AI产品经理面试题库（含必背题目）

AI产品经理面试题库第1页共1页AI产品经理面试题库解决「面AI产品经理问不出真本事、评分全靠感觉」：45题覆盖基础认知·实操应用·项目追问·风险避坑·开放思辨，每题附参考答案与追问链，含评分表与红旗信号使用说明一、题库定位本题库面向AI产品经理岗位（AI原生岗）的面试评估，重点不是考察候选人是否知道大模型名词，而是考察他有没有在模型能力不确定的前提下做出可用产品的完整经历。三类候选人需要用不同题组配比：●AI原生公司候选人：重点用项目经验题与开放思辨题，基础认知题可快速过。●传统产品经理转岗：重点用实操应用题与风险题，验证他是否理解"非确定性交付"。●算法/技术转产品：重点用场景判断题与验收标准题，验证他是否会算账、会不会对业务说"不"。题库共45题，全部配有参考答案要点。没有标准答案的题不放进题库，因为面试官会各自发挥，导致评分不可比。二、题目结构与建议用时题组题量建议抽取单题用时考察目的一、基础认知题124～5题3～5分钟是否具备做判断的最低知识底座二、实操应用题103～4题8～12分钟能否当场产出可执行方案三、项目经验题72题15～20分钟经历真伪与深度，追问链是关键四、风险与避坑题92～3题5～8分钟是否踩过坑、是否有系统方法五、开放思辨题71～2题6～10分钟判断力上限与自我认知单轮60分钟建议配比：基础3题+实操2题+项目1题+风险1题+思辨1题。岗位级别建议侧重通过线（总分100）L1初级基础认知+实操应用65分，且实操题不低于60L2中级实操应用+项目经验72分，且项目题不低于70L3高级项目经验+开放思辨78分，且思辨题不低于70L4负责人开放思辨+商业化推演82分，且需两名面试官一致通过三、评分锚点（1～5分）分值行为描述典型表现5有方法、有数字、有边界意识主动说出失败案例与止损判断，指标口径可直接复算4有方法、有数字，边界意识需提示回答完整，但需追问才提到风险与成本3有经验但表述笼统说得出做过什么，说不出具体数值与口径2只有概念，无实操大量使用术语，追问三层后开始重复1概念错误或答非所问把AI当确定性系统，或全程谈态度不谈做法评分纪律：每个维度必须记录"关键证据"原话，不能只打分。没有原话支撑的分数，在合议时一律作废。四、面试官注意事项1.不要考模型原理的数学推导。候选人答不出注意力机制公式不代表不能做这个岗位，答得出也不代表能做。2.必须追问数字。任何"提升了效果""用户很满意"都要追问到具体数值与口径，这是识别话术型候选人的唯一有效手段。3.允许候选人说"不知道"。对不确定的问题能清楚说出"我不确定，但我会这样验证"，比编一个答案得分更高。4.算法负责人必须参与终面且有一票否决权。PM与算法能否合作，比PM单方面多优秀更重要。5.不要用同一个场景考所有人。用候选人自己所在行业的场景，才能看出他是真有判断还是背了模板。6.记录"他拒绝过什么"。只会答应的产品经理，在AI项目里必然造成交付灾难。一、基础认知题（12题）Q1.同一个问题问两次，模型给了两个不同的答案。作为产品经理，你在设计上会怎么处理？参考答案要点：1.先判断这个不确定性是否可以接受：抽取类、数值类、合规类任务不可接受，必须把温度压到接近0并加后处理校验；创意类、文案类可以接受。2.对不可接受的场景，产品侧做三件事：固定输出结构（schema约束）、关键字段二次校验、结果落库前人工确认。3.对可接受的场景，把不确定性显性化：来源标注、置信提示、"重新生成"入口。4.明确不做什么：不试图通过反复重试"碰"一个正确答案，那会把成本和延迟都拖垮。5.把波动纳入验收：验收时同一批样本跑三次，看结果一致性，而不只看单次得分。追问：如果业务方要求"每次都必须一样"，你会怎么回应？Q2.token和上下文窗口，会怎样影响你的产品设计？参考答案要点：1.token决定成本与容量。中文大约1个字对应1～2个token，必须以实测为准。2.上下文窗口决定"能塞多少资料"，但塞满不等于用好——长上下文中段信息容易被忽略，重要资料应放在开头或结尾。