元”；④ 总结：写提示词时，必须明确“关键约束条件”（时间、金额、创新要求），避免AI出现事实性错误或偏离需求。

六、问题6：你通常如何调整prompt来优化AI的输出？有没有什么秘诀？

（一）考察核心

1. 提示词工程能力（这是AI产品经理的核心技能）；

1. 逻辑思维能力（能否结构化地设计提示词）；

1. 表达能力（能否清晰、准确地向AI传递需求）。

（二）零基础必学的提示词优化框架（核心秘诀）

1. 框架优先于细节

• 核心逻辑：写提示词前，先构思“AI输出的结构的方向”（如“先讲痛点，再讲功能，最后讲行动指令”），再补充细节；

• 举例：要求AI写产品介绍，先明确框架“1. 产品定位（给谁用、解决什么问题）；2. 核心功能（3个，每个功能讲清楚“怎么做+带来什么价值”）；3. 适用场景（2个具体场景）”，再补充语言风格（口语化、专业）。

2. 提示词四要素（缺一不可）

• 背景信息：谁在用、用在什么场景、为什么需要（如“我是电商产品经理，为新上线的生鲜配送功能写用户指南，用户是小区居民，不懂复杂操作”）；

• 明确要求：输出形式（如“分点列出”“表格呈现”）、语言风格（如“简洁明了”“温馨亲切”）、核心重点（如“突出配送时效”“强调操作简单”）；

• 结构约束：输出的模块顺序、每个模块的内容要求（如“先讲操作步骤，再讲常见问题，最后讲联系客服方式”）；

• 示例参考（可选）：如果需求复杂，给AI一个参考示例（如“参考以下风格：‘打开APP→点击“生鲜配送”→选择商品→填写地址→下单，30分钟送达～’”）。

3. 常见优化技巧

• 避免模糊词汇：不用“好一点”“详细点”，改用“分3个部分，每个部分不少于50字”“包含具体数据（如配送时效30分钟）”；

• 拆分复杂需求：如果需求太多（如“写策划案+做预算+设计海报文案”），分多次提示，先让AI完成策划案，再基于策划案做预算；

• 错误反馈明确：如果AI输出不符合要求，直接指出“哪里错了+应该怎么改”（如“你写的活动玩法没有创新点，需要补充1个‘社交裂变玩法’，比如‘邀请好友助力得优惠券’”）。

（三）实战示例：优化“产品需求描述”提示词

• 原始提示词：“写一个APP的签到功能需求”（模糊，AI输出笼统）；

• 优化后提示词：“背景：我是社交APP产品经理，用户以18-25岁年轻人为主，需要设计签到功能，提升用户日活；要求：1. 分‘功能描述’‘用户流程’‘核心规则’3个模块；2. 功能描述：说明签到的入口（首页顶部图标）、签到方式（点击图标即可）；3. 用户流程：打开APP→看到签到图标→点击→显示签到成功+获得积分；4. 核心规则：连续签到7天获得额外积分奖励，断签后重新累计；5. 语言风格：专业、简洁，适合写进PRD”；

• 优化效果：AI输出结构清晰、细节明确，可直接用于PRD文档，无需二次修改。

七、问题7：面对新上线的AI模型，你通常如何测试以判断是否适合你的需求？

（一）考察核心

1. 对AI模型的敏感度（是否关注行业最新动态）；

1. 模型测试能力（能否用科学方法判断模型好坏）；

1. 需求匹配能力（能否结合自身工作需求，筛选合适的模型）。

（二）可直接套用的测试流程

1. 第一步：用“大问题”测试模型的深度（适合所有岗位）

• 测试逻辑：大问题（如“产品经理如何用AI提升工作效率？”“青少年学习类APP的核心需求是什么？”）没有标准答案，但能看出模型的思考深度——优秀模型会“大问题小落地”，给出具体可操作的建议；

• 示例：测试Deepseek R1V3时，问“产品经理如何用AI做竞品调研？”，优秀输出会包含“1. 用AI提取竞品核心功能；2. 用AI分析用户评价关键词；3. 用AI对比自身产品与竞品的差异”等具体步骤，而非空泛的“AI可以帮你节省时间”。

