R1 适用环节


图怎么读：左边蓝框是推理模型的主场，四类活儿的共同点是「不着急、值钱、要讲道理」：造训练数据（拿它当老师，生成带推理过程的高质量样本，再蒸馏给小模型）、当评测裁判（让它读一条回答，说出扣分理由）、拆需求写规则（把一段含糊的业务描述拆成可执行的判定条件）、做 badcase 归因和复杂 Agent 的规划层。右边红框是它的禁区，共同点是「高频、要快、便宜就行」：客服首答、搜索联想、推荐排序、抽字段、格式转换、流式补全。禁区不是因为它做不好，是因为它做得太好而代价太大——用户等不了那几秒，公司付不起那笔钱。中间绿条是真正的工程答案：分级路由，先用便宜模型接住，判到难题或者高风险再升舱，升舱后的结果存起来复用。一句话记住：推理模型待在「想」的那一头，普通模型待在「做」的那一头，中间用路由把两头接起来。

① 一句话大白话定义：DeepSeek R1 这类推理模型，跟普通大模型的区别就一条——它答题之前会先在草稿纸上算一遍。普通模型是看到问题张嘴就答，推理模型是先写一长串思考过程，再从思考里挑出结论。写草稿这件事让它在数学、代码、多步逻辑、复杂判断上准得多，代价是慢和贵：草稿本身也是它生成出来的 token，你要为它的草稿付钱，也要为它写草稿的时间等着。所以问「适合用在哪些环节」，本质是在问「哪些环节值得为一张草稿纸付钱」。答案是：离线的、低频的、一次做对能省很多后续麻烦的、需要给出理由而不只是给出结果的环节。一句话记住：推理模型贵在草稿纸上，所以只把它放到「草稿值钱」的地方——造数据、定标准、当裁判、拆难题、兜疑难。

①·再打个比方（把定义钉进脑子里）：把一个 AI 产品团队想成一家开了很多年的餐馆，模型就是厨房里的人。 1. 普通模型是流水线上的炒锅师傅。中午十一点半到一点半，两百份盖饭要出去，他的本事就是同一个菜炒两百遍，每份三分钟，味道稳定，成本可控。你不会在这个时候让他停下来研究「这道菜的酱汁能不能改良」——客人在外面排队。 2. 推理模型是那个下午三点才来的老师傅。饭点已经过了，店里没人，他系上围裙，把这一季的新菜单从头试一遍：这道汁要收几分钟、那道菜为什么上周有客人反映咸、新来的学徒该按什么标准判断火候。他一下午只出四道菜，但这四道菜定下来，接下来三个月两百份盖饭都按它做。 3. 老师傅还有一个身份是评委。学徒炒完一锅，端给他尝，他不会只说「行」或「不行」，他会说「盐早了半分钟，所以外面咸里面淡」。这句话学徒能改，「不行」两个字学徒改不了。 推理模型在 AI 开发里就是这位老师傅：饭点别叫他，他一动全店都要等；饭点之前和之后叫他，他定的标准能让所有炒锅师傅一起变好。老师傅的价值不在他一天能出多少菜，在他定的规矩能让别人少出多少错。

①·一句话版本（30秒电梯版）：「推理模型跟普通模型的差别是它答之前先写草稿，草稿让它在多步逻辑上更准，也让它更慢更贵。所以我判断用不用它，就问一句：这一步是『想』还是『做』。想的环节给它——造训练数据当教师模型、做评测当裁判、把含糊的业务规则拆成判定条件、复杂 Agent 的规划层、线上疑难 case 的兜底。做的环节别给它——客服首答、搜索联想、抽字段、格式转换、流式补全,这些要的是快和便宜。中间用分级路由接:简单问题走普通模型,判到难题或高风险再升舱到推理模型,升舱结果缓存复用。这样既拿到它的准,又不让全线成本和延迟被它拖垮。」