3.三个直接约束：单次输入上限决定要不要切分或改检索；输出上限决定生成内容的长度设计；历史对话要重复计入，决定最大轮次。4.产品上要给出可见的长度提示，例如"文档超过50页将分段处理"。5.常见错误是把上下文当数据库用，导致成本高、效果反而差。追问：一份200页的合同要做条款抽取，你会怎么切？切分点选错会带来什么后果？Q3.幻觉是怎么产生的？产品侧能做什么？参考答案要点：1.机制上，模型是在生成"最像的下一个词"，不是检索事实，所以编造是机制而非偶发bug。2.分三类：知识缺失型（答案不在资料里）、指令误解型（理解偏了）、格式编造型（编号、金额、日期造假）。3.产品侧手段按性价比排序：接检索并强制引用来源>关键字段结构化校验>高风险场景人工复核>降低温度。4.无效手段：反复强调"不要编造"、换更贵的模型、让模型"再检查一遍"（它会自信地确认自己的错误）。5.兜底设计：无依据时明确输出"未找到依据"，而不是给一个像样的猜测。追问：如果检索到的文档本身是过期的，产品怎么防？Q4.一个需求来了，你怎么判断该用提示词、检索还是微调？参考答案要点：1.先看缺什么：缺知识用检索；格式不稳用提示词加后处理；需要遵循企业特定规则或话术才考虑微调。2.提示词永远先做，成本最低、上线最快，一到三天能验证方向。3.检索的前提是有一批质量可控、可更新的文档；文档本身烂，检索只会更快地给出错误答案。4.微调的前提是有稳定规则与足够样本（通常千条量级），且规则不会三个月就变。5.大多数生产系统是组合：检索供知识、提示词控格式、小模型降成本、大模型兜复杂请求。6.必须能说出"为什么不用另外三条"，否则说明没想过。追问：如果客户坚持要微调，但数据只有200条，你怎么处理？Q5.你会怎么建一个评测集？多少条够用？参考答案要点：1.来源必须是真实业务数据并脱敏，自造样本测出来的分数没有意义。2.量级：总量不少于200条，每个主要场景不少于50条；低于这个量，一次调参就能"提升5分"，全是噪声。3.分层：常规约60%、长尾25%、对抗15%，否则平均分好看、长尾全崩。4.封闭保管：测试集不对开发者开放，另设开发集；边测边调等于自欺。5.版本管理：每次变更记录原因与日期，旧版本保留，保证跨季度可比。6.更新机制：每季度补20%新样本，防止评测集与真实分布脱节。7.评分口径：由业务专家列要点清单，双人独立评，一致率低于80%要重新校准。追问：业务方不愿意派人做评分，你怎么办？Q6."要点完整率"这个指标，分子分母怎么定？怎么保证评分可信？参考答案要点：1.分母是业务专家预先列出的"必须出现的要点条数"，通常每条样本3～6条。2.分子是实际输出中命中的要点条数，需事先定义同义表述算不算命中、部分命中如何计分。3.评分方式：双人独立评100条，计算简单一致率，低于80%重新校准标准再继续。4.要点清单必须有来源依据（哪份文档、哪个版本），否则专家之间也会打架。5.要防止"要点写得越少分数越高"，所以要点条数的分布也要抽查。追问：如果两个专家的要点清单差异很大，怎么收敛？Q7.什么是单用户月成本？它为什么会反过来约束交互设计？参考答案要点：1.单用户月成本=单次任务成本×人均日调用次数×月使用天数，再加上复核与存储分摊。2.先定上限：单用户月收入×（1-目标毛利率），得出可花的钱。3.由上限反推四个约束：最大对话轮次、上下文长度上限、单次输出长度、小模型分流比例。4.举例说明：上限10元、单次0.07元、每天6次、22个工作日，刚好9.2元，几乎没有余量，因此必须限制轮次或提高小模型占比。5.关键认知：成本不是财务的事，是交互的前置约束；先设计交互再算成本，通常已经超了。追问：如果产品经理说"先保证体验，成本以后优化"，你怎么回应？Q8.温度（temperature）这个参数，产品经理需要管吗？参考答案要点：1.需要，但要落到具体环节而不是全局。同一产品里不同环节可以用不同温度。2.低温度用于抽取、分类、数值、合规类任务，追求稳定与可复现。3.