2. 第二步：按岗位场景测试核心能力

岗位类型	测试重点	测试案例	合格标准
产品经理	指令依从性、逻辑连贯性	让AI写“生鲜APP的退换货规则”，要求“分3种场景（质量问题、用户原因、超时配送），每种场景明确处理方式”	输出分场景清晰，逻辑无矛盾，符合电商行业常规规则
文案/营销	困惑度、突发性（避免机器味）	让AI写“奶茶店新品推广文案”，要求“口语化、有网感、带点小幽默”	输出不套路（如不用“限时优惠”“错过再等一年”），有新颖表达（如“一口下去，快乐冒泡～”）
产研/技术	纠错能力、代码准确性	让AI写“统计用户近7天活跃度的SQL语句”，故意指出“你写的语句缺少时间筛选条件”	模型能快速修正，补充“WHERE create_time BETWEEN DATE_SUB(NOW(), INTERVAL 7 DAY) AND NOW()”

3. 第三步：对比测试（筛选最优模型）

• 测试逻辑：用同一个提示词，在多个新模型（如GPT-4.5、千问QWQ、Claude 3Sonic）中测试，对比“输出速度、准确性、贴合需求度”；

• 示例：用“写一份产品经理周报模板”作为提示词，对比3个模型：① 输出速度：千问QWQ最快（3秒），Claude 3Sonic最慢（5秒）；② 准确性：GPT-4.5最贴合产品经理工作（包含“需求推进、问题解决、下周计划”模块）；③ 贴合需求度：千问QWQ的模板可直接修改使用，无需二次调整；

• 结论：如果需要快速出结果，选千问QWQ；如果需要高质量、贴合岗位的输出，选GPT-4.5。

八、问题8：如果用AI生成个人简历，会如何设计prompt来突出优势？

（一）考察核心

1. 提示词设计的精细化能力；

1. 自我认知能力（能否明确自身优势，并通过提示词让AI突出）；

1. 目标岗位匹配能力（能否结合岗位需求，针对性设计提示词）。

（二）必学的简历提示词四步法

1. 第一步：给足背景信息（让AI了解你）

• 核心内容：个人基本情况（学历、工作年限、目标岗位）、核心经历（3-5个关键工作/项目经历）、技能优势（硬技能+软技能）；

• 示例：“背景信息：1. 个人情况：本科，2年互联网产品助理经验，目标岗位是AI产品经理；2. 核心经历：① 参与某社交APP的功能迭代，负责签到、积分模块；② 用AI工具（Claude、Kimi）整理竞品报告5份，优化产品需求3个；3. 技能优势：熟悉PRD撰写、Axure原型设计，会用AI工具做需求分析、竞品调研”。

2. 第二步：给足方法论（让AI知道“如何突出优势”）

• 核心逻辑：用成熟的“优势突出法则”约束AI，避免AI泛泛而谈；

• 常用法则：① FABE法则（特点Feature→优势Advantage→利益Benefit→证据Evidence）；② STAR法则（情境Situation→任务Task→行动Action→结果Result）；

• 示例：“要求：用STAR法则描述核心经历，用FABE法则突出技能优势，重点体现‘AI工具使用能力’和‘产品迭代经验’”。

3. 第三步：给足案例参考（让AI知道“你想要什么风格”）

• 核心内容：提供1-2份目标岗位的优秀简历片段（如“AI产品经理简历中关于‘AI工具应用’的描述”），让AI参考风格和结构；

• 示例参考：“参考案例：‘参与某电商APP的AI推荐功能迭代，通过Kimi分析用户评价关键词，识别出“推荐商品不精准”的核心痛点，提出“基于用户浏览历史+购买偏好的双重推荐算法”，推动研发落地后，用户点击率提升20%’”。

4. 第四步：明确输出要求（让AI的输出可直接使用）

• 核心内容：输出格式（分模块：个人信息、求职意向、核心经历、技能优势、项目经验）、语言风格（专业、简洁、突出数据）、篇幅（1页A4纸）；

• 示例：“输出要求：1. 分5个模块呈现，每个模块简洁明了；2. 核心经历和项目经验中，尽量用数据体现成果（如“效率提升X%”“用户增长X%”）；3. 语言专业，避免口语化；4. 篇幅控制在1页A4纸内”。

（三）最终提示词整合示例

“背景信息：1. 个人情况：本科，2年互联网产品助理经验，目标岗位是AI产品经理；2. 核心经历：① 参与某社交APP的功能迭代，负责签到、积分模块；② 用AI工具（Claude、Kimi）整理竞品报告5份，优化产品需求3个；3. 技能优势：熟悉PRD撰写、Axure原型设计，会用AI工具做需求分析、竞品调研。要求：1. 用STAR法则描述核心经历，用FABE法则突出技能优势，重点体现‘AI工具使用能力’和‘产品迭代经验’；2. 参考案例：‘参与某电商APP的AI推荐功能迭代，通过Kimi分析用户评价关键词，识别出“推荐商品不精准”的核心痛点，提出“基于用户浏览历史+购买偏好的双重推荐算法”，推动研发落地后，用户点击率提升20%’；3. 输出要求：分5个模块（个人信息、求职意向、核心经历、技能优势、项目经验），用数据体现成果，语言专业简洁，篇幅1页A4纸。”

