美团产品经理岗AI面面经

1. 你使用过哪些 AI 基座模型？​

回答思路： 展现视野的广度。不要只说名字，要分层级（国内外）、分能力（文字/多模态）来描述。​

​

“我目前保持着‘全家桶’式的重度体验，因为不同模型的‘调性’和‘幻觉率’差异很大。 国外模型： 我主要是将 GPT-4o 作为全能助手，它的多模态理解和响应速度非常平衡；而 Claude 3.5 Sonnet 是我处理复杂长文和写代码逻辑时的首选，它的‘人感’更好，生成的文案没那么重的‘AI味’。 国内模型： 我会用 Kimi 处理超长文档解析，因为它的上下文窗口（Context Window）体验很顺滑；同时也在关注 DeepSeek-V2，它在数学推理和编程逻辑上的性价比极高；另外，为了体验 C 端交互逻辑，我也会经常使用字节的豆包。”​

​

2. 你为 AI 基座模型付过费吗？（选择是）​

3. 你为哪些 AI 基座模型付过费，为什么？​

回答思路： 这是一个展现你“需求洞察力”的机会。说明付费是因为免费版无法满足你的高质量产出需求。​

口语化答案：​

​

“我目前一直稳定订阅 ChatGPT Plus 和 Claude Pro。 付费的原因主要基于两点：第一是**‘确定性的生产力保障’，免费版在高峰期会有严重的降速或强制切换到低版本模型，这对于我日常处理复杂任务是不可接受的；第二是‘抢先体验核心功能’**，作为 PM，我需要第一时间测试比如 GPT-4o 的语音交互升级、GPTs 的分发机制或者是 Claude 的 Artifacts 这种改变交互范式的功能。 这种每月 20 刀的支出，换来的是更高质量的逻辑推理和信息过滤效率，从 ROI（投资回报率）来看是非常划算的。”​

​

4. 你使用过 Claude code、Cursor 类似的 AI 编程工具吗？（选择是）​

5. 你使用这些工具的使用场景和使用情况如何？​

回答思路： 强调“Vibe Coding（意图编程）”，即 PM 如何通过自然语言指挥 AI 完成开发任务。​

​

“我目前高频使用 Cursor 主要是为了抹平产品想法与技术落地之间的鸿沟。 场景一：快速验证原型（MVP）。 以前我需要画完原型等开发排期，现在我可以利用 Cursor 的 Composer 功能，直接输入自然语言描述交互逻辑（比如：帮我写一个能实时抓取小红书爆款词并可视化的网页），它能直接帮我完成从前端 UI 到后端逻辑的搭建。 场景二：数据处理与自动化脚本。 在做竞品调研时，我会用它快速生成 Python 爬虫，或者编写复杂的数据清洗脚本。这种‘意图编程’的工作流，让我作为一个 PM 也能具备‘全栈验证’的能力，极大提高了沟通效率。”​

​

6. 你是否有为这些工具付费？（选择是）​

7. 你调用过 AI 底座模型的 API 吗？（选择是）​

8. 你曾调用过哪个最好用的模型的 API ?​

回答思路： 体现你对“成本 vs 性能”的敏感度，这是 AI PM 的核心基本功。​

​

“这要看具体的应用场景，很难一概而论。 如果追求输出的结构化稳定性，我认为 Claude 3.5 Sonnet 的 API 是最惊艳的。它在处理长 JSON 格式返回时几乎不报错，且指令遵循度极高，省去了很多复杂的后处理（Post-processing）逻辑。 但如果是做大规模的内容分析或数据处理，我会优先调用 DeepSeek 的 API。它的推理能力在很多测试集上已经逼近顶级模型，但 Token 的调用价格却低了几个量级。在商业化落地时，DeepSeek 这种高性价比的 API 是我们控制产品毛利、降低算力成本的首选方案。”​

​

9. 你过去一年读过 AI 论文／技术报告吗？（选择是）​

10. 过去一年，你读过哪篇 AI 论文／技术报告两次以上，对你工作的帮助是什么？​

将你研究的 Agent 模式 抛出来。这是全场最亮的点，体现你对 AI 架构的深度认知。​

​

•

“我反复研读过至少三次的是关于 ReAct (Reasoning and Acting) 框架以及 Reflexion (自我反思) 架构的技术报告。 这对我设计产品功能有本质的帮助。它让我跳出了‘单次提问’的局限，开始思考如何通过 多 Agent 协同工作流 来解决大模型的幻觉问题。 比如在设计功能时，我会引入‘计划、执行、反思、修正’的闭环流程。读完这些论文后，我在设计 Prompt 时不再只是给一段描述，而是会给大模型一套‘思维导引’，让它在后台先自检逻辑再给出答案。这让我的产品在处理复杂任务时的准确率提升了将近 30%。”​

​

11. 你是否有独立开发过 AI 产品／功能？（选择是）​

12. 请你用三／四句话概括这个 AI 产品／功能的用户需求以及解决情况。​

用标准的 需求背景+解决方案+核心价值 的三段论。​

​

“我针对‘AI 行业信息过载、沉淀困难’的痛点，开发了一个多 Agent 协作的知识库自动化系统。 核心需求是用户每天面对海量的论文、推文和面试干货，手动归类和提炼极其耗时。 我的解决方式是利用 Coze 搭建了一个多节点工作流：先由‘信息提取 Agent’抓取网页核心内容，再由‘分析 Agent’对比已有知识库去重并提取结构化考点，最后自动推送到 Notion 归档。 解决结果是把原本需要 1 小时的碎片化学习过程，压缩成了‘一键发送、10秒入库’的丝滑体验，极大提升了知识复用率。”​

​

13. 如果有，可以提供你所做的 AI 产品／功能的链接​

回答思路： 坦诚说明现状，强调底层设计。​

​

“因为这个产品涉及到我个人的私密知识库（Notion/飞书）和 API Key 的调用安全，所以目前没有做成公网访问的独立 App，更多是运行在我的个人开发环境和 Coze 预览端里。 虽然没有对外的 URL，但我完整保留了整个产品的流程图、Prompt 结构图以及多 Agent 的协作逻辑。如果您感兴趣，我可以给您展示它的 Workflow 节点图以及在面对复杂输入时的处理链路，这能更直观地体现我的产品思维。”​

​

​