AI大模型产品经理学习笔记：面试复盘_大模型 认识 面试考题

1、最近在面试

最近面了一些做大模型专项的大厂的产品岗，记录也复盘反思一下面试过程中被问到的问题。也因为这些问题，对转行做大模型产品需要具备的知识和认知有了领悟，也为了后面更加顺利的在大模型领域有所作为铺一些路。

由于目前还在面试过程中，就不点名是哪些公司了，基本上国内的互联网大厂我都投了，确实很挫败的是，只有少量的面试机会。

2、问了哪些问题

• 自我介绍
• 介绍一下过往经历，具体做啥的？
• 过往经历里面有哪些难点，怎么克服的？（一面）
• 有没有跟大模型相关的经历和项目？
• 生成式大模型的优点和局限性有哪些？
• 你认为大模型在2B和2C上哪个更有前景？
• 深剖过往经历所在行业的最新信息
• 大模型在你所在的行业和领域有哪些应用？
• 大模型对于对话类应用，能够带来哪些改善和优势？
• 在大模型领域里，产品能做哪些事情？

3、一些认知

第一个明显的认知是，在一面的时候，很少问到大模型的知识和经历。更多的还是围绕过往经历展开和深剖，无非就是：详细介绍一下某一段经历？在这个过程中，遇到了哪些有挑战的事情以及怎么解决的？产品和研发和算法是怎么配合的？这个问题一般是偏策略类的产品岗会问到的，因为这种岗位大概率会跟算法研发做非常密切的沟通和协作，不再是简单的产品提需求，扔给研发去做的事情，而是可能是跟研发共创一些逻辑和方案。

所以，对过往经历要非常的熟悉，提前提炼出自身的工作亮点，能够体现能力的地方，而且最好要有非常具体的一讲就明白的例子，在描述过往经历的过程中，体现自身的学习能力、迁移能力、通用的数据分析、逻辑推理能力等，以及C端的用户思维，这些都是转行大模型所必需的一些特质。我自身是策略产品经理做的更多，C端的用户产品经理相对较少，我找的也是偏策略类为主。

第二个明显的认知是，大模型的技术细节，甚至核心技术逻辑都不会被问到，考察更多的是对大模型在业务应用上的思考，对大模型整体能力的理解上；比如我被问到的：生成式大模型的优点和局限性分别是什么？大模型未来的出路更多是在2B还是2C上？

第三个点是，最好是有大模型相关的项目经历，就算是完全转行，也可以在平时多用的大模型的时候，搞一些自己的项目，制作足够多的Agent，创作足够多的Prompt并且能够总结提炼。这在面试过程中，基本100%会问到，过去有哪些与大模型相关的经历？

第四个点是，越到后几轮的面试，对过往经历的问询越少，而是更多的在聊大模型。 一位二面的面试官就直接跟我说，过往经历在一面的时候应该聊的差不多了，更多聊一下大模型的认知。在准备的时候也有有相应的侧重。

第五个点是，大模型产品岗的一些分类，一类是支持大模型基础能力打造的，偏数据或者中台产品，做的是协助大模型能力提升提效的工作，这一类岗位会少一些；第二类是绝大部分的，借助大模型的技术能力，在具体的业务场景实现落地，产品作为业务与技术能力的桥梁，将业务目标进行拆解、转化为具体的大模型能力需求；第三类是第二类的进阶版，尚且没有明确的业务场景，需要探索出大模型可以发挥作用的应用和场景。

相比而言，第二类是更容易做成并且体现产品价值的，要求产品经理既要了解业务，又要懂大模型能力，但是因为业务场景已经确定了，对于转行来说，只需要快速学习就好了；第一类对技术能力要求更高，但做下来对大模型技术能力的认知积累应该是最深厚的；第三类对行业经验要求非常高，对于转行大模型来说挑战比较大，既要学习行业经验，同时又要摸索大模型可改造和创新的场景。

最后一点，作为大模型产品来说，对大模型能力的整体宏观的认知才是最重要的。大模型能够在哪些场景落地，有哪些通用的思考范式和底层逻辑，是在准备转行的过程中重点思考的内容。

如何系统的去学习大模型LLM ？

作为一名热心肠的互联网老兵，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。