双非本科工程造价转行 AIGC 产品经理的经验总结

双非本科工程造价转行 AIGC 产品经理的经验总结 | 极客日志

背景

本文分享从传统行业转行至 AIGC（人工智能生成内容）产品经理岗位的实战经验。核心观点是：无论何种 AI 相关岗位，本质考察的是产品经理的核心能力，同时需要具备一定的 AI 项目经验积累。

一、简历篇

1. 简历格式

建议参考通用的专业简历模板框架，重点在于梳理工作和项目经历，以面试官最关注的形式展示。避免花哨设计，确保信息清晰易读。

2. 简历内容

核心策略是将学习的 AI 实践项目与现有产品线及业务场景结合，进行延伸探索。关键在于证明你所学的两个 AI 项目能力能否应用到实际业务中。如果是产品经理岗位，做这种项目复盘会更得心应手；其他岗位的同学可多寻求指导，但需明确自身定位。

二、面试篇

面试准备主要包含自我介绍、项目拆解以及常见问题应对三个部分。

1. 自我介绍思路

自我介绍应控制在 3 分钟以内，简洁高效。结构建议如下：

基本情况：姓名、学历、工作年限、AI/AIGC 项目数量。
技术理解能力：熟悉机器学习、深度学习及大模型相关算法模型（如 CNN、RNN、Transformer、Diffusion、随机森林、支持向量机、K 均值等）。强调学习算法模型有助于理解需求边界，更高效地与算法团队沟通。
项目匹配度：介绍 1-2 个 AIGC 相关项目，承担的角色、具体工作内容、结果或成绩。例如帮助业务提升用户满意度百分比，或优化了特定流程。
产品基本功：提及产品规划、市场与用户调研、竞品分析、产品设计、项目管理、数据分析等能力的扎实程度。
职业动机：表达对 AI 赛道的看好，认为其能为用户和产业带来巨大赋能，值得长期投入。

2. 项目的详细拆解介绍

方法是将课程中学到的技能（如 SD 生图、智能客服）与当前工作结合。

AI 生图经历：例如将 SD（Stable Diffusion）作为工具引入新闻资讯类产品模块，帮助生图工作提质增效。
智能客服经历：将大模型能力叠加到传统的问答数据库上。传统客服依赖关键词匹配，效果有限；结合大模型后，可实现语义理解，实现 1+1>2 的效果。
通用模式：大多数业务都是基于现有业务，拿 AI 去赋能，叠加 AI 的能力。

3. 常见面试题总结

问题 1：为什么离职？

回答策略：避开个人缺点，聚焦职业发展。企业角度可谈现有业务瓶颈、资源投入不足；职业成长角度谈希望更多参与 AI 实践；薪酬角度谈期望涨幅与机会匹配。

问题 2：职场空窗期如何解释？

回答策略：表达积极一面，说明在思考职业方向、充电学习、加强职业技能。避免单纯说休息或养身体，以免被认为懒惰。

问题 3：使用哪些指标评测模型性能好坏？

回答策略：常用指标包括准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1 分数等。需能解释概念并举例实际业务验证中的使用方法。

问题 4：职业规划是怎么计划的？

回答策略：考察稳定性与规划能力。
- 初级：负责产品需求设计及用户需求收集优化。
- 中级：独立负责 AI 产品的方案设计和项目管理。
- 高级：针对公司业务线做长远战略规划，提供商业化策略支持。
- 资深/专家：推动 AI 产品创新、培养团队人才、成为行业规则制定者。
- 细节：包括技术理解（机器学习、深度学习）、商业模型（盈利方式、成本结构）、战略制定、行业人脉搭建、专业证书（如 PMP）及领导力培训。

问题 5：模型效果不好时，怎么处理？

生图模型：通过调整提示词（Prompt）、LoRA（低秩适应）、ControlNet 等方式进行效果调优。
文本对话模型：找到回答效果不好的问答对，对比同类模型回答，针对性由算法调优。

问题 6：算力怎么解决？

回答策略：通常通过购买云服务厂家的算力解决，如阿里云购买算力进行部署。

问题 7：你在项目中担任什么角色？

回答策略：根据实际能力覆盖范围回答。若有信心负责新业务线，可回答为负责人；若需带领，可回答为主要执行者并向产品 Leader 汇报，体现具备相应经验且懂得协作。

问题 8：向量数据库的知识库怎么做，数据怎么来的？

回答策略：描述收集历史问答数据对，由产品整理后交给算法结合大模型训练微调。强调自己主要负责数据准备、训练完成后评估模型效果，精力放在产品规划和设计上。

问题 9：平时通过什么学习 AIGC 相关知识？

回答策略：表达涉猎广泛，保持技术敏感度。渠道包括公众号（量子位、机器之心）、知乎、专业网站（IT 桔子、Futurepedia）、Twitter 博主资讯、行业交流群等。