② 为什么学 / 面试为什么考：学它，是因为 2025 年之后所有 AI 产品经理都面临同一个选择题：手上同时有便宜快的模型和贵而准的模型，钱和延迟都有限，你怎么分配。分配错了有两种死法，一种是全线上推理模型，首 token 三四秒，成本翻十倍，用户跑光；另一种是死活不用，评测标准靠人拍脑袋，训练数据靠人手写，团队被人力拖死。面试考它，是因为这道题一问就能听出你有没有真的在项目里花过钱：没花过钱的人会背参数、背榜单分数、说「R1 推理能力强适合复杂任务」；花过钱的人会张口就是「哪个环节、多少 QPS、首 token 多少毫秒、单次多少钱、能不能缓存」。面试官不关心你知不知道 R1 是什么，他关心你会不会在成本、延迟、效果三者之间做取舍——这正是产品经理跟算法工程师的分工里，产品该负责的那一半。对转行的人还有一层：这道题是少数几道「不需要你会训模型也能答得比算法工程师更好」的题——因为它问的是资源分配，不是技术实现。

③ 完整原理拆解（五个环节，每个配比方和翻车案例）：

环节一：造训练数据——拿它当老师，教便宜的小模型。这是推理模型性价比最高的用法。做法是让 R1 对同一批问题生成带完整推理过程的答案，人工抽检一部分，把合格的当成教师数据，去微调或者蒸馏一个便宜的小模型。上线跑的是小模型，成本是原来的几十分之一，但小模型学到了推理模型的思路。为什么这一步值得花钱？因为它是一次性的：一万条数据生成一次，用一年。比方：老师傅一下午写十页操作手册，学徒照着练三个月，之后每天两百份盖饭都按手册来——手册的钱只付一次。翻车案例：我们组早期做简历改写功能，直接线上调推理模型，日活刚过千,月账单就顶得上两个人的工资。后来改成用推理模型离线生成八千条「原句-改写句-改的理由」，蒸馏到一个小模型上线,成本降到原来的二十分之一,效果只掉了一点点。推理模型最该干的活是「教」,不是「干」。

环节二：当评测裁判——它不只判分，还能说出扣分理由。AI 产品最难的不是做出来，是知道自己做得好不好。人工评测慢且贵，规则评测（关键词、正则）又太糙。推理模型当裁判的好处是它能给出「为什么扣分」，这句话直接就是改进方向。做法是把评分标准写成一张 rubric（几个维度、每个维度几档、每档什么样），让推理模型逐条打分并写理由，再拿一批人工标注的样本去校准它跟人的一致性。为什么值得用它？因为裁判判错一次，整条优化路线就走偏一个月。比方：老师傅尝一口说「盐早了半分钟」，学徒能改；普通模型当裁判往往只会说「这个回答还不错」，等于没说。翻车案例：有个季度我们用普通模型当裁判跑了三周实验，指标一路涨,上线后用户投诉反而多了——回头查才发现裁判偏爱长回答,凡是啰嗦的都给高分,团队等于优化了三周「啰嗦度」。换成推理模型做裁判并要求它输出扣分理由之后,这个偏差当天就被人看出来了。裁判比选手更重要——裁判错了,选手越努力跑得越偏。

环节三：拆规则、拆需求、写 Prompt——把含糊变成可执行。业务方给的需求经常是一句话：「帮我把不合规的内容拦掉。」什么叫不合规？推理模型在这一步的用法是把这句话展开成一棵判定树：几个大类、每类几个具体条件、每个条件配正反例、边界情况怎么算。它做这件事比人快，比人全，而且它会主动问「这种算不算」。为什么值得用它？因为规则定错，后面标注、训练、评测全部返工。比方：老师傅把「这道菜要够味」翻译成「盐三克、收汁到挂勺、出锅前淋半勺香油」——含糊的话变成学徒能执行的动作。翻车案例：我们做内容审核规则时先让普通模型拆,它给了十二条规则,看着挺全,标注员按它标了两千条,结果一致性只有六成——因为规则里有三条互相冲突,普通模型没发现。用推理模型重拆时,它在思考过程里自己指出了冲突,并给了优先级。拆规则拼的是「能不能发现自己写的规则互相打架」,这正是草稿纸的价值。

环节四：复杂 Agent 的规划层——只让它做计划，不让它做执行。Agent 有两层，一层是想清楚要分几步、每步调什么工具，一层是老老实实把每步跑完。推理模型适合前者，普通模型适合后者。做法是推理模型出一次计划（可能一次调用），普通模型执行三十次工具调用。为什么这样分？因为规划一次错，后面三十步全白跑；执行慢一点，用户还能接受。比方：老师傅排今天的出菜顺序（先炖后炒、什么时候下锅），排完就回办公室,真正颠勺的是炒锅师傅。翻车案例：早期我们把整个 Agent 都挂在推理模型上,一个「帮我投十家公司」的任务跑了四分多钟,中间用户以为卡死点了三次刷新,把任务重复提交了三遍。改成规划层用推理模型、执行层用普通模型之后,总时长压到一分钟出头。Agent 的钱要花在「想」的那一次上,不是花在「做」的那三十次上。

