这位面试狂人, 在半个月之内, 密集面试了38家AI产品公司, 之后, 他把海量实战转化成了一套高效复盘系统, 并揭开了如何将面试转化为免费行业调研的方法, 从Claude驱动的真题库构建, 到本地化H5工具开发, 还提炼出了AI产品经理的核心能力, 也就是技术翻译力, 这套方法论, 不但产出了13个offer , 还重塑了职业准备的全新范式。
先报数据
这是我iPhone日历上部分约面记录的截图。
我数了下，过去半个月左右我一共面了38家AI产品公司。
算上周末, 平均每日二至三场, 最夸张的一日进行了六场面试。于晚间第六场面试结束之际, 我对着摄像头向面试官表达感谢之时, 已然有些搞不清清晨前几家面试的都是谁了。
面完之后我没急着躺平。
我把每一场的录音录屏，全都喂给了Claude。
半个月之后我手里多了几样东西。
可确实是拿到了13个offer。然今儿不谈论offer这事儿。我是想要分享心得, 更为颇具意义的一个心得。
在那种情况下, 当我实实在在在某一个具体行业里达到38家的时候, 我察觉到, “面试”这个词汇所蕴含的意义会发生转变。从心态方面来讲, 面试不再是那种被他人挑选的进程, 而是演变成了这样一种情形: 我进行了38场免费的活动, 对方还必须讲出真实的话语, 并且要强制陪着我聊上1小时, 这便是——AI产品行业咨询。
这些每天被我大量接触的面试官, 都是离市场前沿需求最近的人, 他说出的每一个问题, 背后都在告知每个 AIPM 当下你最需要具备的能力, 不过前提是得对对话有让其沉静下来的办法, 不然两周后就只得记住“那个看似戴眼镜的面试官”了。
下面就是我的办法。
为什么我敢半个月海投上百家，面38家
这个问题被我朋友问了无数次。
不做准备就直接面，你不是浪费机会吗。
我的回答分两层。
购买了课程, 观看了名为“AI产品经理100问”的内容, 将豆包Qwen的模型参数逐一背诵了一遍, 为此准备了长达两周的时间。
某天晚上我盯着PDF发呆，突然意识到一件特别破的事。
我实际上, 连, 市场究竟, 在招聘, 什么样的, AI 产品经理, 都, 没有, 真正地, 搞明白, 由于, 我, 没有, 真正地, 去接触过, 背诵, 那种, 网上的, 通用, 准备资料, 要是, 背了, 根本, 没有用, 该怎么办呢。
招人用的岗位描述全都好像是从同一个模板里照搬出来的, 要求是懂得大模型相关知识, 要有项目经历方面的经验, 还得能够在不同团队中间实现协作。这样的表述几乎就跟什么都没讲一样。
去寻觅文章来阅览, 文章全都是半年之前乃至还要更早的时候撰写而成的 , 在AI这个圈子里面半年时间的跨度就如同相当漫长的半个世纪那般。
前去询问前辈, 前辈入行之际, GPT image 2那时也尚未问世，是这样的情况。
二手信息全部不可信。
唯一能拿到一手数据的办法，是把自己投进去。
所以我做了一个有点疯的决定。
不准备了。直接面。
视作一场可以免费进行的、能够强制让对方陪自己聊整整1小时的、并且对方必须讲真话的——市场调研活动, 这便是面试。
事后证明这把赌对了。
我进行到第8场面试时, “为何选择RAG而非选择微调”这一问题, 已被询问了5次。
这意味着什么。
这表明, 此道题目属于行业内大家共同认可的内容, 并非是某一个公司特定的喜爱。凡是参与的候选人, 都会被问及这道题目。
我随即停下加以打磨这道题的答案, 往后的30场, 这道题再未出现失误。
若是我一声不吭地埋头准备长达2个月之后才着手开始面试, 那我极有可能一直面试到第40场的时候, 才会意识到这道题目居然有着这般重要的程度。
但密度也有代价。
代价是人会变成驴。
脑袋里每天被灌进二至三场高强度对话, 四十八小时过后, 你仅剩下“那家公司面试官挺凶的”这般感觉, 你想要复盘, 却全然想不起对方询问了些什么, 一周之后再回头去看, 你根本不清楚自己面试过谁。