高温度用于文案、创意、头脑风暴，追求多样性。4.产品经理不必调参，但必须在PRD里写清"这个环节要求稳定还是要求多样"，否则工程侧会随便取默认值。5.验收时要验证：同一批样本多次运行，稳定性是否达到要求。追问：营销文案生成，你希望温度高还是低？如果客户投诉"每次都差不多"，是温度问题吗？Q9.AI产品的验收标准，和传统产品最大的差别是什么？参考答案要点：1.传统产品验收"功能是否按预期执行"，AI产品验收"输出在多大比例上达到可接受水平"。2.因此不能写"准确"，只能写"在XX测试集上要点完整率≥88%，人工抽检合格率≥90%"。3.必须同时有目标值与下限值：目标值是期望，下限值是止损。4.必须写清三件事：谁去测、用什么数据测、多少算过关。三问有一问答不上就是没写。5.验收要包含成本项，否则会出现"效果达标但商业不成立"。6.验收口径要在立项时冻结，季度末不能改定义。追问：如果算法团队说"这个指标做不到"，你的下一步动作是什么？Q10.底座模型每季度升级一次，产品要做哪些准备？参考答案要点：1.架构上把模型当可替换零件：提示词、检索、后处理、评测集与模型解耦。2.评测集必须独立于模型版本，否则升级后无法比较。3.每次升级前跑一遍全量回归，重点看"原来能做对的现在是否还做对"，而不只看平均分。4.提示词要做版本管理，升级后重新验证，很多提示词是针对旧模型调出来的。5.准备回滚：保留旧模型通道至少一个版本周期。6.提前判断"哪些功能依赖的能力可能消失"，例如某些模型会收紧长文本能力。追问：如果升级后整体分数提升2分，但某个核心场景下降5分，你上不上？Q11.人机分工有哪几种模式？依据什么划分？参考答案要点：1.四种：AI自动执行、AI生成人确认、人做AI辅助、不做。2.划分依据是两个变量：错误代价与可逆性。代价低且可逆才允许自动。3.责任归属必须单一：确认人负责、执行人负责、系统负责，不能"共同负责"。4.高风险清单要前置列出：资金、法律、医疗、对外发布、人事五类，禁止模型直接触发。5.常见错误是把中风险误判为低风险，事故多来自这一步。追问：给一个"人做AI辅助"的具体例子，说明交接点在哪。Q12.面向公众提供生成式服务，产品经理要管哪些合规事项？参考答案要点：1.数据来源合法性：训练与检索数据有授权，个人信息已脱敏。2.生成内容标识：对公众提供的内容应可识别为AI生成。3.敏感场景限制：医疗、金融、法律类输出加限定语与人工复核，必要时不做结论。4.内容安全：输入输出双向过滤，违规拦截并留日志。5.备案材料：功能说明、交互截图、安全策略、评测报告，需在上线前4周启动。6.日志留存：满足内控与监管要求，明确字段、时长、访问权限。7.对外宣传口径：效果数据须有内部评测支撑，禁止"准确率99%"类无口径表述。追问：如果市场部已经把"准确率99%"写进宣传页，你怎么处理？二、实操应用题（10题）Q13.给你一个场景：某电商客服团队每天处理3000条工单，希望用AI自动生成工单摘要给主管看。请给出方案与验收标准。参考答案要点：1.先做场景判断：错误代价中等（主管会看，但不直接对外）、收益可算（每条节省约40秒）、数据可得（历史工单充足）、频次高，属于可做。2.人机分工：AI生成摘要+主管确认，摘要必须可编辑，关键结论挂原文。3.输入设计：工单正文加历史沟通记录，超过上下文上限的做分段摘要再合并。4.输出结构固定：问题描述、客户诉求、已采取措施、当前状态、待办事项五段，缺段即判格式不合规。5.验收标准：要点完整率≥88%（200条测试集）、格式合规率≥98%、单条生成P95≤4秒、单条成本≤0.03元、主管直接采纳率≥60%。6.灰度：先给一个10人小组用两周，再扩到全团队。7.明确不做：不做情绪判断、不做责任认定、不自动派单。追问：如果主管反馈"摘要太长不想看"，你先改什么？Q14.业务方说"这个AI回答太啰嗦了"，你怎么把它变成可执行的指标？参考答案要点：1.先追问具体场景与原话，找出"啰嗦"的实际表现：是长度、是重复、是铺垫太多、还是答非所问。