面试修改意见参考
Last Update:
修改意见
招聘平台梳理
梳理一下自己目前缺失的准备安排逐个去针对性复习（最好看到对应薪资的负责职能以及要求）
你自己写的：建议复习好了之后面几家试手熟悉后先把G端面完再B端，再C端以此类推。会影响以后再找工作的方向与职业规划方向。
顺序错了，没有可能复习好再去面试，第二个先面C再B再G，可以想一下为什么我会这样建议
因为G端岗位都比较少所以需要。B端岗位比G端多一点所以放在C端后面。C端现在市场岗位是比较多，所以先接C端的面试，把面试的熟练度提上来。把状态提高后再去面B端与C端这样机会就更大。
项目造价网址：《文汇报》：香港康文署申9亿开发智慧图书馆系统 - 业界动态 - 新闻资讯 - 深圳图书馆 (szlib.org.cn)
简历
1.工作描述别写删了
2.自我评价的上面写的东西都要体现出来
3.主要整体围绕着项目去写体现业务能力以及产品设计逻辑框架等
由于是比较大型项目，由多个系统耦合一起的。所以选择瀑布+敏捷开发模式去进行。主要是因为需求粒度非常小，但又是大型项目需要严格划分研发计划。可以把控进度又细化story。是当时场景能预防问题以最小成本解决的最优解。
4.专业技能部分可以用上各式各样的模型例如最小可行性产品MVP等写几个上去套上你的项目
如果一定要细说，例如设计的时候用到逻辑树法，从最大颗粒的业务问题拆解理解，再往下细分拆分颗粒的问题逐一理解，然后把关联问题设计的东西引出来，最后完善细化拆分。
5.围绕着项目经历以及专业技能去复习（什么地方用到了这些东西例如sql什么情况下用到了用的场景以及目的是什么等等）
sql或者数据分析会用到的场景如：搭建报表雏形或是分析需求/原系统报表内容，协助研发完善系统报表内容。
6.项目的会议跟进完全没必要写上了感觉很初级
因为大部分时间都跟香港那边的官员交接，大部分时间都是去大会堂那边演讲原型或者需求或技术栈的之类的东西。
7.项目管理能力如何体现？为什么大家会接受你的管理，你如何推进项目进度，如果延期了怎么样解决，你负责的项目管理有什么优势等问题
7.1项目管理体现在关注整体计划、节奏、关键点，让计划保质保量地进行，其次就是产品与项目组成员的融入情况，使得项目成员可以对项目形成自驱动。
7.2因为这个项目最初就是由我0-1设计的，我需要与项目成员讲解颗粒细化的设计逻辑，无形中就会接受我的管理。
7.3管理措施：通常我每天都会查询进度，合理组织站会来同步信息。技术措施：如果有需要推动进度的节点，如阻碍事件等、会分析问题拆分问题、如无法解决会组织特殊问题解决会议，大家协商解决方法思路。如果团队或者资源类型问题等，会找领导商榷解决方案，反馈团队避免团队失信。再不行进行经济措施，经济激励措施等内容。为确保进度目标的实现与领导协商项目激励体制内容。
7.4如果延期了，通常我会在设计前就预留缓冲时间在计划里，如果还是因为技术原因或者其他客观因素导致延期，那首先是与大家同步班信息。先了解原因：是技术栈还是前面时间不够用？还是优先级评审错误？然后是会筛选需求：先把当前阶段核心需求权重值调高，务必解决主要核心问题。再是没办法中的办法大家赶工期，组织团建等。
7.5团队和谐共处，项目稳定进行。
8.项目岗位可以不写
9.项目总结不是写的项目介绍，总结一下带来了什么样的提升或者这个产品的核心理念完成有没有符合预期等
单独准备
工作中遇到的困难点在哪里
遇到一大困难点：人力资源分配问题。由于香港项目是由19子系统组成的，所以导致当项目系统研发遇到技术阻塞时，人力资源又在其他项目里面无法释放出来。遇到这个问题，我当时解决方案是由我主动调查其他项目里，是否有人在处理有限度不高的需求，与领导协商获取组织权限，由本项目研发人员带领理解优先处理技术问题。
你觉得你担任产品经理有什么优势，适合做产品经理吗
好说话，不适合hh，硬说的话就是有技术基础了解需求背后所需技术栈。并且可以分析透彻。项目管理与系统设计有优势。适合做传统的产品经理
