后劲大到离谱 董子健导演首作看完缓了两天！
2026/1/18 20:49:36
背景：
🌟学历：2026年毕业，深圳大学本科
🌟专业：新闻传播专业
🌟性别：女
🌟年龄：22
初看我这背景，是不是不可能转AIGC产品经理？
哈哈哈哈，我刚开始也是这么认为的，但是自己从大一开始接触大模型开始内心就开始躁动，因为自己年纪小没有赶上移动互联网的红利，非常遗憾也但是没办法的事情，大模型这一波自己发誓要赶上。
我也非常相信张雪峰老师对于新闻传播这个专业在国内的尴尬地位的评价（可以B站搜视频），所以早就想转行了。
但是一直不自信，一直不知道路径，所以一直没行动。直到某一次薛老板直播，我连麦说了一下情况。
薛老板说：以你当前的背景一下子拿到好的offer是很难的，唯一务实的路径是：先做两个AIGC项目写到简历上–>先上岸做AIGC产品，即使再小的公司甚至外包也可以–>积累了实习经验之后，在跳槽到中大厂实习–>秋招前最好有两段大厂实习，秋招就比较稳了。
至此我才清晰了自己的整个求职路径，也幸亏自己准备的早。2024年8月报名了薛老板的《AIGC产品实战训练营》，学完之后拿到了两个创业公司的offer，一家做Agent出海，一家做AIGC视频创作，我也是听从薛老板的建议，没有纠结，选择了第二家开始实习。
然后一边实习做项目，一边骑驴找马继续投递，有了真实项目经验之后再跳槽就自信且容易多了。
三个月后我大费周折但如愿以偿得拿到了腾讯的AIGC产品实习机会，主要是做多模态创作相关，这个步骤非常重要，从此我的简历上有了大厂的标签。
目前字节（从一面到拿到口头offer用时5天）的这段实习是我的第三份实习，为什么要换实习呢？一方面是践行薛老板给我的建议，另一方面是想尽量在正式工作前多接触不同的AI业务，真正找到自己热爱的方向。
非常感谢薛老板的邀请来分享面经，希望对大家有所帮助。
第一轮面试：
1.1 面试问题 Part 1过往履历深挖&根据履历进行发散性提问
1）自我介绍
2）介绍一个你独立参与或主要负责的这个AIGC项目
3）你怎么评判模型效果的好坏?或者说，你会从哪些维度去评估模型的效果?
4）可以详细介绍一下你做模型迭代的经历吗?
5）你做的prompt模版怎么定义好坏?
6）你刚刚说的都是AI文生图模型，那在大模型策略制定中，你通常会考虑哪些评估标准?
7）如果你要针对C端去做大模型，给用户进行分类，并告诉我怎么满足不同用户的需求?
8）可以跟我说下训练集中正样本和负样本从什么渠道收集的?你们怎么定义这个正样本的?
9）请谈谈你对AI产品或者市场趋势的看法?
10）平时常用的AI工具有哪些?都用来解决什么问题或者需求呢？
11）自己使用过或者调研过哪些大模型?尝试对比一下他们的优劣?
1.2 面试分析
其实从面试题可以很容易看出来，第一面整体面试问题都是围绕简历的项目展开，核心是考察AI基础能力。
比如AI技术落地能力与产品逻辑的严谨性，聚焦在“是否能把事做对”。
深挖细节时，重点看的是如何把技术理解转化为产品策略的能力，追问中常出现“为什么选这个方法而不是其他”的灵魂拷问，实质是考察决策依据的缜密度。
1.3 面试官反馈
每一轮面试后的反馈都很重要，一方面可以发现自己面试的问题，另一方面可以借机了解岗位要求和看中的能力，为下一轮提前做准备!所以每一轮面试结束我都会想办法要到面试官的反馈
一面面试官反馈：
1）大模型策略产品最重要的是抽象能力，这部分需要加强
“策略产品的核心是从复杂现象中提炼本质特征，比如你能从100个用户行为中抽象出3个核心决策因子吗?”。
“分类能力决定策略天花板，如果让你把用户需求分成不超过5类，你的分类逻辑是什么?”
2）对AI策略产品工作了解程度需要加深
“大模型策略不是单点优化，要理解从数据采集→特征工程→模型训练→效果评估的全流程，同时很多时候策略产品的需求来自于后台日志，无法直接接触到用户，所以要能够清楚地感知到用户需求”
第二轮面试：
2.1 面试问题
1）自我介绍
2）介绍一下你这个独立负责的功能?