2.拆成可测指标：平均输出字数从380降到180；开头铺垫句占比从40%降到10%；要点数不少于3条；信息密度（有效信息字数/总字数）提升到70%以上。3.同时设下限：压缩不能牺牲完整性，要点完整率不得低于88%。4.抽样验证：取50条历史输出，人工标注"可接受长度区间"，得出目标值而不是拍脑袋。5.落地方式：提示词加长度约束+输出后处理截断+前端折叠长内容。6.验收：改版后同一批样本的长度分布与完整率同时达标。追问：如果压缩后完整率掉到82%，你怎么权衡？Q15.算法团队说"这个效果做不到"，你怎么判断他说的是真话？参考答案要点：1.要求把"做不到"变成条件句："在什么数据条件下、用什么方案、能做到多少"，拒绝给条件的，多半是没测过。2.要求两周内做一次小验证，用50条真实样本，成本可控。3.自己先跑一遍：用公开模型加简单提示词做基线，如果基线就能达到70%，说明"做不到"是相对的。4.拆分需求：把一个大目标拆成三个子能力，看是全部做不到还是某一环做不到。5.引入外部参照：同行业是否有类似功能已上线，效果大致在什么水平。6.如果确认做不到，改需求而不是压团队：降级为"辅助"、缩小场景、接受更低的目标值并写明。追问：如果算法负责人是你的平级，且明确拒绝做小验证，你怎么办？Q16.设计一个灰度方案：一个新上线的合同条款摘要功能，面向500家企业客户。参考答案要点：1.四阶段：内测（内部法务5人，5个工作日）→5%（约25家，3个工作日）→20%（100家，5个工作日）→全量。2.每阶段准入条件：无P1问题、任务完成率不低于预期90%、负反馈率不高于8%、成本不超预算。3.回滚触发：出现条款误读导致的对外错误、负反馈率超过10%、成本超预算50%，立即回滚。4.回滚能力：保留一键关闭开关，10分钟内可降级为"仅展示原文"。5.分群策略：优先选合作时间长、反馈意愿高的客户进小灰度，避免用最挑剔的客户做首批。6.配套动作：灰度前完成客户告知与一线培训，明确"AI生成，需人工定稿"。追问：如果5%阶段指标很好，老板要求直接全量，你怎么处理？Q17.现场算一笔账：日活1500人，人均每天5次，每次输入2000token、输出350token，单用户月收入25元。请估算成本与毛利，并给出约束方案。参考答案要点：1.先明确假设：按月22个工作日、输入与输出单价按企业实际采购价代入，说明单价来源。2.单次成本=输入token成本+输出token成本+检索与工具成本+复核分摊；仅模型部分通常占60%～80%。3.单用户月调用次数=5×22=110次；单用户月成本=单次成本×110。4.若单次0.06元，月成本6.6元，毛利率约74%；若单次0.15元，月成本16.5元，毛利率降至34%，需要优化。5.约束方案：限制最大轮次（如8轮）、输出上限350字、简单请求走小模型承担70%流量、高频重复问题走缓存。6.做敏感性分析：调用量翻倍时毛利是否仍为正。追问：如果实际单价你拿不到，你会怎么估？Q18.设计一个合同条款摘要功能的容错方案。参考答案要点：1.定级为高风险：涉及法律条款，错误代价高且部分不可逆。2.容错四件套全上：二次确认（导出或对外发送前确认）、可编辑、来源标注（每条摘要挂页码与段落）、置信提示（无明确依据时标注"未找到对应条款"）。3.强制人工定稿：输出标注"AI辅助整理，非法律意见"，须法务或业务负责人确认后才可用于对外。4.高风险动作拦截：禁止模型直接生成"建议签署/不建议签署"的结论性表述。5.关键字段校验：金额、期限、违约金比例做正则与规则二次核对，与原文比对不一致即标红。6.日志留痕：记录谁在何时确认了哪一版摘要，便于追溯。追问：如果客户嫌"每条都要确认"太麻烦，要求一键通过，你怎么处理？Q19.上线第二周，负反馈率从4%升到11%。你怎么归因？参考答案要点：1.先看数据分层：是新用户涌入导致、还是老用户反馈变差、还是某一类问题集中爆发。2.五分类归因：知识缺失、指令误解、格式问题、体验问题、预期错位。3.