不沉淀，38场就是38场原地踏步。
所以我搞了套东西。
整套东西长什么样
我先把这套流程画出来。
单场面试的复盘时间，控制在40分钟以内。
下面拆开讲，附我真在用的prompt。
录屏录音这一步——5分钟设置
要是进行线上视频面试, 那就选用QuickTime, 或者使用Mac自带的屏幕录制功能。而电话面试的时候呢, 需用手机进行录音, 与此同时, 要配合电脑通义听悟来实时记录。
这里有个特别多人踩的坑。
Mac原生的屏幕录制, 默认情况下是不会录制系统声音的, 你录制完成后, 听到的只有自己的声音, 而听不到面试官提出的问题, 要想录制到系统声音, 就得安装一个BlackHole, 或者使用OBS才行。
此次我第一场的面试, 居然就在这上面遭遇挫折。下午面试结束之时, 我满怀信心, 然而到了晚上, 当我打开录屏倾听, 却发现一片寂静。有的只是我尴尬地自言自语。
还有一个小细节。
每一场录音, 开始之时, 我都会朝着麦克风说出这样一句, “今日乃是X月X日, 而此为面试X公司的X轮”。在后续整理那素材之际, 这单独的一句话, 能够为我节省下10分钟去寻觅文件的时间。
于伦理方面, 我自身存在一条界限, 这些物品在整个过程中都是我自己使用, 并无对外流传出去, 也不会向外界公开, 而且不会挂到网络上。
转文字这一步——不要亲自读，直接发Claude
将录屏文件拖动进入通义听悟网页版, 它会自动进行转写, 还能自动区分出发言人, 并且自动生成摘要。其免费额度对于一个月38场这样的频率而言恰好够用。
转写出来的文本我不读。
将一场时长为1小时的面试内容转写成文字, 大概会有1.5万字那么多, 而读完这样的1.5万字内容大约需要20分钟时间, 之后我便直接进入到下一步。
这地方是违背直观感受的所在, 好多人觉得复盘就是再度聆听面试内容, 这想法错了, 听一遍不会有信息增加量, 基本上只是让你重新体会尴尬, 真正有价值的是让Claude站在第三方的角度来讲明哪里回答得糟糕了。
Claude三件事——本文核心
我把同一份转录文本开云正版app下载开云app在线入口世界杯2026直播平台，让Claude跑三轮，每轮只做一件事。
关键在于要选择分开来跑, 要是不进行分开跑的话, Claude就会出现偷懒的情况, 当三件事情混合在一起去做的时候, 每一件事情都不能做得深入。
Prompt A：让Claude给我建题库
你是一名资深AI产品经理。下面是我面试
公司名/匿名代号
的完整转录。请你完成两件事：
1. 提取面试官问的所有问题，原样列出，不要改写
2. 给每道题打两个标签
-类别范畴, 是要从【AI产品认知/项目深挖/技术理解/数据指标/商业判断/行为面/价值观/反问】这些里面进行选取。
关于频率推测, 鉴于这道题具备开放性以及通用性, 据此判断它在其他公司被问到的可能性, 是高, 还是中或者是低, 并请用表格予以输出。
粘贴转录文本
跑完之后, 我将输出的表格进行复制, 把它放进Obsidian的题库文件之中, 按照类别来划分目录从而进行归档。
一个月攒下来，154道题就是这么来的。
Prompt B：让Claude骂我
这一步是整个流程里最有用的，没有之一。
你是一名严格的AI产品面试官，刚刚面完我。
下面是我的简历/项目
粘贴简历/项目
，和刚才的面试完整转录
粘贴转录
请你针对其中我答得最差的5道题，做以下分析：
1. 我的回应之中, 究竟哪一句表述, 或者哪一段阐述, 才是导致回答出现失误的关键所在? 请准确地引用原本的话语。
2. 面试官真正想听的是什么？请站在他的角度还原他的考点
3. 基于我的简历项目，正确的回答应该怎么组织？
要用 STAR 结构, 需注意, 不要安慰我, 不要说“整体回答不错”, 要直接指出问题。
这个prompt的关键有两个。