产品经理你认为核心的能力是什么
沟通能力、思考能力、学习能力、专业能力、组织能力
什么是产品经理，你认为to g和tobc比有什么不同有什么相同
1.为终端用户服务，负责产品整个生命周期的人。
2.不同：toC、toB二端的工作，例如商业方面、快消行业、新互联网行业等新兴行业偏向市场调研与竞品分析且要与营收负责，反而对软件研发过程并不深入追求。更偏向产品能力的运营能力、市场能力。由于我之前行业属于经典的互联网软件开发产品经理岗位，所以偏技术与产品设计、项目管理这方面。如果偏TO G那么在To B的要求之前会更加注重在产品能力上的产品设计与文档，产品规划与项目管理。相同：都需要沟通能力与独立思维，这些都是产品经理所需要的能力中的一环。决策与执行缺一不可。
你设计的方案为什么这样设计以及如何落地实现
对标书需求进行分析拆解，从大维度到小颗粒思考，能与其他系统对接等预设设计。进行迭代模型方式与User进行确认与落地。
如果领导不给你派活你觉得你的需求来源是哪里
首先确认自己任职信息来进行拆解，为自己职位确定性质方向。再由信息维度思考获取信息方法，如同事，其他部门等，再对自己现行可进行的工作进行过滤筛选，再定需求内容。
项目的关键点是什么
明确方向、明确需求、规划项目、项目监管、项目最终交付
你觉得你设计的产品最好的和最差的点在哪里
我觉得我设计产品比较好的点在业务逻辑以一种新的形式以更方便的形式设计出来，还要就是把新的技术融合在了这个新系统里面。我觉得差的点在于，这个子系统是包含多种业务功能的，但还没有以优先度，进行整理。
你觉得你在上家公司的产品经理岗位学习到了什么
我觉得我在上一家公司产品经理岗位学到很多东西，学到海外大型项目从0-1的整体研发过程，学到在复杂系统的中对设计逻辑的应用，现实与政府人员的交涉，大型会议中的演讲展示，多个项目的管理规划等等都能学到非常多东西。
如何老板不合理的产品需求希望你这边调整你会怎么做
首先了解老板提出这次产品需求的最基本目的。其次去分析这次产品需求的可行性与不可行的原因。并向老板提出相关内容，力求根据老板的最基本目的去优化这个产品需求，看老板是否妥协。
你的产品文档需求的梳理逻辑是怎么样的简单说说
这个暂时没有整体规范，我根据当时项目总结的是先进行系统结构解剖图，梳理系统间的耦合关系，再进行需求结构图进行功能结构梳理，再进行用户故事，明确需求目的，再做泳道图梳理业务流程，抽出特殊用例进行用例详述，设定页面基本流。
模拟C端项目EAMFOL的回答
1.在这个项目为什么不做成微信小程序引流？
用户调研结果得知，本来我们内地这边都是在最大用户体量的微信进行引流传播的，但是在香港的话则不一样。因为网络管制原因，他们基本不是用wechat，使用的是WhatsApp或者 是TG，所以我们后来是做成当地图书馆网站的内嵌web版。
2.这个原型是怎么设计的
由用户调研结果得知，香港有阅读习惯群众比例比我们多很多，但大多数人是基于纸质书阅读，新兴互联网普及更是停留于通话于YouTube之间；所以设计成单独页面，引流可以由图书馆网站或YouTube引流。原型设计与G端复杂繁琐的设计相反，整体设计偏向简洁易操作。
运用了漏斗分析模型。优化了进入界面的非强制注册形式，赋予游客账号，保障了用户阅读，大幅度降低进入门槛。极大优化了转化率，保留了不善长使用互联网的用户。
模块：分为三大板块：1.活动2.书城3.个人信息。
1.活动由阅读者之友发布阅读或政府推行的相关活动
2.书城由1.推荐系统2.书架3.图书分类组成
1.推荐系统：
其中推荐系统是基于物品的协同过滤推荐。
协同过滤相关知识:
1、在这些网站中，用户的兴趣是比较固定和持久的。这些系统中的用户大都不太需要流行度来辅助他们判断一个物品的好坏，而是可以通过自己熟悉领域的知识自己判断物品的质量。
2、这些网站的物品更新速度不会特别快，一天一次更新物品相似度矩阵对它们来说不会造成太大的损失，是可以接受的。