环节五：线上兜底——只接疑难，不接日常。线上确实有该用它的地方，但只有一类：普通模型已经判断「我不确定」，或者这个 case 命中了高风险标签（涉及金额、合同、医疗、法律、投诉升级）。这时候把请求升舱给推理模型，用户等三秒是值的。做法是设一个置信度阈值和一张高风险清单，命中才升舱，升舱前给用户一个「正在仔细想一下」的状态提示，升舱结果写进缓存，下次同类问题直接复用。为什么必须设门槛？因为不设门槛就等于全线上推理模型。比方：饭点老师傅本来在办公室，客人投诉说这道菜不对，服务员才去请他出来——请一次是负责，次次请就没法做生意了。翻车案例：有个团队把「升舱」写成了「答案长度小于 50 字就升舱」，结果所有简单问题（本来一句话就答完的）全被判成需要升舱，成本反而比全量还高。兜底的关键不在兜底本身,在那道门槛写得准不准。

③·补充：一张「环节-模型-理由」对照表（面试时可以说「我有现成的判断表」）：

④ 对比展开：推理模型 vs 普通模型（面试常问的对比题）：

⑤ 三个具体例子（每个你都能想象出来）：

例子一：AI 求职助手的「简历打分」功能。用户上传简历，产品要给出匹配度和修改建议。全量走推理模型的话，一份简历要等五六秒、成本高得离谱，而且大部分用户的简历问题都是老三样（没有数字、职责堆砌、和 JD 不搭）。我们的做法是：先用推理模型离线跑三千份真实简历，让它输出「问题类型 + 扣分理由 + 改写示例」，人工抽检五百份，用这批数据蒸馏一个小模型上线做首屏打分；线上只有两种情况升舱到推理模型——用户点了「我不同意这个评分，帮我细看」，或者简历里出现了跨行业转行这种小模型置信度低的结构。结果是首屏 0.8 秒出分，升舱率不到 5%，成本能扛住。C 端产品的通用解法：推理模型在后台造数据，小模型在前台见用户。

例子二：内容审核团队的规则重构。业务方给的原始需求是「把违规内容拦掉」，附了一份三十页的旧文档，里面的规则互相打架。做法是把三十页丢给推理模型，让它输出一棵判定树，并且必须列出「我发现的冲突条款」和「我不确定需要人拍板的边界」。它跑出来给了十九条规则、四处冲突、七个边界问题。人只需要对这七个边界拍板，剩下的直接进标注手册。原来这活儿三个人做两周，现在一个人做两天。推理模型在这里替代的不是标注员，是那个「把文档读完并发现矛盾」的苦力活。

例子三：生活版——家里装修选材料（笑中带理）。装修的时候，铺瓷砖、刷墙、装灯这些活儿，工人天天干，熟，交给他们按标准做就行——这是普通模型。但「厨房用什么台面、地暖走什么管、防水做几遍」这几个决定，你会专门约设计师聊一下午，因为定错了要砸墙重来——这是推理模型。你不会为了「今天这面墙刷第几遍」再请设计师来一趟，也不会让工人去决定防水做几遍。该请专家的地方请专家，该按标准干的地方按标准干——AI 开发和装修是同一套分工逻辑。

⑥ 常见误区（四个，踩过的人都懂）：

误区一：以为推理模型是「更好的模型」，所以能换就换。它不是普通模型的升级版，是另一个工种。让它写一句客服欢迎语，它能给你写出三百字思考再给一句话，钱和时间全浪费在草稿上。判断标准始终是这一步需不需要「想」。

误区二：把思考链直接展示给用户。思考链里经常有自我否定、有绕远路、有「等一下我刚才算错了」。开发调试时这是宝贝，给终端用户看就是灾难——用户会因为看到 AI 自我怀疑而不信任结论。正确做法是把思考链留在日志里，前台只给结论和结构化的理由。

误区三：以为用了推理模型就不会有幻觉。推理能力和事实准确是两回事。它可以逻辑严密地推出一个错误结论，因为前提是它编的。该做的 RAG、该接的检索、该做的引用溯源，一样都不能省。