第一个关键，必须喂简历。
若不投喂简历, Claude给出的答案乃是网络通用模板, 即“你应当采用STAR结构, 先阐述背景而后讲述行动”。这般毫无实质内容的话语, 只要有手便能书写出来。
投喂了简历后, Claude会精准指出, 你刚才那段回答是不行的。事实上, 在你的XX项目里, 存在现成的例子, 即从48%提升到61%的留存数据, 然而你却没有将其拿出来。你应当把这个数据当作回答的锚点, 在回答前面铺设背景, 在回答后面收获价值。
这种诊断才有用。
第二个关键，不要让Claude安慰你。
留意, 别宽慰我, 别讲整体回应挺好。—— 这一句务必得添加上。要是不添加的话, Claude按默认温柔模式执行, 就会那般说道, ”你给出的这个回答实质存有挺多闪光点的, 然而要是能够再额外补充一些XX那就必将趋于更优了”。这种犹如废话般的表述相较没有还要糟糕透顶, 究其缘由在于它会致使你误以为自身回答得相当出色。
要让它直接指错。”你这句答崩了。”——就要这种高效的反馈。
Prompt C：让Claude给我标准答案
依据Prompt B所进行的诊断, 将这3道题的“我应该如此作答”版本, 撰写成能够用于背诵的回答稿件。
要求：
– 每道题不超过200字
– 用第一人称
– 必须带至少1个数据
– 必须带至少1个我简历里的项目细节
– 结尾要有一个反问句或开放点，给面试官追问的钩子
最后这条”结尾留钩子”特别重要。
不少人, 在回答完最后一句为“嗯, 我大概就是这么做的”之后。一打, 对话便结束了。这时, 面试官只能再憋出一个问题来。
只倘若你于结尾处留下一个钩子——”此处在实际上存在着一个连我自身都未曾思索明白的要点, 您会怎样看待呢? ”——那么面试官就会顺着你所留下的钩子进行追问, 而你已然准备好了接下来的一段。
整场面试的节奏感就出来了。
让Claude把这3版标准答案复制进Obsidian同一道题的条目下, 并且标注”标准答案v2″, 这样下次遇到类似题时, 在开口前心里就能有底。
题库聚合这一步——每周做一次
一周的跑步结束之后, 我会对所有Prompt A所产生的内容进行汇总, 而后让Claude再次进行运行 , 且这一系列动作是按照先后顺序完成的。
下面是我这一周面试沉淀的47道题。请：
1. 找出被不同公司重复问到的题（频率≥2），标为”高频”
2. 找出问法不同但本质相同的题，合并归一
3. 重新做一次类别分布统计
粘贴所有题
跑完之后我知道几件事。
此一周之中, 我的弱项所属类别究竟处于何方。哪一些题目被再三询问, 从而需要即刻予以打磨。哪一些题目尽管显得新奇, 然而却仅有一家公司进行询问——大概是面试官个人的偏好所致, 其性价比不高, 故而将其剔除掉。
跑到这一步，154道题已经躺在Obsidian里了。
每道题, 都存在着原题, 有着我答题失败的关键语句, 有着Claude给出的标准答题答案, 有着其曾在怎样的面试之中呈现过。同时, 有着它被询问过的具体次数。
这个题库对我自己来说够用了。
为啥做H5页面，以及我具体怎么做出来的
存在于Obsidian里有154道题, 这对我而言是有用的, 然而紧接着就出现了下一个问题。
154道题目, 14种分类, 每一道题的下面, 还挂着我回答失误的语句, Claude给出的标准回答, 它出现在哪一场面试之中。这些内容, 在Obsidian里, 是一堆md文件。文件彼此之间, 借助链接相互跳转。我使用起来, 没什么问题。
但有几个具体的痛点，Obsidian解决不了。
首先说, 在面试之前于咖啡店里、在地铁上的这个时段, 我没办法迅速地去将题目进行翻阅。那种可称作Obsidian的工具, 对我而言并不足够便于操作, 就好比打开的时候迟缓、找寻对应文件的过程迟缓、实现跳转的时候也迟缓。我所需要的实则是一种能够在90秒的这个时间段以内快速浏览过20道具有高频特性题目的物件。