九、问题9：你是否尝试过与AI进行对话式辩论？对创意思考或业务决策有什么启示？

（一）考察核心

1. 逆向思维能力（能否从“AI问我”“说服AI”的角度使用AI）；

1. 深度思考能力（辩论过程中能否完善自身观点）；

1. 沟通能力（能否清晰表达观点，让AI理解并认同）。

（二）可操作的对话式辩论场景

1. 场景1：让AI扮演“评审官”，反向提问（适合业务决策）

• 操作方法：将你的方案（如产品功能方案、活动策划案）发给AI，让AI扮演“产研负责人”“客户”“竞品分析师”，对你的方案提出质疑；

• 示例：“我是产品经理，现在要上线‘APP夜间模式’功能，方案是：21:00后自动切换夜间模式，支持手动关闭。请你扮演产研负责人，对这个方案提出质疑，比如技术实现难度、用户体验问题、成本投入等，直到找出方案的所有漏洞。”；

• 启示：AI会提出你忽略的问题（如“部分用户习惯21:00后仍用日间模式，自动切换会影响体验”“技术上如何判断用户所在时区，避免切换错误”），帮助你完善方案。

2. 场景2：说服AI认同你的观点（适合创意思考）

• 操作方法：当AI的输出与你的预期不符时，通过“补充论据、调整表达”说服AI；

• 示例：你希望AI认可“青少年学习APP应该加入‘游戏化激励’功能”，但AI认为“游戏化会让用户沉迷，偏离学习本质”；

• 说服过程：① 补充场景：“青少年学习的核心痛点是‘缺乏动力’，游戏化激励（如完成任务解锁勋章）能提升主动性，且我们会设置‘每日学习时长上限’，避免沉迷”；② 提供数据：“某学习APP加入游戏化功能后，用户日均学习时长从30分钟提升到60分钟，留存率提升15%”；③ 明确边界：“游戏化只是激励手段，核心还是学习内容，勋章不能兑换实物，仅作为精神激励”；

• 启示：说服AI的过程，其实是梳理自身观点、补充论据的过程，能让你的创意或决策更严谨。

十、问题10：请分享一次你用AI生成代码解决问题的经历，遇到最棘手的bug是什么？如何解决的？

（一）考察核心

1. AI技术应用能力（产品经理需具备基础的AI编程认知）；

1. 问题解决能力（面对bug，能否冷静分析、找到解决方案）；

1. 复盘总结能力（能否从问题中提炼经验）。

（二）零基础友好的实战案例

案例：用Cursor生成“用户活跃度统计小程序”

• 需求：写一个简单的Python小程序，统计某APP“近7天每天的用户活跃度”（活跃度=当日活跃用户数/总用户数）；

• AI生成代码：初始代码能读取用户数据，但运行后报错“KeyError: 'active_user'”（关键错误）；

• 棘手问题：多次让AI修改，AI仅调整了代码格式，未解决KeyError，且报错位置不变；

• 解决过程：① 加日志排查：让AI在代码中加入日志打印（如“print('数据字段：', data.keys())”），发现数据中“活跃用户数”的字段名是“active_users”（复数），而非AI默认的“active_user”（单数）；② 修正提示词：明确告诉AI“数据字段中，活跃用户数是‘active_users’，总用户数是‘total_users’”；③ 重新生成代码：AI修正字段名后，程序正常运行；

• 总结：① AI生成代码时，容易默认字段名，需在提示词中明确数据结构；② 遇到bug时，先通过“加日志”“打印关键信息”排查问题根源，再让AI修改，比直接让AI“改bug”更高效；③ 产品经理用AI生成代码，无需懂复杂编程，但需具备基础的“问题排查思维”。

总结：零基础学员的学习建议

1. 先体验工具：优先使用Claude 3.7、Cursor、Deepseek R1等工具，每个工具至少体验1个核心功能（如Claude写PRD、Cursor写代码）；

1. 按问题练习：每个问题都按“理解考察核心→套用解题思路→写实战案例”的步骤练习，确保每个案例都有“具体场景+详细过程+总结”；

1. 积累素材：整理自己的AI使用经历（如用AI写文案、做调研、解决问题），面试时可直接套用；

1. 突出思维：所有问题的应答，都要体现“批判性思维、产品思维、问题解决思维”，这是AI相关岗位的核心要求。