整体感觉还是不错的期待有后续！1. 如何设计一个面向外卖商家的AI运营助手？2. 如果让你负责一个AI对话功能的优化，你会关注哪些指标？3. 如何验证智能调度算法新版本的效果？追问：若上线后部分骑手反馈调度不合理，如何处理？

最近闲下来了，整理下面经给大家参考1)京东外卖入口在京东App"秒送"频道。请你以"上线后90天"为周期，设计一个AIl能力(推荐/搜索/对话导购/个性化等均可)从0到1落地方案:目标、关键路径、里程碑、上线标准、以及你会如何和业务指标绑定。2)京东外卖对商家有"品质堂食餐厅"等准入与审核要求。假设你要做一套"商家入驻/验真/持续巡检"的AI产品能力(含CV/风控/自动化审核均可)，请给出端到端方案与灰度策略。3)假设你要设计一个能显著提升"购买券到店核销"链路的AI产品(可以是AIGC内容、导购Agent、核销提醒、门店推荐等)，请说明你如何把它接入现有链路，并定义清晰的线上验证方法与成功标准。4)假设你要在外卖售后场景(催单、缺漏错、退款、改地址、骑手沟通)落地LLM客服/虚拟人，请给出系统设计与治理方案，说明如何兼顾体验、成本与风险可控。5)在外卖/到店场景，用户常见诉求不是"问答"，而是"帮我解决"。请你设计一个可落地的"售后Agent"(可调用订单、配送、商家、退款等工具)，说明任务分解、状态机/编排、失败回滚与审计机制。6)在增长中会涉及门槛/补贴等策略调整。请你设计一套实验框架，证明"AI能力"在拉新转化、留存复购、客单/毛利上的真实增量，并说明如何规避实验污染与外部波动干扰。7)围绕即时配送体验，请你选择一个履约体验问题(ETA更准、超时预警、可送范围动态化、备餐协同等)，设计AI产品化方案，并说明如何线上验证其对核心指标的提升。8)假设某城市外卖业务转化率在24小时内暴跌20%。请你给出从告警定位止血复盘的完整路径(包含你会看的关键指标、分群维度、以及如何形成可执行的改进闭环)。9)结合本地生活(外卖/到店)场景，请你输出一份"6个月AI产品路线图":至少包含3个项目、每个项目的价值假设、依赖资源、关键风险与验收标准。10)岗位需要对接内部技术中台能力。请你用一个具体场景说明:你会如何评估"直接用中台能力vs自研/外采"，并设计一套可持续迭代的协作机制来避免二次造轮子。11)开放生态中可能出现接口规则变更、类目校验升级、合作方清退等平台治理动作。请你设计一套"变更治理+迁移策略"，确保业务连续性与生态稳定。12)当对手在智能客服/多Agent上快速进展时，站在本地生活业务视角，你会如何做差异化:选一个细分场景，提出一个"能赢且能落地"的策略，并说明60天内如何验证。