查外部因素：模型是否升级、检索库是否更新、是否有运营活动带来非目标用户。4.看具体文本：抽100条负反馈逐条读，不要只看统计。5.常见结论：多数是"预期错位"——用户拿它做能力外的事，处理方式是加引导而非改模型。6.定动作与验证：改完后两周内负反馈率应回到6%以下。追问：如果归因发现是模型供应商侧的变更，你的应对顺序是什么？Q20.一个大客户要求做行业定制版，报价是标准版的5倍。你接不接？参考答案要点：1.先算复用账：定制部分能否在3个以上客户身上复用，能复用就是产品，不能就是项目。2.算真实成本：定制开发人力、后续维护、版本分叉带来的升级成本，通常被低估2～3倍。3.看战略价值：是否是标杆客户、是否能带来行业数据、是否能形成可复制方案。4.折中方案：把定制限制在配置层（提示词、词典、流程编排），不动核心架构。5.明确边界：写清"定制部分不纳入标准版升级路径"，避免后续无穷维护。6.如果接，必须配一个产品化的退出条件：累计3家客户使用同一配置即收敛为标准功能。追问：如果销售已经口头答应了客户，你怎么收场？Q21.六项核心埋点指标，你会怎么埋？分别防什么？参考答案要点：1.采纳率（未编辑直接使用/总生成）：防"生成了但没人用"。2.编辑率（编辑后使用/总生成）：防"差一点但可用"，同时防止用户不看就采纳。3.重试率（重复提交/总请求）：防首次结果差。4.转人工率（转人工/总会话）：防模型或检索故障。5.负反馈率（点踩/总交互）：防体验崩塌。6.任务完成率（达成预期结果/总会话）：防"看起来在用，实际没解决问题"。7.埋点要求：上线首日必须出数，口径与文档一致，事件粒度要能下钻到场景与用户群。追问：如果只有人力埋三个，你选哪三个？为什么？Q22.上线前一周，合规说这个功能不能上。你怎么办？参考答案要点：1.先问清具体卡在哪一条：数据来源、内容标识、敏感场景、备案，四类问题处理路径完全不同。2.评估可裁剪范围：能否先上"内部使用版"或"仅生成不给结论"的降级版本。3.分头推进：备案类问题走流程加急；数据类问题做脱敏或替换数据源；标识类问题改交互即可，通常一两天能解决。4.与业务方同步延期风险，给新的上线日期，不要隐瞒。5.复盘机制：把合规前置检查表纳入立项附件，避免下次重演。6.底线：不做"先上线再补"的违规操作，这类风险由产品经理承担不起。追问：如果老板说"先上线，出问题我负责"，你怎么办？三、项目经验题（7题）Q23.讲一个你认为最成功的AI产品，重点说清楚你判断"成功"的标准。参考答案要点：1.成功必须有数字：采纳率、任务完成率、单用户成本、留存，至少三项。2.要说清基线：没有基线的"提升"无法判断价值。3.要说清个人贡献：哪些决策是他做的，哪些是团队做的。4.要说清边界：这个产品明确不做什么，为什么。5.高分答案会主动提到"这个产品也有没解决的问题"。追问链：●第一层：这个功能上线三个月后的采纳率是多少？分子分母怎么算的？●第二层：如果去掉AI、用规则实现，效果会差多少？你验证过吗？●第三层：这个场景里最容易被忽略的成本是什么？你怎么发现的？●第四层：如果现在重做，你会改哪三个决定？●第五层：你在这个项目里最后悔的一个判断是什么？评分要点：能答到第四层且答案与第一层数字自洽的，给4分以上；第五层能说出具体判断而非"沟通不够"的，给5分。红旗：所有数字都是"大概""提升了挺多"；把团队成果全部归为自己；说不出分母。Q24.讲一次失败的AI产品经历，失败在哪一步？参考答案要点：1.失败要具体：是场景选错、效果不达标、成本失控、还是没人用。2.要能说出"什么时候发现不对"以及"发现后做了什么"。3.高分答案会指出根因在决策而非执行，例如"我在打分时把错误代价打了4分，实际应该是2分"。4.要说出止损动作与复盘结论，以及后续如何避免。5.完全不承认失败的候选人，通常也没有真正的复盘能力。追问链：●第一层：这个项目投入了多少人日？什么时候决定停的？●第二层：如果提前两周做一次能力测试，能不能避免？●第三层：当时谁反对过？你怎么回应的？