首先是第二个情况, 我没办法依据“今天面的这家公司”来对题库进行过滤。就好比在下午的时候去面了一家从事教育AI方面的公司, 此刻我想着能不能借助AI产品认知加上项目挖掘深度以及数据归因这三类题型构成高频题型。然而在Obsidian里面呢, 我却只能逐个地展开文件夹, 一个一个地查找。
要的是这么个载体, 它能在三分钟内完成扫描, 具备双视图, 也就是项目维度以及问题类型维度, 并且能够进行搜索、筛选。
H5就是答案。
怎样具体去实现呢——是直接借助Claude来生成HTML文件, 将其存储到本地位置, 等到有需求的时候直接在浏览器之中打开。
那么具体H5上有什么。看下图。
视图一：按问题类型浏览
把一百五十四道题, 按照十四个分类进行折叠而后展开, 给每一道题标注好频率, 我要看向哪一个类别就点击哪一个类别。
视图二：按项目维度浏览
我的两个项目, 分别是AI学长以及AI拍搜讲, 每个项目都有一个独立模块, 在这里面装着完整的时序图, 还有技术架构, 以及关键数据解读, 另外还有项目深挖问答。
顶部搜索框
随口想到一个关键词——”RAG”——秒定位到对应问答。
H5真正改变的不是面试现场，是面试之前的那15分钟。
以前, 在我面试前的那 15 分钟里, 我人在地铁之上, 翻动着 Obsidian, 还翻看了那份简历 PDF 文件, 更同时翻看着聊天记录里面的 JD 要点, 显得一派手忙脚乱的样子。
有了H5之后，在我面试前的15分钟里, 我仅仅做一件事情, 那就是打开H5, 按照“今天这家公司有可能问到的类别”去筛选一遍高频题目, 对于每一道题目, 花费30秒的时间快速浏览一遍我的标准答案。
15分钟，覆盖15-20道高频题。
进面试间的时候，我脑子里是热的。
这是H5对我最大的价值。
原本它的用途并非是供应给他人去瞧看的, 它是这样一种器件, 正是利用在即将步入那种面临接受应聘审查前的最后15分钟之际, 能够将往昔岁月里所沉积下来的全部各类事宜, 迅速地再次加载到我的脑海之中的工具。
而且，做H5这件事本身，还顺便逼着我做了一遍系统化整理。
我先是从Claude那儿生成HTML, 接着进行迭代视图的操作, 然后添加交互功能, 最后做搜索, 整个这么个流程, 迫使我把所有的项目, 所有的真题, 以及所有答崩的点, 都进行了一遍结构化的梳理。
做H5的过程，比H5本身更值钱。
这是我后来才意识到的。
写到最后我想说三件事
写到这里我自己也累了。
但我想把这半个月月38场面试的最大收获，写成三句话吧。
第一句——不要刷题，要刷被问的密度
刷题的本质是用低质量的二手信息做准备。
而面试现场被问3次以上的同一道题，是市场真实信号。
前者ROI低。后者ROI高。
密度本身就是最好的准备。
这一点我之前不信。
原来, 我起初也是属于那种秉持着“准备好了再去投递”理念的人。会去背诵模型参数, 会去背诵产品框架, 还会去背诵案例分析。然而, 最终却发觉, 所背诵的诸多内容好多都派不上用场。而那真正能够用得上的, 实则是在面试现场被问到的那些真实问题——可这些问题, 要是你不亲自投身其中, 那就永远都不会碰到。
后来我把”准备”的定义改了。
准备并非是进行闭关刷题, 准备实则是要让自身进入到一种状态, 在这种状态之下可以持续地被问到真实的问题, 随后运用流程将每次被问到的真实问题, 沉淀成为下一次的准备材料。
这是一个自我加强的循环。
面试的次数越多, 你就越了解市场的需求内容。你越了解市场的需求内容, 那么你下一场面试的回答就会越精准。下一场面试的回答越精准, 你就越有可能获得录用通知或者得到更深入的交流机会。经历越深入的交流, 对方就会向你提出越多基于实际场景的问题。
闭关刷题刷不出这个循环。
第二句——简历不是终点，是Claude的输入