发一下问题给大家参考，攒攒人品！1)如果你负责抖音端内"智能服务/自助服务"能力建设(如电商、生活服务场景)，你会如何定义北极星指标与3层指标树，并确保与业务目标一致(增/成本/体验/风控)?2)抖音端内的客服/IM链路支持在小程序/客户端内发起会话、带入商品/订单等业务信息。你会如何设计端到端会话漏斗埋点与数据模型，保证从入口识别生成动作结果全链路可观测、可归因?3)在抖音电商/生活服务这种高并发、长尾意图极多的场景，你会如何构建"意图体系+训练/评估数据闭环"，让它既能支撑自动化处理，又能支撑业务看板与运营?4)在客服/自助服务场景里，如果引入知识库检索增强(RAG)，你会如何设计"覆盖率、命中率、可追溯性、时效性"的指标体系与评估流程，来指导知识运营与模型迭代?5)在智能对话平台里，你如何建立从离线评测(质量/安全/遵循)到在线指标(解决率/满意度/投诉)的对齐框架，确保算法指标能稳定映射到业务效果?6)在抖音这类大DAU客户端里做智能客服/自助服务迭代，你会如何设计A/B实验与灰度策略，避免"指标短期好看但长期伤害信任"?7)你如何设计"转人工策略+坐席工作台信息结构+质检抽检体系"，让转人工既降险又不拉低体验，并能持续提升整体解决能力?8)结合大模型调用成本与性能约束，你如何设计"成本-体验-质量"的三角优化模型，并在产品上做出可运营的策略开关与监控体系?9)在电商/生活服务的黑灰产与合规风险场景下，你会如何构建"风险识别指标体系+干预策略+误伤评估"，并验证风控收益大于误伤成本?10)如果要把"智能对话"嵌入售后与主动服务链路(更早介入、主动提示/处理)，你会如何设计触发条件、效果评估与长期信任指标，证明"更早介入"确实更好?11)如果智能对话用于本地生活的"私信获客/线索转化/核销咨询"等链路，你会如何做跨线上线下的归因与质量评估，确保提升的是"有效核销/有效留资"而不是表面转化?12)在私信/触达存在规则约束(时效、次数、频控等)的前提下，如果目标是提升转化与体验，你会如何设计策略与指标，避免"触达合规但体验崩坏/转化虚高"?

发面经攒人品中！1.如果你接手小红书AI数据生产平台一个核心模块(例如:多模态标注+质量体系)，你会如何做18个月战略与路线图?2.结合小红书"UGC内容+搜索+商业化洞察"的特性，你如何证明"数据标注平台"的ROI?(不要求精确数字，但要有可落地的测算框架)3.你怎么看AI数据生产领域的趋势(模型辅助标注、主动学习、生成式标注、对话式交互等)，你会押注的"下一代标注工具形态"是什么?为什么?4.当搜索、推荐、内容治理、商业化分析都来提标注需求，口径冲突、优先级打架时，你怎么做需求收敛与决策?5.请口述你会如何设计"数据进入任务拆分标注质检回流训练/评估版本管理"的端到端链路与核心数据模型。6.如果要上"AI辅助标注/预标注"，你会怎么设计人机协同流程，确保吞吐提升同时质量不掉?7.请你完整描述一个你认可的质量体系:抽检/互审/金标集/一致性度量/申诉机制等如何组合?8.小红书内容天然多模态(图文/视频/语音/评论)，如果目标是"结构化挖掘卖点/口碑/SPU颗粒度"，你会如何设计标签体系与采集策略?9.岗位强调LUI+GUI等创新交互。请你设计一个"对话式/指令式标注"方案，并说明它比纯GUI提升在哪、代价是什么。10.在这种平台型B端工具里，你如何定义PRD规范(数据流、状态机、权限、异常、埋点、验收标准等)，并确保研发/算法/测试理解一致?