●第四层：这次失败改变了他后来的哪个具体做法？评分要点：能清晰说出止损时点与判断依据的给4分；能把失败归因到自己的决策而非"模型不行"的给5分。红旗：把失败全部归因于算法团队或老板；说不出止损时点；失败案例与成功案例是同一个项目。Q25.讲一次你和算法团队的冲突，最后怎么解决的？参考答案要点：1.冲突要真实：通常是"效果不达标谁负责""要不要为了指标牺牲体验""排期压不压"。2.要体现他理解算法侧的约束：数据、时间、算力。3.解决方式应该是"共同定义什么算达标"，而不是靠职级压人或靠加班。4.高分答案会提到把争议转成可验证的实验。5.结果要可量化：返工轮次减少、验收一次通过。追问链：●第一层：争议的核心是技术问题还是目标不一致？●第二层：你有没有改过自己的验收标准？为什么改？●第三层：如果算法说"再给两周能提升3分"，你怎么判断值不值？●第四层：这件事之后，你们的协作流程有什么变化？评分要点：能说清"目标对齐"的具体动作（如共建评测集）给4分以上；只会说"多沟通"的给2分。红旗：把所有责任推给算法；认为PM不需要懂技术约束；用"我是产品我说了算"作为解决方式。Q26.讲一次你主动砍掉需求或叫停项目的经历。参考答案要点：1.要能说出判断依据：打分不够、成本不成立、数据不足、合规风险。2.要说清"怎么说服相关方"，尤其是已经投入资源的情况下。3.高分答案会给出替代方案，而不是简单说"不做"。4.要能量化"砍掉"的价值：省了多少人日、避免了多少风险。5.这是识别"只会答应"型候选人的关键题。追问链：●第一层：当时已经投入了多少？砍掉的阻力来自谁？●第二层：你用什么数据说服对方的？●第三层：如果对方是老板，你还敢砍吗？评分要点：有量化依据且给出替代方案的给4分以上；说不出阻力来源的说明经历不真实。红旗：从未砍过任何需求；砍的理由是"感觉做不出来"。Q27.讲一次模型升级或供应商更换的经历。参考答案要点：1.要能说出升级前的回归验证方法：全量跑评测集，分场景对比。2.要能说出"整体提升但局部下降"时怎么决策。3.要说出提示词、检索、后处理各改了什么。4.高分答案会提到保留了旧模型通道与回滚方案。5.结果要有数字：迁移耗时、指标变化、成本变化。追问链：●第一层：升级后哪个场景下降最多？你怎么发现的？●第二层：提示词重写花了多久？为什么需要重写？●第三层：如果新模型便宜30%但效果低2分，你换不换？●第四层：这次经历让你在架构上改了什么？评分要点：能说出"模型可替换"的具体架构动作（如提示词与模型解耦）给4分以上。红旗：从未经历模型升级；把升级当成"改个接口"。Q28.讲一个你从0到1做的AI功能，第一版长什么样？参考答案要点：1.第一版要足够小：一个场景、一个入口、带人工复核。2.要说清"砍掉了什么"，第一版一定砍了很多。3.要说清上线初期的真实数据：通常采纳率40%～50%是正常的。4.要说清迭代节奏：每周改什么，依据是什么。5.高分答案会提到"第一版最重要的工作是建立评测集，不是写功能"。追问链：●第一层：第一版做了多久？几个人？●第二层：上线第一周的采纳率是多少？你预期是多少？●第三层：第一个被砍掉的功能是什么？为什么？●第四层：如果只能保留一个指标看这个产品，你选哪个？评分要点：能说出第一版范围裁剪逻辑的给4分以上。红旗：第一版就做了五六个场景；说不出上线首周数据。Q29.讲一次数据不足但必须推进的经历。参考答案要点：1.要能说出"数据不足"的具体程度：多少条、缺哪类、质量如何。2.应对方式通常是：先用提示词与检索起步、用合成数据补充但控制比例、边上线边积累。3.要说清"在数据不足时如何设定验收标准"——降低目标值但保住下限。4.高分答案会设计数据回流机制，让上线本身成为数据采集手段。5.结果要有数字：几个月后数据量从多少到多少，效果提升多少。追问链：●第一层：当时有多少条可用数据？缺的是哪一类？●第二层：合成数据用了多少比例？怎么防止模型自噬？●第三层：数据不足时你怎么说服业务方接受较低的目标值？评分要点：能说出数据回流设计的具体机制的给4分以上。