我發現，面試厲害的AI產品都有一些共性

AI產品經理在面試裏面哪些能力是明顯的加分項？ 其實所謂的加分項 本質上就是面試官最最關注的那些關鍵點 而很多人在準備面試的時候 根本不知道把自己的重心放在哪 準備的模子以及它的標準都是類似的 很容易在面試裏面被橫向對比干掉 基本上重點就是三個 第一類叫能體現對新技術應用的理解 這塊不是說我們要背很多技術名詞 而是要從底層去理解清楚新的技術新的概念 到底解決了當前產品的什麼問題 對產品設計有什麼影響 比如說 Harness 不要只講概念對吧 比如說 Harness 包括了 上下文工具的調用記憶路由評測 這些東西分別指的是啥 你講給面試官意義不大 你要給到他的是你的實踐的認知 我舉個例子 比如說做銷售助手 如果你想讓他變成真正能夠 完成銷售任務 他就需要讀取客戶的資料 分析歷史的溝通信息 包括判斷商機的階段 生成下一步的建議 並且它有可能可以主動的去觸達用戶 這部分就是權限的設計 甚至給這些銷售會創建跟進的任務 然後去更新客戶管理系統 那要做到這些 你是不是就需要正確的客戶信息 需要模型調用正確的工具 比如說很多客戶資料的上傳都是照片 OK 你能不能做到解析 能不能去修改客戶狀態 能不能自主的去調用 比如說企微直接給用戶發文字發信息 能不能讀取之前銷售跟客戶的聊天信息 知道他處於什麼狀態 久遠的信息怎麼處理 近期的信息怎麼處理 這些 纔是實打實在落地過程中的問題 所以準備新技術的時候不要只準備定義 你要準備什麼四個問題 第一個這種新技術它出現的原因是什麼 它解決了過去的什麼問題 它會改變哪些產品設計 它在什麼場景下有價值 什麼場景下沒有必要使用 四個問題完全足夠了 這就是對於實踐的認知 第二類呢，要至少講一個如何讓模型 在業務場景裏面達到最優效果的案例 這一方面體現了你對業務的理解 另一方面體現了你對AI的理解 你對AI落地以及AI跟業務結合的理解 所以不要把重點放在介紹功能上面 那講什麼呢？ 核心四個點 爲什麼這個場景一定要AI 體現你對模型邊界的理解和需求的理解 第二，模型爲什麼一開始做的不好？ 原因是什麼？怎麼分析的 這塊要講清楚 第三，基於上面的這些問題 你用了什麼樣的策略進行優化？ 第四，我們怎麼通過評測驅動產品迭代的？ 比如說，現在很多人都在做這種簡歷優化的產品 可能的問題在於，我們一開始發現 大模型雖然能生成很多建議 但用戶的滿意度不高 那不高的原因是什麼？ 你會發現，可能不是文案生成能力 而是更具體的 首先，模型不知道用戶要投什麼崗位 所以建議太通用 沒有辦法給個性化的建議 其次，模型會同時提出大量的修改意見 但用戶不知道優先改什麼 改到什麼程度 第三，模型改出來的內容 相對流暢了一些 但是因爲幻覺的問題 偏離了用戶真實的經歷 編造了一些經歷 這三個問題都是我假設的啊 但是有可能存在的 那我們接下來就要講 這些問題，你的 Agent 架構是怎麼設計的 如何通過意圖識別識別出用戶最核心的需求 如何針對核心需求去針對性的給建議等等 包括後面的評測體系怎麼搭建，如何推進產品迭代 這纔是比較完整的邏輯 第三類叫體現對新產品的敏感 深度去講自己對一款新產品的理解和認知 這個千萬不要只講體驗層或者一些用戶的使用數據 真正的產品敏感度是你能從一個新產品裏快速判斷幾個點 首先，它爲什麼現在出現了 其次，它抓住了現階段什麼樣的新的技術能力 第三，什麼決定了它的產品設計，爲什麼它設計成了這樣 第四，它可能會改變什麼樣的用戶行爲 哪些地方是真的創新？ 哪些地方只是模型能力升級帶來的自然結果？ 最後一個，他對當前的業務有什麼啓發？ 這纔是完整的對新產品的理解 所以後續如果你想要去做AI產品經理， 或者說，想要學AI相關的產品知識， 你可以直接去看我們給大家準備的 這個AI產品必須要了解的PRD 裏面是基於某個大廠的文檔 所做的抽象和總結， 非常非常詳細