给我面没招了，感觉自己好菜、面试很难，还是要多多练习1)火山引擎在客服Agent介绍中强调智能客服是"工作台+lIM Bot/语音Bot+工单+质检+策略"的端到端系统，而不是单一智能体。如果让你负责从0到1规划一套"对话机器人+人工协同+工单闭环+质检"的最小可行系统，你会怎么拆模块、定边界与优先级?2)抖音开放平台提供多种客服能力，并支持在会话中透传商品/订单等上下文信息。假设你要在抖音小程序/电商场景落地AI客服，你如何设计入口、路由与会话态，确保"转化率/解决率/体验"同时可控?3)Coze覆盖Bot创建、插件开发、工作流编排、知识库管理与多端部署等能力。如果要求你用这些能力在2-3周内验证一个客服Agent MVP(能处理高频问题+能触发业务动作)，你会如何定义MVP范围、验收口径与Go/No-Go门槛?4)豆包大模型强调在多业务场景的规模化实践。假设你要在客服场景落地(高并发、低延迟、强约束)，你如何做模型选型(大/小模型、是否多模态、是否需要精调)并同时把成本、延迟、效果三者拉齐?5)火山方舟提供训练、推理、评测、精调等能力。如果你要建立一套"上线前评测+上线后回归"的客服对话评测体系，如何设计数据集、指标、红队与回归机制，确保每次迭代不倒退?6)客服体系里存在服务工单处理机制，强调时效与逾期影响。如果让AI从对话中自动生成工单(包含分类、优先级、关键信息抽取、建议处理方案)，你如何设计字段标准、触发条件与审核机制，避免"自动化制造噪音"?7)客服Agent方案往往要求"效果可度量、可持续优化"。如果你要定义这类产品的指标体系(体验+效率+风险+成本)，你会怎么搭北极星与分层指标，避免被单一"机器人解决率"误导?8)Coze支持知识库管理、工作流编排等能力。假设你接手一个已上线的AI客服，命中率上不去、幻觉偶发、且业务规则经常变。你如何设计"数据闭环":采集标注/纠错知识库更新策略/提示词/工作流迭代回归验证?9)在客服系统里，转人工不是简单兜底，而是体验与效率的关键策略。你会如何设计"转人工策略+坐席辅助+事后学习"，让整体解决率提升而不是堆人?10)书机器人支持消息推送、简单交互，并可用于系统集成。如果你要把客服Agent能力做成"企业内协作"的形态(如工单协同、质检抽检、升级审批都在书里跑)，你如何设计权限、审计、消息风暴控制与协作流转?11)面向对话式AI的音视频互动方案强调低延迟与"可打断"的实时通话体验，并整合ASR/TTS/LLM/知识库/工具调用等能力。如果要把客服从文本升级到语音(甚至带图/视频举证)，你会如何重构交互、指标与风险控制?12)市面上也存在"客服大模型机器人/智能体平台"类解决方案。如果让你做一份"客服Agent赛道对标"，你会如何选对标对象、拆维度(能力/交付/成本/生态/合规/运维)并产出"能指导路线图"的结论?

发一下问题给大家参考，攒攒人品！有面试过同岗的朋友欢迎评论区交流1、你如何把"模型能力演进"拆成一张可执行的效果策略路线图，并做价值判断?(请用你主导过的一个真实项目举例:从机会识别策略拆解落地方案上线验证)2、给定业务目标:把视频AIGC做成"可规模化使用"的生产力工具，你会如何定义'效果'而不是'"炫技"?3、你如何把"模型可调用能力(API参数/上下文等)"转成产品可控的效果杠杆?(以一次你做过的参数/链路设计为例)4、当模型持续迭代带来"质量波动/回归"，你如何设计效果守护与灰度机制?5、假设你要做电商广告:文生视频/图生视频，强调多镜头叙事与15s成片。你会如何定义上线可用的效果目标与红线?6、"多镜头&智能分镜调度"这种能力，你如何拆成模型侧与产品侧的交付边界?7、你会如何设计'人物一致性/音色一致性/多人物稳定性'的指标与评测方法?8、从0到1做视频AIGC:你如何设计"离线评估线上实验用户采纳复盘迭代"的闭环?9、视频生成常见范式包括:文生视频、首帧/首尾帧、多图生视频、图+音频口型等。若你做"一键短视频生成"产品，你如何选择能力组合与迭代顺序?10、算法团队说:'先做参考生视频保证一致性'，业务团队说:'先做文生视频追求多样性与创意爆款'。你如何做决策并对齐里程碑?11、假设你要做"视频创作Agent"，你会如何划分:规划、工具调用、生成、剪辑编排、验收?12、你如何判断一个需求应该做Agent(自主决策)还是工作流(确定性步骤)?13、你如何为Agent设计"效果评估指标"，既覆盖任务成功率，也覆盖创作质量与用户信任?14、请你设计一套"生成类能力效果质量评估标准"的三层体系:模型目标效果、训练过程质量、用户体验指标。要求能作为算法迭代的Gate。15、上线后采纳不达预期:你如何复盘并证明问题出在"效果不足"还是"产品路径/成本/时延/心智"导致?

