🍃学历：211本科

👑专业：计算机科学与技术

👪年龄：31岁

👩性别：男

🌟城市：北京

👔职业：7年电商产品经理经验，想要转AIGC产品经理

🌑转行原因：

工作7年，一直在做电商，从小厂跳到到中厂一直跳到京东，但是逐渐发现自己遇到了瓶颈，电商业务越来越成熟，需要创新的点越来越少，数据增长越来越缓慢，想要在大厂晋升的希望也越来越渺茫，这时候就想看看新机会。

🌒方向验证与选择

为什么想做AI产品呢？

首先，AI一定确定性很强的趋势，其实京东的很多同事都开始做AI项目了，每次汇报领导都很重视，而我还在做传统项目，领导也不关心；

其次，自己想跳槽薪资期望再涨涨，其他方向我问了很多朋友，真的没啥希望，不降薪就不错了，只有AI这个领域才能拿到更高的薪资。

1、如何评估AI聊天产品的好坏?你会用哪些指标去衡量AI对话体验?市面上谁做得最好?

✅参考回答：

面试官您好，我一般从三个层面去看：

(1)可用性：

-用户能否快速获得想要的信息，是否需要多轮澄清

-准确率，召回率，响应速度，上下文保持能力

(2)可理解性：

-是否能根据上下文动态调整语气与回答深度

-回答是否逻辑清晰，语言是否自然，有无幻觉

(3)满意度：

-用户主观评分，留存率，使用时长，转化率，例如订阅或留资

-A/B测试中正反馈率和投诉率

市面上我认为体验最好的仍是ChatGPT，尤其是 GPT-4-turbo系列和Claude3表现尤其好。

国产产品中豆包和 Kimi的平衡度较好，豆包在语义压缩，轻交互场景上体验更自然。

2、如何搭建 AI评测体系?

考点：评测集构造+指标体系设计+优化思路

✅参考答案：

面试官您好，我会分三步：

1）评测集设计

-覆盖真实用户场景，比如闲聊，搜索问答，任务指令，代码生成等

-构造多样化query，比如：长短问结合，包含模糊，歧义，情绪化表达等

2）指标计算

-定性指标：人工打分，比如内容准确性，风格自然度，逻辑一致性等多个维度

-定量指标：BLEU,ROUGE,BERTScore, Faithfulness,Latency等

3）数据不符时的优化

-回溯评测集是否偏题或覆盖不足。

-调整prompt模板，采样温度，或增加RAG检索层。

-若问题集中在特定任务，比如代码生成，则需重训或微调对应domain数据。

3、你有PE(Prompt Engineering)的经验吗?如果用 PE 构造的数据效果不理想，你会怎么调整?

✅参考答案：

面试官您好，我有系统做过prompt设计与优化经验。

当效果不理想时，我会：

-分析失败样本(错误输出的语义模式).

-调整Prompt架构：由单层prompt角色定义+分步指令(Chain-of-Thought).

-在数据层上：构造few-shot示例，增加负样本。

-在模型层：尝试不同温度或top_p参数，或切换到更稳定的引擎。

4、假设大模型返回的搜索结果相关性下降，你会怎么分析?

✅参考答案：

面试官您好，问题可能出在：

-召回策略层：召回阈值过宽或重排权重异常。

-数据检索层：索引构建不完整或embedding向量漂移。

-外部变量：知识库更新不及时或内容时效性下降。

-模型理解层：queryembedding异常导致语义偏移。

我一般采用的排查路径是：

先验证retriever，看是否召回正确；再验证reranker，看是否排序合理，最后看LLM调用逻辑是否改动。

5、标注团队数据质量不稳定，但对方不认可你的评估标准，怎么沟通?

✅参考答案：

这种情况实际工作中，我真的遇到过，当时我的处理逻辑是：

1）共识化指标：

先和对方一起定义"正确"的标准样例，用demo验证一致性。

2）客观化反馈：

展示数据分布图和质量得分，避免空争论。

3）闭环机制：

引入二级复审+定期质量review.

4）沟通姿态：

不以"对错"压人，而是"帮助他们让成果更被信任".

6、除了技术本身，哪些因素决定了AI产品的成功?

✅参考答案：

我认为以下几个维度和因素都会影响AI产品的成功：

-用户洞察与场景落地：没有真实场景，AI就只是 demo

-商业模式设计：免费增值，API收费，或企业方案化

-数据质量与反馈闭环：用户行为模型优化体验提升

-品牌信任与合规：尤其是隐私与数据安全。

一句话总结：AI产品的核心是"从模型到价值"的转化能力。

7、如何评价豆包AI?如果让你优化，会改进什么?

✅参考答案：

您好，我觉得豆包的整体策略比较清晰：

-定位在"轻量智能助理"而非技术炫技型大模型。

-优势在于中文语义理解能力强，响应速度快，与抖音生态深度结合。

-短板是专业垂直任务深度不足，在知识问答和长文生成上略显保守。

如果让我来改进：

我希望豆包能强化「个性化记忆+多模态输入」能力，让用户更容易在工作流里嵌入AI.

---

说真的，这两年看着身边一个个搞Java、C++、前端、数据、架构的开始卷大模型，挺唏嘘的。大家最开始都是写接口、搞Spring Boot、连数据库、配Redis，稳稳当当过日子。

结果GPT、DeepSeek火了之后，整条线上的人都开始有点慌了，大家都在想：“我是不是要学大模型，不然这饭碗还能保多久？”

我先给出最直接的答案：一定要把现有的技术和大模型结合起来，而不是抛弃你们现有技术！掌握AI能力的Java工程师比纯Java岗要吃香的多。

即使现在裁员、降薪、团队解散的比比皆是……但后续的趋势一定是AI应用落地！大模型方向才是实现职业升级、提升薪资待遇的绝佳机遇！

这绝非空谈。数据说话

2025年的最后一个月，脉脉高聘发布了《2025年度人才迁徙报告》，披露了2025年前10个月的招聘市场现状。

AI领域的人才需求呈现出极为迫切的“井喷”态势

2025年前10个月，新发AI岗位量同比增长543%，9月单月同比增幅超11倍。同时，在薪资方面，AI领域也显著领先。其中，月薪排名前20的高薪岗位平均月薪均超过6万元，而这些席位大部分被AI研发岗占据。

与此相对应，市场为AI人才支付了显著的溢价：算法工程师中，专攻AIGC方向的岗位平均薪资较普通算法工程师高出近18%；产品经理岗位中，AI方向的产品经理薪资也领先约20%。

当你意识到“技术+AI”是个人突围的最佳路径时，整个就业市场的数据也印证了同一个事实：AI大模型正成为高薪机会的最大源头。

最后

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，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大模型的学习中的很多困惑。

我整理出这套 AI 大模型突围资料包【允许白嫖】：

• ✅从入门到精通的全套视频教程

• ✅AI大模型学习路线图（0基础到项目实战仅需90天）

• ✅大模型书籍与技术文档PDF

• ✅各大厂大模型面试题目详解

• ✅640套AI大模型报告合集

• ✅大模型入门实战训练

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

①从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点

② AI大模型学习路线图（0基础到项目实战仅需90天）

全过程AI大模型学习路线

③学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

④各大厂大模型面试题目详解

⑤640套AI大模型报告合集

⑥大模型入门实战训练

👉获取方式：
有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