我认识的比较厉害的开发，无一例外都在用cursor
因为他们惧怕AI带来的代码失控感

Claudecode这种东西更适合非程序员
甚至很多产品细节都可以不关注了
出了问题之后再问AI 你是咋做的？

这世界有一个奇怪的规律
资源往往流向会叫喊的人
会哭的孩子有奶喝
在有限资源里努力创新解决问题的
反倒最后被资源圈啜泣淘汰了

没有专业能力的当了老板
会干活儿的成了员工
不是因为你会干活儿才成为员工
是因为你从一开始就没想着去叫喊
把资源凝聚过来

只有扰动能量场
能量才会聚集
聚集了才会迸发更大能量

叫喊吧 朋友们
你如果不叫喊
资源就都被那些能力不如你的人嚯嚯了

好白菜都让猪拱了
不是因为猪肥
是因为猪哼唧

这世界上很多人的学习模式是SFT的
只靠结果进行归因判断 要么成要么败 从不去分析究竟因为什么 而是直接判断说这事儿不行 因为失败了

还有很多人的学习模式是RL的，一步一步学，学完a学b，学完b学c，学到最后黄花菜都凉了也没有结果

能把这两种模式结合起来进行在策略蒸馏的，已经都成了人才了

AI产品经理面试题（共10题）

第一题：AI基础认知
问题： 请用通俗的语言解释一下大语言模型（LLM）的工作原理，以及它的核心能力边界是什么？
考察事宜：

候选人是否真正理解AI技术本质，而非停留在概念层面
能否用非技术语言清晰表达复杂概念（向上汇报、跨部门沟通的基础能力）
是否了解LLM的局限性（如幻觉、实时性、推理能力边界），避免做出不切实际的产品承诺

第二题：场景判断力
问题： 假设你负责一款传统电商App，老板要求"加点AI功能"。你会如何思考和决策？请给出2-3个可行方向，并说明优先级排序的理由。
考察事宜：

是否能从用户痛点和业务价值出发，而非为了AI而AI
场景洞察力：能否识别高价值、可落地的AI切入点
优先级判断：ROI思维、技术可行性、实施成本的综合权衡能力

第三题：需求拆解能力
问题： 业务方提出需求："我们想做一个AI客服，能回答用户所有问题。" 你会如何拆解和推进这个需求？
考察事宜：

需求澄清能力：能否识别模糊需求背后的真实目标
边界意识：是否会主动划定AI能力边界（如哪些问题适合AI，哪些需要转人工）
落地思维：是否考虑知识库建设、效果评估、冷启动等实际问题

第四题：Prompt工程理解
问题： 你认为Prompt Engineering对AI产品经理来说重要吗？请举例说明你如何通过优化Prompt来提升产品效果。
考察事宜：

是否有动手实践经验，而非纸上谈兵
对Prompt设计技巧的掌握程度（如角色设定、few-shot、思维链等）
是否理解Prompt优化是低成本提升产品效果的关键杠杆

第五题：数据思维
问题： 你负责的AI功能上线后，DAU很高但用户满意度评分偏低。你会如何诊断问题并制定优化策略？
考察事宜：

数据分析能力：能否建立合理的指标体系（准确率、响应时间、完成率等）
问题归因能力：是模型问题、交互问题还是预期管理问题？
迭代思维：是否具备"上线-监控-优化"的闭环意识

第六题：技术协作能力
问题： 算法同学告诉你"这个效果做不到95%的准确率，最多只能到80%"。你会怎么处理？
考察事宜：

技术沟通能力：是否能理解技术约束，而非一味施压
产品变通能力：能否通过产品设计弥补技术不足（如置信度展示、人工兜底、场景收窄）
决策判断：80%是否满足业务最低可用标准，是否值得上线

第七题：AI伦理与风险意识
问题： 如果你的AI产品出现了严重的"幻觉"问题，生成了虚假信息并被用户投诉，你会如何应对和预防？
考察事宜：

风险意识：是否提前考虑AI可能带来的负面影响
应急处理：短期止损措施（如下线、道歉、补偿）
长期预防：产品层面如何降低风险（如信息溯源、免责声明、人工审核机制）

第八题：商业价值判断
问题： 公司计划投入500万开发一个AI功能，你会如何评估这个投入是否值得？请说明你的分析框架。
考察事宜：

商业思维：能否量化AI带来的价值（降本、增收、体验提升）
成本意识：是否了解AI项目的成本结构（算力、数据标注、人力、维护）
决策框架：ROI计算、竞品对比、战略价值等多维度思考