给我面没招了，感觉自己好菜、面试很难，还是要多多练习1.在京东以"京东零售/京东物流/新业务"等为主要分部的业务格局下，如果要做一套"集团级客服智能质检平台"，你会如何拆分:统一能力、分业务差异化、以及多租户隔离与权限边界?请讲清楚你会怎么定义"平台化的最小公共集"。2.京东已有智能客服/人机交互相关产品与品牌资产(例如言犀作为服务数智化平台、沉淀了客服最佳实践的定位)，如果你接手"质检/培训/对练"产品线，你会如何重新做产品架构与路线图:哪些能力放到"通用底座"，哪些沉到"场景应用层"，为什么?3.面对京东618/11.11这类峰值场景(咨询洪峰、规则频繁变化、风险事件更集中)，你会如何设计质检与预警体系做到"峰值不崩、策略可快速灰度、风险可止损"?请给出你会采用的关键机制(如策略发布、容量评估、演练与回滚)。4.针对语音/文本多模态质检，你会如何端到端设计:数据采集ASR转写质检检测人工复核标签回流模型/规则迭代?请明确每一环节的**质量闸(Gate)**和你会盯的核心指标。5.复杂质检往往是"规则引擎+模型"混合:请你设计一个可运营、可审计、可回放的复杂规则引擎体系(冲突处理、优先级、版本管理、灰度、回溯、解释性)，并说明你如何避免"规则爆炸"和"规则失控"。6.自动评分要落到管理动作里:你会如何做评分标定(人工质检一致性、不同业务线口径统一、置信度分层、分段抽检策略)?如何证明你的自动评分"可用"而不是"看起来很准"?7.质检中的"风险预警"通常包含合规、舆情、辱骂、欺诈诱导等:你会如何定义风险分级与处置闭环(触发派单升级复盘)?哪些风险需要实时、哪些可离线?如何设置阈值避免"报警疲劳"?8."根因分析"不是做报表:请你讲清楚如果业务问你"最近投诉上升到底因为什么"，你会如何把对话质检结果与订单/物流/履约等业务数据关联，形成可执行的归因树(而不是罗列TopN问题)?

整理下面经，攒攒人品～～～1、如果你加入抖音研发，要做一个「智能服务团队的智能提效平台」，你会如何拆解"提效"对象(人群/任务/链路)、定义北极星指标与阶段目标?请给出你会优先覆盖的Top3场景与理由。2、同样是"提效"，你如何设计一套能在4-8周内证明价值的ROl评估框架?要求覆盖:时间节省、人力替代、质量提升、风险降低四类收益，并说明"不可量化收益"如何转成可决策信号。3、内部平台常见问题是"做出来没人用"。你会怎样设计从0到1的冷启动与留存机制(触达路径、默认工作流嵌入、权限与数据接入门槛、激励与约束)，并用哪些数据来判断"真正在被使用而不是被试用一下就走"?4、如果你做的是"内部版"AI平台能力，你会如何判断哪些能力可以直接对齐复用，哪些能力必须因内部研发组织形态重做?请说清楚差异背后的组织与流程原因。5、要做一个面向研发/运营/客服知识的问答能力，你会如何选择与设计:数据接入(多源异构)、切分/索引、召回、重排、生成、引用证据、权限隔离、更新策略?并说明你会如何评估向量库/检索组件的选择与边界。6、对于"问答/助手/智能体"能力，你会如何建立一套可持续迭代的评测体系:离线基准集怎么构建、人工标注怎么控成本与一致性、线上怎么做灰度与回滚、怎么区分"模型变好"和"提示词/检索变好"的贡献?7、当业务量上来，你如何设计"质量一成本一时延"的三角平衡策略?请给出:分层模型路由、缓存策略、请求合并/批处理、长上下文治理、以及成本异常的监控与止血方案。8、在"智能服务"场景里，最容易出问题的是越权、幻觉、违规内容、隐私泄露。你会如何从产品机制上做"可控":输入输出风控、知识源白名单、引用强制、权限与审计、敏感操作二次确认?9、请描述你会为"智能体/助手平台"设计哪些核心可观测能力:链路追踪、token/费用、延迟分解、检索命中、失败类型、人工兜底触发、告警分级。并说明一次"效果回退或事故"发生时，你如何定位是数据、模型、提示词、依赖服务还是发布流程的问题。10、给你一堆需求:知识问答、工单总结、对话质检、自动回复、培训助手、数据看板、流程编排....你会用什么方法把它们切成一个可在4周上线的MVP?请明确你的取舍原则:依赖最少、价值最大、风险可控、可验证。11、你如何把"智能提效"这类偏抽象的需求写成可交付的PRD?请给出你PRD里最关键的5个部分，以及你如何把"效果"转成可验收的标准(包含指标口径、数据来源、验收样本、灰度策略)。12、当研发、算法、运营都在场时，你如何组织一次高质量评审，让分歧在评审阶段就解决?请讲清楚你会如何定义接口边界(平台/算法/业务方)、里程碑、险清单、以及"谁来拍板"的决策机制。