红旗：声称"数据从来不是问题"；用合成数据却不知道风险。四、风险与避坑题（9题）Q30.用户把AI生成的回复直接转发给了客户，内容有错，客户投诉了。你怎么处理？参考答案要点：1.先止血：撤回或更正、安抚客户、评估影响范围（发了多少条、涉及多少客户）。2.查链路：是产品缺少确认环节、是提示不明显、还是用户绕过流程。3.定责任：产品设计是否有兜底缺陷，如果有，产品经理承担主要责任，不推给模型。4.改设计：对外发送类动作强制预览确认、加"AI生成请核实"标识、关键承诺类内容禁止模型生成。5.建机制：把这类事故纳入高风险动作清单，评审时必查。6.复盘对外：给业务方一份说明，写清原因与改进，不写"模型偶发错误"。追问：如果用户说"以前都可以直接发，是你们改坏了"，你怎么回应？Q31.模型在摘要里编造了一条合同里不存在的条款。你的产品怎么防？参考答案要点：1.强制引用：每条摘要必须挂到原文页码与段落，无法定位的内容不输出。2.关键字段校验：金额、期限、比例、签约方做规则比对，与原文不一致即标红并阻断导出。3.无依据即拒答：检索无命中时输出"未找到对应条款"，不给推测。4.人工定稿：高风险场景必须有人确认，且确认动作留痕。5.验收时专测：测试集里放20%的"陷阱样本"（问不存在的条款），看模型是否会编。6.上线后监控：统计"引用缺失率"，高于阈值即告警。追问：如果加了强制引用后，用户抱怨"每条都要点开看太累"，怎么办？Q32.上线一个月，成本是预算的3倍。你怎么查、怎么改？参考答案要点：1.先拆成本结构：推理、检索与工具、复核、存储、重试，看哪一项超。2.常见原因：上下文过长（把整篇文档塞进去）、轮次失控、重试率高、小模型分流没生效、缓存没做。3.按性价比排序的改法：加缓存>提高小模型分流比例>压缩上下文（改检索）>限制轮次与输出长度>换更便宜的模型。4.改完必须验证效果损失：允许下降不超过2个百分点。5.建立硬约束：超预算即降级，而不是只告警。6.复盘：成本测算在立项时是否漏项。追问：如果老板说"先保效果，成本以后再说"，你怎么回应？Q33.灰度期指标很好，全量后崩了。可能是什么原因？参考答案要点：1.用户结构变化：灰度用户多为内部或高意愿用户，全量后涌入大量非目标用户。2.场景分布变化：灰度期只覆盖了简单场景，全量后长尾场景占比上升。3.数据分布变化：输入长度、语言、错别字比例都变了。4.容量问题：并发上升导致超时、降级触发，体验下降。5.预期问题：全量后没有配套引导，用户拿它做能力外的事。6.应对：灰度分群要按真实用户结构抽样，不能只选好用户；全量前做一次"最差场景"专项测试。追问：下次灰度你会怎么改分群规则？Q34.业务方绕过你，直接找算法团队改需求。你怎么处理？参考答案要点：1.先了解原因：是流程太慢、是他不知道要走产品、还是他不信任产品判断。2.短期：把这次需求纳入正规流程，评估影响（是否影响其他场景、是否破坏验收口径）。3.中期：建立需求入口与响应时效承诺，例如"三个工作日内给初步结论"，减少绕行动机。4.与算法负责人对齐规则：未经产品评估的需求不排期，这条要双方负责人共同确认。5.根本解法：让业务方看到产品带来的价值，例如用数据证明经过评估的需求成功率更高。追问：如果绕行是老板默许的，你怎么办？Q35.老板要求你在方案里写"准确率99%"。你怎么处理？参考答案要点：1.先问依据：这个数字从哪来，是客户要求还是内部期望。2.用基线说话：同类场景人工处理的准确率通常也只有85%～92%，99%不现实。3.给替代方案：不承诺单一准确率，改为承诺"要点完整率≥88%+人工复核兜底+错误可追溯"，这比一个虚数字更能让客户放心。4.提示风险：无口径的效果承诺在对外宣传中可能构成虚假宣传，产品经理要留下书面异议记录。5.如果必须写，要求同时写清测试条件与样本量，把"99%"限定在特定条件下。追问：如果老板坚持，你会怎么写这份文档？Q36.竞品上线了类似功能，老板要求两周内跟上。你怎么排？参考答案要点：1.