绝大多数人写完简历，扔进招聘软件，就忘了它的存在。
但你的简历应该有第二个生命。
它是你后续所有AI辅助复盘的上下文。
Claude没有你的那份简历, 所给出的建议一直是网络上通用的那种模板, 把简历提供给Claude之后, Claude才能够告知你“你这个项目当中实际上有现成的答案, 而你刚才没有运用上”。
写完简历不是结束。写完简历，才是Claude的开始。
这件事换一个角度看——
你的简历其实是你自己的”个人知识库”的第一份语料。
诸多AI PM正助力公司打造RAG知识库, 然而, 极少有AI PM察觉到, 自身理应给自己构建一个RAG知识库。
当把这些语料给予Claude时, 它便不再作为一个通用助手存在, 它会转变为你的个人面试教练。
有这样一位教练, 他清楚你曾做过何种项目, 知晓你踩过怎样的坑, 明白你哪道题答错了, 也知道你哪个数据被反复追问。
所给予出来的建议, 相较于任何处于线下的mentor来讲要更为精准, 然而搭建这个教练所涉及到的成本是零元。
第三句——AI PM的核心能力不是懂技术，是翻译
154道题里，纯技术题不到40道。
剩余100多道, 尽是, “为何选此而非彼”, “怎样证实你的改动生效”, “跨部门该如何去推行”, “数据如何进行解读”, “用户痛点怎样去挖掘”。
这些题，传统PM也会被问。
区别只在于，AI PM要在AI这个新变量下重答一遍。
你不需要变成算法工程师。
首先, 你所急需的是, 具备这样一种能力, 即能够听懂算法工程师所表述的内容, 再从中进行翻译, 将其转化为业务方面能够理解明白的语言, 转化为用户能够切实感受到的体验, 最后还要转化为老板能够精确算得出的账。
这是AI PM在2026年真正稀缺的能力。
我本科刚毕业之际是审计出身, 而后才转向了PM。实际上, 审计工作的本质亦是翻译, 将企业之财务行为, 转变为契合会计准则的语言。把会计准则, 转化成审计意见。把审计意见, 变成投资人能够看懂的报告。
等到最后转向AI PM的时候, 我当时觉得自己得再次展开学习, 要学大模型, 要学Transformer, 要学Python。
学了一阵发现不对。
我真正要做的，还是翻译。
仅仅是翻译所运用的语言发生了改变, 原来从财务领域转变为了AI领域, 原本依据的准则转变为了模型能力边界。然而翻译的本质并未产生变化, 也就是要将某一个领域当中精确却又晦涩难懂的事物, 转化成另一个领域能够加以运用的事物。
这个本质一旦想清楚，AI PM就没那么难做了。
写在最后
其实我做这套流程的初衷，根本不是为了写这篇文章。
我做这些, 是由于, 如果这半个月发生的事儿, 我不将它们记录下来而是要强行输出, 我真的就会忘掉, 我面试完第二天就会忘掉, 基于此, 我必须得有一些办法, 才行, 以把记忆给固化下来。
最开始这套流程很糙。
开始我只有录屏，没有Claude介入。
之后才将Prompt A加进去, 随后开始让Claude为我把题目进行归类。
随后才发觉, Prompt B得投喂简历才行, 不然Claude给出的尽是通用的废话。
最后才意识到题库需要每周聚合开云手机入口app下载开云app官方入口网站，否则会变成一个无序的文件堆。
它不是一开始就长这样的。
它是面着面着，长出来的。
要是你同样在寻觅与AI PM相关的工作, 我期望你不要去效仿我那特定的流程, 你得去形成属于自己的那种流程。
但你能够去学这个心法, 把每一场对话都当作是资产, 而非予以消耗, 这儿每一单场亦都是你往后某一场面试的预备材料, 并且也全都是你提供给Claude的训练样本, 这桩事情比你去刷100道题都更具备有用性。
写完了，希望对每个AIPM都有用，谢谢～
标签： AI面试 面试复盘 面试准备 Claude AI产品经理
还木有评论哦，快来抢沙发吧~