呕心沥血整理了下面经，希望能对牛友们有帮助！！！1、百度搜索在改版中强调"智能框"、支持更长文本与多模态输入，并在结果侧强化富媒体与AIl能力;如果你负责其中一个"可互动的玩法"(例如:分步澄清、可选路径、任务面板)，你会如何定义北极星指标、拆解指标树，并证明它优于传统"直接给结论"?2、公开信息显示"百看"会以图文/音视频混合方式组织结果，并逐步接入智能体/服务能力;如果你要把某类高频Query(如"选购/送礼/攻略/对比")做成可复用模板，你会如何用数据选择模板、评估收益、并建立持续迭代机制?3、在百度搜索AI化重构(智能框/百看/AI助手)的背景下，如何建立一套"触发AI互动vs传统结果"的策略，并用离线+线上数据共同验证?4、面向"深度搜索/研究型"需求(需要多步检索、综合、反思)，你会如何设计可量化的"信息充分性/可验证性"指标体系，并落到埋点与评测集?5、百度搜索侧有MCP服务/发现平台等生态建设;如果你要把某类工具(如地图、日程、票务、比价)接入到搜索互动链路，你会如何设计"工具选择/编排/降级"的数据策略，并定义可控的效果增长路径?6、近期公开报道提到百度App支持一键调用OpenClaw等智能体工具，并与百度生态能力进一步打通;如果你负责"从0到1做增长"，你会如何设计漏斗、关键路径与实验矩阵?7、在"AI答案+检索+互动链路"的复杂系统里，如果线上出现"负反馈上升/追问变多/停留变短"三者并存，你会如何搭建诊断框架(从事件到样本到因果)，并指导研发/算法快速收敛?8、搜索产品常面临"用户效率提升"与"商业转化/生态分发"的张力;如果AI互动/直答让传统点击下降，你如何设计一套"用户价值一生态价值一商业价值"三方都能接受的度量与决策机制?9、百度智能云侧有数字人/视频创作能力(形象定制、视频合成、对话/直播等);如果你要与算法共建"形象/动作效果"的理想态与验收标准，你会如何把主观体验拆成可执行的指标与评分表?10、假设你要推动"离线视频产出"的标准化评测体系(评测集+基线+周报)，你会如何设计数据采样、分层覆盖与版本可比性，让它能真正指导迭代而不是沦为形式?11、如果要求算法团队按节奏离线产出视频(例如每周X条、覆盖Y类场景)，你会怎么设计"产能模型、质量闸门、返工机制、以及对外SLA"，并用数据让节奏可承诺?12、公开报道提到百度搜索侧强化富媒体输出，并提及一句话生成创意视频/分镜编辑等能力;如果AI视频作为搜索/助手链路的一部分，你会如何定义增量评估(而不是只看播放量)?13、在数字人/视频生成能力越来越强的情况下，作为产品负责人你会如何建立安全合规的指标、流程与技术拦截(版权、肖像、深度伪造、敏感内容)，并把它纳入交付节奏?

