从去年到现在陆陆续续面了一些AI相关的岗位，主要目的也是为了了解市场上现在对人才的需求画像是怎样的，总结了一些常见问题，希望对正在进行或者即将进行面试的小伙伴有所帮助目前很多的面试都是AI+业务，很多岗位都在聊怎么用AI赋能业务、以及变现的路径，所以问题的底层逻辑和回答思路上还是基于“传统互联网产品经理”出发的，只不过需要多多了解一些AI产品、模型等等我过往有一个关于AI情感陪伴的项目，所以很多面试都是基于这个项目在聊1、自我介绍答：我是xxx，过往有xxx段工作/实习经历，其中xxx经历和这个岗位非常匹配，都是做xxx方向的，因此我对这个业务方向非常感兴趣，认为自己在这个岗位上会有所发挥，所以来应聘这个岗位，希望可以进入到贵司和大家共同进步核心是要告诉对方你是谁、以及你很匹配这个岗位2、撰写prompt的方法答：RISEN框架，R-角色、I-指示命令、S-步骤、E-最周目标、N-缩小范围(约束条件，可以约束任意方面)我一般撰写prompt的框架倾向使用“RISEN”，简单来说就是你是谁、你需要做什么、主要通过哪些步骤实现、你需要做成什么事、给到具体的范围设定，我认为这个方法会比较严谨、考虑到各方面的条件，会输出更清晰的指令（这里我的这个回答是基于我个人的项目，我选择的方法论是这样的）简单基础的说法：“角色-任务-格式”举例：角色：你是一名心理咨询师，在心理学领域拥有10年的经验.说明：请问有轻微抑郁症的患者提供一些帮助和建议步骤：1.从......开始，2.进行......，3.进行......最终目标：目标是...缩小（限制）范围：不要使用......3、prompt调优策略、质量评估答：在产品上线前期，我会不断进行迭代测试，观察模型输出结果，并建立case文档，归因分析；这里主要使用A/B测试，对比不同的prompt生成效果、从而进行温度参数调整、或者调整提示词等等；关于质量评估，首先要明确业务目标，制定一个评测标准，在我的项目中，我的标准是人设一致性、对话流畅性、逻辑性、回复多样性，基于标准，进行质量评估。这是我个人对于AI产品的理解，如果有认为不准确的地方可以展开探讨(拉着面试官和你一起聚焦于业务，展现你对业务的主观能动性)3、介绍xxx项目的从设计到实现答：这里就按照个人项目的具体实现路径回答就好了，答题框架：切入场景、模型选择、上线效果、商业化机会4、怎么理解大语言模型，在你之前的实习中是怎么优化语言模型的效果答：大语言模型本质是通过大规模数据训练出的概率预测工具，其核心价值在于将自然语言转化为结构化输出。实习优化举例（STAR 法则）：Situation（场景）：在某 AI 公司实习时，负责优化客服场景的对话模型，初始版本存在 “答非所问”“信息遗漏” 问题，用户满意度仅 65%。Task（任务）：目标是提升模型在售后咨询场景的回答准确率和完整性。Action（行动）：数据层优化：清洗训练数据：剔除过时政策、错误案例，补充 3000 条真实客服对话（含多轮追问、模糊提问）；构建 “问题 - 答案” 映射表：将高频问题（如 “退货流程”）拆解为 5 类子问题，标注标准答案要素（步骤、时效、联系方式）。Prompt 工程：设计 “角色 + 场景 + 约束” 三层 Prompt：*“你是某电商平台的售后客服，用户咨询退货问题时，需按以下格式回答：退货申请入口（附 APP 截图指引链接）；审核时效（工作日 / 非工作日区分）；特殊情况说明（如生鲜类商品不支持退货）。回答需简洁，避免使用专业术语。”*反馈闭环：开发 “人工校准界面”：客服可标记错误回答，累计 50 例后重新微调模型；引入 “答案完整性评分”：自动检测回答是否包含所有标注要素（如缺少 “入口链接” 则扣分）。Result（结果）：2 个月内用户满意度提升至 89%，人工复核工作量减少 40%，模型在模糊提问（如 “怎么退东西”）场景的准确率从 55% 提升至 82%。5、如何解决模型幻觉问题？答：1.技术层（降低幻觉概率）数据增强：引入 “事实校验数据集”：训练时加入包含矛盾信息的样本（如 “鲁迅写过《哈利波特》吗？”），强化模型对错误事实的识别能力；多源知识融合：对接外部知识库（如维基百科、企业数据库），生成时检索验证（如回答 “2024 年诺贝尔奖得主” 时，调用权威 API 校验）。模型优化：在 Prompt 中加入 “事实声明”：如 *“以下回答需确保信息准确，若不确定请说明‘无法验证’；使用 “拒绝生成” 机制：当模型置信度低于阈值（如 < 70%）时，自动返回 “该问题需要人工确认”。2. 产品层（减少幻觉影响）用户引导：明确告知 “AI 可能出错”：在产品界面添加免责声明（如 “本回答仅供参考，具体请以官方信息为准”）；设计 “信息溯源” 功能：对涉及数据、政策的回答，提供来源链接（如 “根据《2024 年消费者权益保护法》第 X 条…”）。交互设计：对高风险场景（如医疗、金融），强制人工复核后再输出；提供 “纠错入口”：用户可标记错误回答，积分奖励机制鼓励参与事实校验。6、使用过哪些AI产品，使用体验最好的是哪一个产品答：选一个产品，从产品视角、商业化模式等角度分析核心优势、以及改进空间举例：我最常使用的产品是豆包，有各种对话模式，能够满足C端用户的日常需求：问问题、写代码、生成图片创作内容等等，还可以根据不同的任务设定进行对话交谈；且内容源更广阔，背靠字节有很多内容的积累，除了网页的信息以外，还有着头条、抖音等PGC/UGC内容，很适合进行问题提问待改进的地方：专业领域深度不如垂直领域模型（例如图片生成），商业化空间忧虑等等。。。7、AI产品经理与传统产品经理的核心差异8、基于xxx业务，认为AI可以发力的机会点是？答：一般问这个问题的公司，你要提前了解该公司的发展方向、市场份额等等，例如电商业务，你可以回答搜索推荐、智能选购场景等等，运用电商“人-货-场”的理解，融合AI技术，提升用户购物效率等；产品的最终目标都是赚钱，可以想想赚钱的方向。9、对当下主流大模型的看法、优劣对比10、为什么想从事AI产品？答：认可行业的发展前景、我个人擅长xxxx、适合复合型产品工作，AI将改变人类生活方式，我希望自己是可以做出这样产品的人。核心告诉面试官，你强烈加入对方公司的意愿，人和人之间的想法是会被影响的，积极展现~11、你如何看待 “生成式 AI（如 AIGC）” 对现有产品形态的冲击其实在面试中，很多面试管还是会结合业务提问，而不是像一些博主写的干巴巴的“知识提问”，知识是基础，核心要思考的还是结合具体业务聊，附上AI相关术语概念有帮助的话，请给我点点文末的小花~