** 举例：**
基于物品的协同过滤推荐简单的说，如果用户 A 同时购买了商品 x 和商品 y，那么说明商品 x 和商品 y 的相关度较高。当用户 B 也购买了商品 x 时，可以推断他也有购买商品 y 的需求。
2.书架：以非强制注册的形式，赋予游客账号，以游客账号关联收藏书籍信息。如果用户后来注册账号后，自动转为正式用户。以普及为主要目的
3.个人信息：个人信息由预约活动、账号管理、线下预约等模块组成
预约活动：阅读计划奖励活动的参与报名，活动的获奖名单与奖励
账号管理：账号昵称、个人信息、邮箱信息、书架收藏信息入口，等相关账号信息
线下预约：对接图书馆纸质书预约系统的接口
修改参考：
错误示范：
以下是注意点：
AIGC前景：
在现今经济疲软的大环境之下，投资者在投机方面会慎之又慎。
因为AI对现今的工作岗位冲击，具有更全面，更大范围，更准确。便导致更大范围的关注=更大范围的流量=更大的投资机会体量，使得融资机会更大。使得其创业或项目的成功性更高。
有感：现在大部分LLM都是依托与专有数据，未来向专有数据与线下交付德道方向走。因为LLM本身即是平台，对现有平台产品来说可能会损失品牌，躲在LLM后面会沦为工具。所以现有中小企业只能走专有数据渠道，相反如果有大企业能进行统一整合的魄力，本身也拥有庞大的公共数据，在提升用户的体验同时加强了用户粘合程度。会形成所用行业的重磅炸弹。如果逃离商业垄断惩罚讲可行性。可以套用当时微信与支付宝当年一套，先运行导致大量用户形成高粘合度。对环境形成如核弹一样的重磅炸弹，导致官方反应不急，无法及时下场救场。
利用济后性从而使官方放行。
实行：
如腾讯微信，拥有巨量的用户登录入口。这是庞大的公有数据体量，如果研发如语音式NLP的LLM模型，打通生活、办事、娱乐等通道，形成AI一站式对话交互。实现更多的场景涉及任务下达、目标达成、情况分析和模式识别等工作
AIGC（AI Generated Content）产品经理是负责管理基于人工智能生成内容产品的专业人员。随着人工智能技术的快速发展，AIGC产品经理需要具备跨学科的知识体系，以便更好地理解和推动产品的发展。以下是AIGC产品经理的学习方向：
人工智能基础理论：了解机器学习、深度学习、自然语言处理等AI领域的基础知识，有助于产品经理更好地理解技术原理和产品功能。
产品管理知识：学习产品生命周期管理、市场调研、用户需求分析、产品设计、项目管理等，以确保产品能够满足市场和用户需求。
编程能力：具备一定的编程能力，如Python、Java等，可以帮助产品经理更好地与技术团队沟通，并能够理解技术实现的细节。
数据分析能力：学习如何使用数据分析工具（如Excel、SQL、Python中的数据分析库等）来分析用户数据，优化产品性能和用户体验。
行业知识：深入了解AIGC在媒体、教育、娱乐、广告等行业中的应用，理解不同行业的特点和需求。
法律法规和伦理：了解与人工智能相关的法律法规、伦理问题，如数据隐私、算法公平性等，确保产品合法合规。
用户体验设计：学习如何设计直观、易用的用户界面和交互体验，提高产品的用户满意度。
商业策略：理解商业模式、竞争分析、定价策略等商业知识，帮助产品在市场中获得成功。
沟通协调能力：作为桥梁连接技术和业务，产品经理需要具备良好的沟通和协调能力，确保团队协同工作。
持续学习：AIGC领域更新迅速，产品经理需要不断学习最新的技术动态和行业趋势。
综合这些学习方向，AIGC产品
AI指标：
1.提高模型规模：
模型规模通常直接影响模型的理解和生成能力，规模越大，处理复杂任务的能力通常越强。
2.训练数据
AI可以通过训练数据提高以下能力指标：
1.特定领域性能评估：这指的是模型在其训练数据所针对的特定任务或领域中的表现。通过评估指标衡量，如准确率、召回率、F1分数等
2.泛化能力：这是衡量模型能否将所学知识推广到新的、未见过的任务或领域的能力。