面试很难，还是要多多练习，感觉自己说不明白业务逻辑...1.实习拷打2.项目拷打3.模型评测怎么做的4.模型选型怎么做的5.为什么这部分工作交给开发6.模型无法正常输出sql，运行报错怎么办7.论文做的什么，图数据用的什么python库

秋招结束，前前后后面试了30多场，已经get3个大厂AI产品意向，还有3-4个在最后一轮流程中，算是积累了一些AI产品面试的方法论，分享给大家我最常被问的一个问题以及我的答案。【你觉得什么是一个好的AI产品？举例说明】第一，顺应基座模型，将壁垒建立在“上下文工程”上。目前市面上绝大多数AI应用，本质都是“基座大模型+上下文工程”的“套壳”产品。在模型能力本身无法自研超越的情况下，产品的真正价值在于如何获取并利用足够丰富的上下文。例如，AI会议纪要产品，如果能获取整个会议的完整音视频和参与者的笔记作为上下文，生成纪要的效果就会非常出色，相关产品有【Granola】【Plaud】。同时，这也是为什么硬件产品Looki让我觉得惊艳，它通过长时间记录用户第一视角的生活场景，为下游的视频剪辑、记忆辅助等服务提供了最丰富的上下文，这是它核心的逻辑。第二，打造真正有效“human-in-the-loop”，将产品无缝嵌入用户的工作流或生活流。一个好的AI产品不是要完全取代人，而是成为高效的协作者。现在很多产品的问题就在于，它们游离在用户已有的工作流之外，比如我作为一个学生和产品经理，日常的调研、写作、学习等任务，用Gemini或GPT在不同窗口间切换复制粘贴就能完成，现有的垂直应用并没有真正打通“端到端”的流程，无法让我形成付费依赖。第三，对时机Timing有精准的判断。一个好的产品不仅要看市场需求，也要认清技术边界。不能在错误的时间做正确的事，过于前卫的想法往往会失败。Cursor就是一个很好的例子，它在AIcoding这个赛道还未像今天这样火热时就已经入局，建立了先发优势，现在其他公司再想做一个同样的IDE，时机和成本都已不同。目前市面上很少有让我愿意付费的AI产品，不付费又何谈“好”。大部分所谓的AI功能，尤其是在一些成熟的大厂产品里，更像是“为了AI而AI”，并没有从核心商业指标或用户痛点出发。相比之下，我认为真正好的产品，要么像基座大模型一样，成为不可或缺的基础设施；要么像我提到的Looki那样，通过创新的软硬结合方式，在“上下文工程”上做到极致。

AI产品经理面试该怎么准备？今天把我平时面试候选人时，最常问的4类核心问题和面试中比较好的回答分享给你们。其实我一直觉得，面试AI产品经理，底层还是看能力匹配度，但作为面试官，我问的每道题都有明确考察目的。今天分享的这4类题，就是我筛选候选人的核心标准，把这些摸透，你面试时就能精准踩中得分点！一、通用基础题（考察岗位匹配度）我一般会问自我介绍、优缺点，还有最后让你反问我。这里说个印象深的案例：有个候选人自我介绍全是泛泛而谈，没提一句和AI产品相关的经历，这就是典型的差回答；但有些同学则会主动聚焦，比如会说“我之前参与过AI客服的需求梳理，重点负责数据标注的需求对接”，一下子就戳中了我的关注点。所以这类题不用复杂，重点是结合AI岗位特点做针对性准备。二、AI项目落地全流程题（核心考察项）这是我最看重的一类题，必问的是“你有没有完整跟进过AI项目？从需求到上线迭代，每一步你都做了什么？”我记得有一个同学的回答就很好，他能清晰拆解“先和算法团队对齐需求边界，再协调数据团队准备训练数据，模型上线后通过A/B测试优化阈值”，细节拉满，当场就加分了。这部分是核心差距点，一定要实打实准备。三、潜力题（考察行业敏感度）我常问“最近用过哪些AI工具？说说你对GPT和Claude的区别理解”。有个同学只说过用ChatGPT写文案，再问模型区别就说不上来，这就是潜力不足的表现；但如果在面试的过程中不仅能说清两款模型的定位差异，还能结合自己用Claude做长文档总结的体验，分析出它的上下文理解优势，这种对行业的敏感度就很加分。平时一定要多体验、多思考，别只停留在表面使用。四、宏观认知题（考察行业格局）我一般会问“你怎么看AI产品的商业化难点？” 有个同学能结合具体案例，说“比如To B端的AI产品，客户对效果预期和实际落地有差距，而且数据安全问题会影响付费决策”，还能给出自己的解决思路，这种有深度的认知就很亮眼。这类题考察的是你的行业格局，一定要结合案例多思考，别空谈理论。总结：这4类就是我面试AI产品经理的核心题库：通用基础题看匹配度，项目全流程题看实操力，潜力题看敏感度，认知题看格局。