误区四：只算模型单价，不算全链路成本。推理模型的账单要算三笔：输出 token（含思考链）、延迟带来的用户流失、以及因为慢而被迫加的缓存和队列等基础设施。只看官网单价对比，往往差了一个量级。四个误区一句话：它是工种不是升级，草稿别给用户看，推理不等于不编，算账要算全链路。

⑦ 第一人称面试回答（可直接背）：「面试官您好。我判断推理模型用在哪，就问一个问题：这一步是『想』还是『做』。想的环节交给它，做的环节别碰它。具体来说有五个环节我会用推理模型。第一是造训练数据，让它当教师模型批量生成带推理过程的样本，人工抽检后蒸馏给小模型上线，这笔钱只花一次，成果用一年。第二是当评测裁判，我要的不是它给个分，是它说出扣分理由，那句话直接就是改进方向；这里必须先拿人工标注样本校准它和人的一致性。第三是拆规则和起草 Prompt，把业务方那句『把不合规的拦掉』展开成判定树，它的好处是能发现规则里互相冲突的条款。第四是复杂 Agent 的规划层，规划走推理模型一次，执行走普通模型三十次——规划错一次后面全白跑，执行慢一点用户还能忍。第五是线上兜底，只有普通模型置信度低或者命中高风险标签才升舱，升舱要给等待反馈、结果要缓存。反过来，客服首答、搜索联想、抽字段、格式转换、流式补全这些我一律不用它，因为这些环节的生死线是首 token 延迟和单位成本。我在上一个项目里踩过坑：早期把简历改写全量挂在推理模型上，日活刚过千账单就顶两个人工资，后来改成离线蒸馏加线上升舱，成本降到二十分之一，效果只掉了一点。所以我的结论是——推理模型的价值不在它一次能答多好，在它定的标准和造的数据能让全线其他模型一起变好。」

⑧ 小结 + 记忆口诀：一句话记住全部：「想的给它，做的别给；教师、裁判、拆规则、做规划、兜疑难——五个环节；线上要用先设门槛，升舱要有等待反馈，结果一定要缓存；账要算三笔：思考链的 token、延迟带走的用户、为了扛慢而多加的基础设施。」

⑧·三句速记卡（面试前五分钟扫一眼）：① 判断口诀：这一步是想还是做；② 五个主场：造数据、当裁判、拆规则、做规划、兜疑难；③ 三条禁区：高频、要快、要便宜；④ 中间方案：分级路由＋缓存；⑤ 收尾金句：它的价值是让别的模型一起变好。

⑨ 这道题会怎么被追问（三轮追问全给你，背下来）：

追问一：「你说升舱要设门槛，这个门槛具体怎么定？」一句话应答：「两条线，一条是置信度，一条是风险清单。置信度这条我不信模型自报的分数，我用『答案一致性』做代理——同一个问题用普通模型采样跑三次，三次结论不一致就判为不确定，升舱。风险清单是人定的，涉及金额、合同条款、医疗建议、法律解释、已经投诉过一次的会话，这几类无条件升舱。上线前我会先用一周的真实流量做离线回放，看这个门槛下升舱率是多少、成本能不能扛，一般我控制在 3%到 8%之间；升舱率超过 10%说明门槛写松了，低于 1%说明基本没起作用。」

追问二：「用推理模型当裁判，怎么保证它自己判得对？」一句话应答：「裁判要先被裁判。我的做法是三步：先让人工标一批金标准，两三百条，覆盖好中差三档；再让推理模型按同一份 rubric 打分，算它和人工的一致性，一致性太低就改 rubric 而不是换模型，因为多数情况是标准写得含糊；最后是定期抽检和防偏差检查，重点查三个已知偏差——偏爱长回答、偏爱格式漂亮的、偏爱自己家族模型生成的内容。另外裁判的 rubric 要版本化，改了标准就要标注版本号，否则前后两周的指标没法比。」

追问三：「如果老板说预算砍一半，你砍哪个环节的推理模型用量？」一句话应答：「先砍线上，保离线。线上兜底可以先把风险清单收窄，只留金额和合同这两类，其余降级到普通模型加人工复核队列；同时把缓存命中率提上去，很多疑难问题是重复的。离线的造数据和评测裁判我会尽量保住，因为这两块是『省下来会更贵』的地方——评测停了，团队会在错误方向上跑一个季度，那个损失远大于省下的调用费。如果非要在离线里砍，我砍造数据的频次，从每月一轮改成每季度一轮，但评测裁判一分不动。」