4. 到岗时间与 Offer 情况

确定录用：收到 Offer 一周内到岗。
无 Offer：刚开始看机会，有一两个在复试阶段。
有 Offer：手上有 Offer，但看重平台长期发展，对公司关注很久，期待机会。
谈高薪：在合理区间往高了要，前提是认可能力且有其他 Offer 背书，用市场价格证明自己。

5. 如何选择一家有潜力的公司

看原有业务：观察原有业务线的盈利情况、市场规模、占有率及业内地位。表现好则值得加入。
警惕伪 AI：如果原有业务不行，妄想靠 AI 改变命运，需谨慎。纯 AI 套壳公司也不值得加入，容易被上游模型厂商覆盖。

三、面试结束前的反问环节

场景 1：初试官（直接主管）

关注岗位本身内容：

当前主要产品线现状及未来 1 年规划。
关键考核指标（KPI/OKR）。
目前遇到的困难和挑战。
开展工作的主要策略。
对人选的期待。

场景 2：复试官（部门负责人）

关注部门整体业务与管理：

业务目标与主要策略。
业务痛点与流程。
部门组织架构与协同部门情况。
对人选的期待。

场景 3：HR

关注组织发展与福利：

组织发展与人才发展路径。
岗位汇报对象。
晋升通道、在职培训及企业文化价值观。
面试反馈及下轮安排。

四、入职前与 HR 确认事项

工作内容：是否与 JD 一致，试用产品是否符合预期及职业规划。
薪资构成：关注基础底薪，年终奖发放比例需明确，新人第一年是否正常发放。
发薪日期：大公司通常在 5-15 号，小企业可能在 15 号以后。
涨薪与晋升制度：普调频率、比例及按业绩提涨的规则。
福利待遇：饭补、交通补贴、下午茶、团建等。
工作制度：双休或单休、打卡弹性、迟到处理、加班调休或计薪、年假政策。

五、AI 产品经理核心能力补充

对于想转行 AI 产品经理的从业者，除了上述面试技巧，还需夯实以下基础：

AI 全局认知：了解 AI 发展史、主流技术路线及行业应用边界。
Python 基础：虽不需要写复杂代码，但需能读懂脚本，理解数据处理逻辑。
机器学习与深度学习：理解基本概念，如监督学习、无监督学习、神经网络原理。
竞品分析：深入分析热门 AI 产品，理解其交互设计与商业模式。
产品设计：掌握 AI 产品的特殊设计原则，如容错性、不确定性管理、人机协作流程。
实操经验：通过 0-1 项目积累经验，理解从数据清洗到模型部署的全流程。
持续学习：AI 领域迭代极快，需保持对新技术的敏感度，定期阅读论文或行业报告。

双非本科工程造价转行 AIGC 产品经理的经验总结

背景

一、简历篇

1. 简历格式

2. 简历内容

二、面试篇

1. 自我介绍思路

2. 项目的详细拆解介绍

3. 常见面试题总结

问题 1：为什么离职？

问题 2：职场空窗期如何解释？

问题 3：使用哪些指标评测模型性能好坏？

问题 4：职业规划是怎么计划的？

问题 5：模型效果不好时，怎么处理？

问题 6：算力怎么解决？

问题 7：你在项目中担任什么角色？

问题 8：向量数据库的知识库怎么做，数据怎么来的？

问题 9：平时通过什么学习 AIGC 相关知识？

4. 到岗时间与 Offer 情况

5. 如何选择一家有潜力的公司

三、面试结束前的反问环节

场景 1：初试官（直接主管）

场景 2：复试官（部门负责人）

场景 3：HR

四、入职前与 HR 确认事项

五、AI 产品经理核心能力补充

更多推荐文章

相关免费在线工具

双非本科工程造价转行 AIGC 产品经理的经验总结

背景

一、简历篇

1. 简历格式

2. 简历内容

二、面试篇

1. 自我介绍思路

2. 项目的详细拆解介绍

3. 常见面试题总结

问题 1：为什么离职？

问题 2：职场空窗期如何解释？

问题 3：使用哪些指标评测模型性能好坏？

问题 4：职业规划是怎么计划的？

问题 5：模型效果不好时，怎么处理？

问题 6：算力怎么解决？

问题 7：你在项目中担任什么角色？

问题 8：向量数据库的知识库怎么做，数据怎么来的？

问题 9：平时通过什么学习 AIGC 相关知识？

4. 到岗时间与 Offer 情况

5. 如何选择一家有潜力的公司

三、面试结束前的反问环节

场景 1：初试官（直接主管）

场景 2：复试官（部门负责人）

场景 3：HR

四、入职前与 HR 确认事项

五、AI 产品经理核心能力补充

微信扫一扫，关注极客日志

更多推荐文章

相关免费在线工具