攒人品之分享下前段时间面的实习面经1、实习拷打2、结合一个实习产品说一下你做了什么事情，有什么产出3、整体的业务背景是什么？就为什么要去做这个模型？它是有需求是来源于哪里？4、是 Toc 的需求还是 Tob 的需求？5、讲讲关于具体需求这一块，你大概做了一些什么样的工作？6、如果去做用户分析的话，怎么做？7、选一个在竞品调研的时候，你 focus 的某一个产品，介绍一下是怎么去看的？8、具体有去做过竞品分析报告输出相关工作吗？9、一个比较好的 PRD 通过哪几部分组成，大概包括哪些内容？10、比如说你写某一个具体的需求的时候，你是怎么样去拆解问题的？11、关于模型评测这一块介绍一下你的内容12、怎么拆解整体评测的维度？13、怎么去定义好坏？标准是什么？14、 prompt 怎么写的？15、除了交互设计和模型评测以外，有设计数据埋点吗？16、平常会了解一些 AI 的相关资讯吗？最近大概听说的比较有意思的 AI 产品有哪个方便来展开介绍一下？17、像 agent 类的产品有了解过吗？

聊了一个多小时，感觉场景题好难..1. 在AI跟商家打电话的时候，会有使用场景比较嘈杂的情况导致ASR识别准确率低，如何通过prompt的方式来保证通话的逻辑是顺畅的、防止AI答非所问2. 把商家无意义的话识别出来你们怎么解决，例如把商家的咳嗽识别为“嗯嗯”3. AI在说话的过程中，商家打断后。AI停止讲话，还需要生成下一段话的过程中，你还会把上一句后半段没输出但已生成的话放入prompt的历史上下文中吗，为什么？这个会如何影响到AI的下一段生成4. 分享一下关于多轮对话的prompt编写经历5. 针对这个prompt，上线后有从数据发现badcase，是通过如何调整prompt来解决的6. 除了环节控制之外，对于本身的话术有没有badcase做出修改prompt场景题1. AI给商家打电话，数据看板显示AI外呼的成功率下降5个百分点，描述下你的排查路径，提供给你的是：数万条通话录音文件、包含了通话时长、意向分类、交互轮次的数据，会通过什么快捷手段和筛选逻辑去做，找到有问题的录音来听2. 针对于金牌销售员主动去和商家交流的对话中，你认为应该增加哪些评估的维度，还有什么维度能评估它是个优秀合格的销售3. AI主动发起沟通和你实习AI对话的场景，对于AI能力有什么差异4. 选择一个生活服务行业（火锅店、理发店等等），分析线下经营的核心痛点，如果他们来抖音门店团购会解决他们什么样的一个痛点

整体面试还是不错的，但是没后续了，不知道是哪里出了问题...喜提人才库1. 搜索场景下，大模型会给用户体验带来什么颠覆性变化？2. 文心一言和ChatGPT在产品层面的核心差距是什么？怎么追？3. 设计一个“搜索+生成式AI”结合的新功能，画简单原型图。4. 搜索结果的AI摘要出现事实错误，是技术问题还是产品问题？怎么解决？5. 多模态搜索的用户场景是什么？什么情况下会“拍张照片搜声音”？6. 百度地图接入文心一言，最值得做的三个场景是什么？7. 知识类内容（如百科）在AIGC时代会被颠覆吗？百度知道怎么转型？