第九题：行业洞察
问题： 你认为未来1-2年，AI Agent会对产品形态带来哪些变化？对产品经理的能力要求会有什么改变？
考察事宜：

前沿认知：是否持续关注AI行业动态
趋势判断：对AI发展方向是否有独立思考
自我定位：是否思考过AI时代产品经理的能力迭代

第十题：实战复盘
问题： 请分享一个你主导或深度参与的AI产品/功能案例。从0到1是怎么做的？遇到了什么困难？最终效果如何？如果重来一次，你会做哪些改变？
考察事宜：

真实经验验证：是否有实际AI产品经历，而非简历包装
全流程能力：从需求定义、技术选型、开发协作到效果评估的完整链条
反思能力：是否具备复盘意识和成长性思维

-----
以上，初级产品经理1-5题，中高级6-10题补充

所有人都谈论PMF
但极少有人了解这张图背后的意义

如果你不知道怎么找到牛人共事或向他们学习
那么至少你要避免和平庸的人在一起消磨时间

Deepseek 3.2带来了很多不一样的变化
一方面速度有明显提升 另外成本又显著下降
现在大家更习惯缝合
缝合不同的SOTA

比如模型价格deepseek是SOTA
agent sdk的话Claude是SOTA
一通缝合 每个场景都用最好的东西

面试AI人才，有一个能力是很重要的
就是提问超纲问题
比如合格的候选人，当面试官问到：如何检测AI幻觉

他可以回答：
我目前不知道，但你能给我十分钟吗，十分钟之后我可以给你答案

然后打开任何一个AI，问AI：
- AI产生的幻觉可以有哪些类型分类？
- 基于这些分类，分别有什么方法检测？
- 如果我要构建检测工具，该如何入手？

这样就会获得一个解决方案
哪怕他没有任何经验，但可以提供提问，思考，实践，反思的四个步骤来完成这项任务

人才只能筛选，但AI可以被定向培训
这就是为什么这个时代在淘汰人类，而疯狂使用AI

今天帮个朋友面试AI产品经理
简历是大厂里做agent智能体的
问了一道agent评估和一道幻觉检测
都没答上来

算了也没啥问的了 问个能让他答上来的吧 不然有点儿太尴尬了

我就问平时咋获取ai信息
人家说看youtube和各种大公司博客
我就问youtube看谁
他说大佬访谈
我问有什么频道推荐吗
立马又语塞了

想想也是 大家都结构性失业了
AI可能是继续打工的唯一出路了

一个人能写什么，分享什么
是来自于他的输入，也就是他的上下文

每天关注优质的内容，去了解行业前辈的见解，去读书获取古人的思考，去Youtube看人们的最佳实践，去看牛人大佬的访谈了解他们的认识

是这些上下文，再加上个人经历的故事，塑造了一个人的见解，思考，和洞察

然后如果这个人还愿意用用费曼学习法，大概率就会成为自媒体

写作，从不是为了吸引什么样的观众而塑造内容，反过来，他只是为了找到志趣相同共振的人罢了

以前的年代里，作者并不会被任何「曝光量」，「评论」的数据裹挟，只是为了让自己的精神世界有深入一点儿的思考

如果无法和文字独处，也就无法达到自己的欢喜

「倘若没人知道，你还会做这件事吗？」

试图问问自己这个问题，就会挖掘到背后的动机

或许你在追逐的并不是兴趣带来的幸福，而是希望被看见的假象，但我亲爱的朋友，写作的真正目的，可能并不是为了取悦大众，而是找到共鸣啊，就像通过文字召唤出你希望出现在生命中的那群同频者

你有没有想过，触达的越广泛，灵魂反而越被稀释？
因为那独特的文字背后，往往只是少数人的共振

能被广泛传播的，是因为一帮牛人在背书，就像大家都说道德经，金刚经，易经，非常好，非常妙

但真正又能有几人去读？
人们更多习惯于去通过其他老师来降维获取这些信息

大众了，自然就会被稀释的

所以你持续写作的奖励函数，究竟是自洽，还是流量呢？