3）为什么你要把提示词模版做成滚动式更新的样式?
4）为什么最终选定这个方案？有没有考虑其他的方案?
5）这个需求是怎么来的？你作为产品经理，如何评估这个需求是合理的靠谱的？后续怎么验证的需求?
6）在文本类的大模型里，一个好的提示词的标准会有什么不同?
7）你说你经常看AI资讯，最近有关注到什么大模型方面的进展可以分享给我吗?
8）你未来职业发展的规划是什么?为什么要面大模型产品经理的岗位?
9）你在过往的实习中遇到的最大困难是什么?怎么解决的?
10）我看你的模型调研和选型经历里面，对于不同模型进行了对比，你对比了哪些模型?
2.2 面试分析
第二轮面试我觉着更多的是AI策略产品思维的考察，然后带一点点压力面的味道。
从面试题可以分析出，核心验证系统化思维与抽象能力，关注“能否找到更优解”。
问的很多开放式问题，比如用户分类、差异化策略等等，核心是看球会者是否能跳出执行层，展现对业务终局的思考；而指标设计类问题比如“什么叫效果好”等问题，实则是考察维度拆解与价值排序的能力。
2.3 面试官反馈
二面面试官反馈：
1）产品思维要显性化
“不能光讲一些数据，策略设计要体现用户价值传导，比如模型准确率提升5%，对应到用户体验上是搜索次数减少还是满意度提升?”
2）答题要有逻辑思维，而且要让面试官能听懂
“回答要有逻辑思维和产品思维，同时要想好怎么能给面试官讲清楚背景和目标，你自己做过当然很清楚，但也要让面试官理解，不然面试官不知道你做的意义”
第三轮面试：
3.1 面试问题
1）介绍一下你多轮对话机器人项目的详细细节吧？
2）所以你这里是搭了一个Agent或者Workflow吗?
3）核心的技术链路可以大概讲一下
4）面对激烈的市场竞争以及模型之间的差异化越来越小，你会如何制定AI产品的差异化策略?
5）说下你对大模型性能评估指标的理解，以及在策略制定中是怎么考虑这些指标的?
6）你刚才说自己通过分析用户的行为数据得出的需求，最终需求的结论是怎么来的?
7）你对AI搜索工具Perplexity了解吗?它和常规搜索有什么区别?和市面上的其他AI搜索有什么区别?
8）【现场出题】下面是用户的20个Query，请你构建标签体系，就是你会给Query打怎么样的标签来进行分类，并给出你的理由
9）【现场出题】下面是对于大模型Response的一种评估标准，请你仔细阅读之后对下面的Response打分，给出你的理由
10）【现场出题】下面是用户上传图片并提出问题的一些Query，请你综合对「理解」层面和「生成」层面两个维度进行评价，给出其中的问题，并告诉我这里一共有哪几类问题?
11）最快的到岗时间是什么时候?实习时长?
3.2 面试分析
第三面我分析面试官核心考虑的是最终匹配度验证，面试中一连串现场出题，这些题目是跟当前业务高度相关的。
比如Query分类、Response评估等问题，考察候选人能否快速建立分析框架，并保持逻辑自洽。重点是检验问题拆解力与认知穿透力。
还比如 Perplexity等工具对比类问题解析，实则是看产品sense与技术敏感度的融合度。
3.3 面试官反馈
三面面试官反馈：
1）产品需要技术理解≠需要技术细节，不是计算机科班也可以做好AI产品经理
“不需要懂反向传播公式，但要能说清不同的微调数据的方式对模型表现的影响差异。”
“理解技术边界:比如什么需求适合用规则策略解决?什么时候必须微调模型?”
2）共情能力和沟通能力更重要
“策略产品往往都是在看数据、看日志挖掘需求，但这些都是冰冷的数据，用户洞察不能依赖数据报表，要能还原真实场景:比如老人用语音助手时，是真的需要天气播报，还是想缓解孤独感?”
“和工程师沟通时，要能用他们的语言提需求一不说‘优化体验’，而是‘需要把响应延迟从3s降到1.5s以内’。”
如何系统的学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
01.大模型风口已至：月薪30K+的AI岗正在批量诞生
2025年大模型应用呈现爆发式增长，根据工信部最新数据：
国内大模型相关岗位缺口达47万
初级工程师平均薪资28K（数据来源：BOSS直聘报告）
70%企业存在"能用模型不会调优"的痛点
真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！
02.大模型 AI 学习和面试资料
1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工
📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。