最近没事干，整理下之前的面经攒攒人品1. 产品需求文档PRD包含哪些内容？2. 你怎么进行竞品分析？3. 为什么想要作产品经理？4. 介绍一个简历当中的项目（为什么用LoRA而不是全量微调，显卡配置如何，用的哪个模型）5. 你提到使用过Cursor，介绍一下它有哪些功能？6. 你觉得Cursor未来的发展方向是什么？7. 除了Cursor还了解过哪些同类产品？8. 介绍一下prompt，rag，sft的区别9. 知道前几天cursor发布了1.0版本吗?10. 有使用Python和sql、编程开发项目吗?11. deepseek在今年春节很火，你知道它做了哪些改进?12. 了解强化学习中的GRPO算法吗?13. 你认为大模型的发展趋势是怎样的?14. 关于大模型的上下文、记忆相关有什么理解?15. 之前使用AI产品有做记录来对比分析吗?16. 你使用抖音时有关注到哪些AI工具?17. 你说之前使用过剪映的AI剪辑功能，如何评价?18. 你一般通过哪些渠道了解AI产品相关资讯?19. 会阅读AI相关的论文吗?

又回来当牛马了，摸鱼发发面经1⃣️你们这个产品的目标是什么？2⃣️你觉得你们这个产品和xx有什么区别？（这个同学忘记了）3⃣️为什么做xx功能？4⃣️xx功能的数据怎么样？5⃣️Bad case主要是哪些？6⃣️什么是MVP需要解决的，你是怎么思考的？7⃣️二期迭代的方向？8⃣️立项的时候有遇到什么问题吗？9⃣️觉得哪个功能是“伪需求”？🔟那领导在要求这个需求的时候可能是怎么思考的？🔟1⃣️模型选型主要看中哪些纬度🔟2⃣️有你自己争取来的需求嘛？🔟3⃣️如果模型准确率下降xx%，你们这个产品目标还能达成吗？

时隔两个月来复盘了一下京东的一场面试京东是我找实习的第三面因为当时和小红书的间隔时间比较近[睡觉R]所以只准备了一个晚上京东总共面过两次第一次是零售的AI产品 第二次是工业的AI技术产品零售的还是更偏C端用户侧视角 工业注重AI技术底层逻辑实现（ps：面前找JD的时候发现要27硕来着 不知道怎么被捞进去的🥲）Anyway：京东整体面试比较peace 后面两个开放性问题是我面过大大小小的厂以来第一次遇到 虽然之前看到别人面试有遇到过 但没有特别细看 也算是个经验 后续在准备面试的时候也会重点关注一下这种类型的问题～

严重性定义 产品场景下幻觉的容忍度，接受多少成本来解决评估和检测●业务角度：进行人工评估，比如标100条Case，从体感上感知主要问题●自动化评估：在垂直领域，构造数据集，利用LLM进行知识检索判断幻觉幻觉分类大致分为与真实世界信息不一致的事实性幻觉（包括编造事件、信息过时等）、与输入的上下文不一致的忠实型幻觉。需要不同的缓解措施幻觉如何缓解？调API的话1.首先是Prompt调优。比如输入更详细的任务指令、调优的过程中不断根据输出的Bad Case加入限制。比如COT。2.然后是上下文优化，这里指的可以是RAG的召回信息优化，也可以是特定场景的上下文处理优化，突出其重点部分更容易被大模型理解。3.还可以基于Agent思想，将其问题拆分成更细粒度的任务，每个步骤都使用RAG融入外部知识来降低幻觉。4.最后是成本较高的，使用另一个模型来检测幻觉，如果有幻觉则重新生成。自研模型的话，通常是在垂直场景需要蒸馏一个小模型，或者微调一个模型。除去上述部分，还可以参考一下思路1.SFT训练数据层面：通过合成指令微调，有助于缓解幻觉。2.强化学习：在强规则的领域，可以通过强化学习来缓解忠实型幻觉。比如特定格式输出、特定内容提取等。3.推理：在不同领域考虑不同的解码方式，多样性解码在专业领域诱发更多幻觉，贪心搜索在开放领域加剧幻觉