先判断竞品功能是否真的有效：看它的交互设计、用户评价、是否有明显短板。2.砍范围：两周只能做一个场景、一个入口、带人工复核，其余全部放到后续版本。3.用最小可行方案：提示词加检索，不做微调。4.明确风险：两周版不做完整评测，只能做50条样本的快速验证，验收标准临时下调并书面记录。5.排期倒推：D1-D2场景确认、D3-D5能力测试、D6-D8开发、D9-D10灰度、D11-D14观察。6.给老板一个"两周版能看到什么、看不到什么"的清单，管理预期。追问：如果两周后发现方向错了，你怎么止损？Q37.功能上线三个月，日活使用率只有4%。你怎么救？参考答案要点：1.先分清是"不知道"还是"不需要"：入口曝光量、点击率、使用后留存，三个数一看就清楚。2.如果曝光低：改入口位置、加主动触发场景（如在工单页面自动弹出摘要）。3.如果用了不用第二次：访谈10个用户，找出第一次使用后的具体失望点。4.如果根本不需要：承认场景选错，做止损决策，不要靠加功能硬救。5.常见根因是场景选错而非体验问题，这时最正确的动作是停。6.给决策期限：四周内若无改善则下线，避免长期消耗资源。追问：如果这个功能是老板亲自拍板的，你怎么提下线？Q38.团队现在什么需求都想加AI，你怎么建立筛选机制？参考答案要点：1.建立统一入口：所有AI需求走同一张打分卡，六维打分，公开透明。2.设定门槛：加权分低于3.0不做，3.0～3.5只做两周验证，写进制度而非靠个人把关。3.建立"AI不适合清单"：确定性极强的规则问题、数据为零的场景、错误代价极高且不可逆的场景，直接排除。4.用案例教育：把已失败的项目做成复盘材料，比讲道理有效。5.给替代方案：很多需求用规则、模板、流程优化就能解决，成本低十倍。6.定期公示：每季度公示所有AI需求的评分与结论，形成组织记忆。追问：如果打分卡被绕过，你怎么维护它的权威性？五、开放思辨题（7题）Q39.你认为AI产品经理最重要的能力是什么？参考答案要点：1.高分答案指向"在信息不全时做判断并承担后果"，而不是"懂AI"或"会沟通"。2.会具体说明这个能力如何体现：场景判断、验收口径设定、止损决策。3.会承认这项能力的局限：判断会错，所以需要止损线与小步验证。4.低分答案：只说"学习能力强""对AI有热情""跨部门沟通"。5.加分：能说出自己在这项能力上的短板与补法。评分要点：能给出一个可观察的行为定义（而非形容词）给4分以上；能举自己例子佐证的给5分。Q40.模型能力越来越强，这个岗位会不会消失？参考答案要点：1.高分答案区分"能力"与"决策"：模型变强解决的是能力问题，不解决"做什么、值不值得做、出错谁负责"。2.会指出岗位内容会变：调提示词的工作会消失，场景判断、成本模型、责任设计会更重要。3.会承认风险：只做需求转译的产品经理确实会被替代。4.会给出自己的应对：往行业深度走，或往成本与商业化走。5.低分答案：简单说"不会消失"或"会消失"，无推理。评分要点：能说清"哪部分工作会消失、哪部分会增值"的给4分以上。Q41.什么样的场景不该用AI？参考答案要点：1.错误代价极高且不可逆：自动放款、自动开药、对外法律承诺。2.答案必须唯一且可精确计算：税费计算、库存扣减，用规则更可靠。3.数据为零或无法合法获取：没有样本、没有文档、数据在别人手里。4.用户没有判断能力且会直接信任输出：面向无专业背景用户的专业结论。5.收益无法量化且频次极低：一年用两次，做出来也没人维护。6.高分答案会给一个"看起来适合但其实不适合"的例子，并说明判断过程。评分要点：能给出五类以上且每类有具体例子的给4分以上；能说出"我拒绝过的一个场景"的给5分。Q42.你怎么衡量一个AI产品是否成功？参考答案要点：1.三层：用户层（任务完成率、采纳率、留存）、商业层（毛利、付费转化）、组织层（是否形成可复用能力）。2.强调"成功不等于效果分高"：效果达标但没人用是失败，效果一般但稳定被用且成本可控是成功。3.会提到时间维度：三个月看留存，六个月看成本是否收敛，一年看是否被复用。4.会提