如何提高模型的特定领域性能和泛化能力：
数据多样性：在训练模型时，使用来自不同子领域和不同类型的数据，以提高模型对领域变化的适应性。
数据增强：通过对训练数据进行变换，如同义词替换、句子重组等，来增加数据的多样性，从而提高模型的泛化能力。
领域适应：使用领域适应技术，如自适应训练、领域特化的网络架构等，使模型能够识别并适应新领域的特点。
少样本学习：通过训练模型以处理只有少量样本的新任务，提高模型在新领域上的泛化能力。
持续学习：允许模型在不断接收新数据的同时进行更新，以保持其知识库的最新状态。
评估和反馈：通过在不同的评估任务上测试模型的性能，并根据反馈调整模型，以提高其在特定领域和跨领域的性能。
总之，模型的特定领域性能和泛化能力是衡量模型有效性和适用性的关键指标，需要通过精心设计的训练策略和评估流程来共同提高。
AIGC项目：
VRS：NLP AI Engine for Chatbot（VRS用于聊天机器人的NLP人工智能引擎）
需求调研：当时由于chatGPT1.0刚出没多久，所以需要对专业领域需求与AI模型进行需求评估。当时该项目需要大量AI方面的技术栈支撑，如聊天机器人所需要的STT（语音转文字）技术与DRM的TTS（文字转语音）技术。如优化机器人的提示标签（回答：当时是建立标签库，可自动生成热点较高的提示标签，并且管理者可以修改）（当时chatGPT1.0还没有提示标签），再训练优化AI的需求。
怎么做提示词优化？可以做小样本、思维链
小样本：用户举例
怎么实现思维链？大部分内置了，用户输入请逐步思考
关于中台的理解，三通一平：
数据通：数据通是基础，解决”数据孤岛“的问题
部门通：部门通是关键，“解决流程割裂”问题
能力通：能力通是支撑，解决“重复造轮子的问题”
统一平台：平台统一是核心，解决平台管理难，遇到问题不知道去那个平台可以解决问题，平台间的用户登录切换问题
关于企业转型AI Agent的理解：
企业转型AI的方法论总结：
方法：1.考察企业业务逻辑，摸透业务逻辑后，思考业务逻辑中的哪一部分可以往AI方面靠
2.业务逻辑转AI的可行性，必要性，成本性，选型问题，三性一选
3.根据公司对AI的需求，以及投入选择模型框架，对业务流程设计成AI Agent流程，然后按照业务来对Prompt 提示词设计
4.然后对模型效果进行设计，后面进行微调调优，最后部署
关于向量库RAG项目的实现流程：
1.考察企业业务逻辑，摸透业务逻辑后，对适合业务逻辑的DB数据库、模型进行选型
2.底层实现方式：配置链接模型，添加文档与向量化，检索向量数据库返回记录，讲文档存入向量库，检索
3.检索测试，检索优化，模型优化
2026年AI智能体框架的核心技术趋势已明确：
多智能体编排：如CrewAI（角色扮演+任务分配）、AutoGen（多Agent对话），适合复杂任务（如市场调研、软件开发）；
RAG与数据导向：如LlamaIndex（数据索引与检索）、LangChain（工具链集成），解决AI“幻觉”问题；
低代码与可视化：如dify（拖拽式工作流）、扣子（Coze，字节出品的Bot搭建平台），降低AI应用开发门槛。
在传统编程中，源代码是逻辑，在AI编程中，prompt加Context是逻辑
Skill封装与组成：
1.skill.md =员工手册
1 | 我叫什么：skill的名称和定位 |
2.references =AI规范列表
1 | 格式标准：表格列宽、字段顺序 |
3.scipts/ =脚本自动化代码
1 | 自动读取发票并且识别文字 |
4.assets/ = 每次输出用到的模板文件
1 | ppt模板：品牌色、字体、板式 |
封装方法：
对话式封装：
Skill打包提示词
1 | 我们刚才的对话已经磨合出了完整的工作流程和输出标准。 |
Skill提示词优化：
1 | 根据我的工作习惯优化这个skill |
文档著者：GT / github:morniakr.git.io