⑩ 进阶加分点（面试想亮眼的看这里）：

加分点一：会说「推理模型让评测这件事第一次变得可规模化」。「以前评测的瓶颈是人：人工评一千条要两天，所以团队一个月只能评一次，反馈周期长到没法迭代。推理模型当裁判之后，一千条一小时跑完，还带扣分理由，团队可以每天评。真正变化的不是省了几个人力，是迭代周期从月降到天——而迭代周期才是 AI 产品最终的竞争力。」

加分点二：会说「思考链是最好的 badcase 分析材料」。「普通模型答错了，你只能看到错误答案，猜它为什么错。推理模型答错了，你能读到它在哪一步拐弯的。我会专门留一条链路：把线上 badcase 拿到离线，用推理模型重跑一遍并保留思考链，看它是在理解需求时错了、检索到错资料时错了、还是逻辑推导时错了。这三类的修法完全不同——第一类改 Prompt，第二类改 RAG，第三类才考虑换模型。」

加分点三：会说「成本曲线的形状比当前价格更重要」。「推理模型今天贵，但过去两年这类模型的单位成本一直在往下走。所以我做架构决策时会留一个开关：路由层和模型层解耦，模型名写在配置里而不是代码里。这样明年价格降到某个点，我把阈值从 5%调到 30%，不用重构。产品经理在这种技术快速变化的阶段，最该做的不是押注今天哪个模型最好，是让明天换模型这件事成本足够低。」

⑪ 现场话术库（真实场景里怎么开口，照抄就行）：被业务方问「能不能全都用最好的模型」：「可以，但我们先算一笔账——按现在日均调用量，全量换过去月成本大概翻十倍，首屏从 0.8 秒变成四五秒。我建议的做法是先在您最在意的那类场景上做升舱，跑两周看数据，如果转化确实涨得住，我们再谈扩大范围。」被算法同学问「你凭什么决定哪些走推理模型」：「我不决定技术选型，我决定业务优先级——我把场景按『错一次的代价』排了个序，代价最高的三类我建议升舱，剩下的我们一起看效果差距值不值这个钱。」被老板问「这个模型到底强在哪」：「强在它会先打草稿。草稿让它在需要多步判断的事情上更准，也让它更慢更贵。所以我们把它放在后台做标准和数据，前台见用户的还是快的那个。」

⑫ 小白最容易踩的三个坑（这本书的读者肯定也会踩）：

坑一：拿榜单分数当选型依据。榜单测的是题目，你的产品做的是业务。同一个模型在数学榜上高十分，在你的简历改写场景里可能一点差别都没有。正确顺序是先拿自己的一百条真实 case 跑一轮对比，再看榜单当参考。

坑二：忘了推理模型的输出长度会失控。思考链没有硬上限时，遇到复杂问题它可能想很久，token 数是普通模型的十几倍，账单和超时都会爆。上线前必须设 max tokens 和超时兜底，超时后要有降级路径而不是直接报错。

坑三：只在开发环境测，没测并发。单条请求跑得挺好，一上量才发现推理模型的排队时间随并发暴涨。压测必须按真实峰值 QPS 做，而且要测「峰值时升舱请求排队会不会把普通请求也堵住」——这两条链路要隔离。三个坑一句话：别信榜单信自己的 case，别忘了给长度和超时设闸，别跳过并发压测。

⑬ 一个没人告诉你的事：面试官问这道题，想听的是你有没有「花过公司的钱」。这道题表面在考技术认知，实际在考一件很朴素的事——你脑子里有没有成本这根弦。应届生和没做过线上的人答这题，全是能力描述：推理强、适合复杂任务、逻辑严密。做过线上的人答这题，第一句话往往就是「要看这个环节的调用量和延迟要求」。面试官在这一秒钟就分出来了。所以你答的时候，一定要主动把三个数字塞进去：调用频次、首 token 延迟要求、单位成本量级——哪怕是估的，哪怕是你在个人项目里跑出来的小数字。说「我那个个人项目日调用两百次，全量走推理模型一个月三十多块，我能接受；但我知道日调用两百万就完全是另一回事了」，这句话比背十个技术名词有用得多。HR 和业务面还想听一层：你会不会在算法同学面前守住产品的立场。算法同学天然希望用最强的模型，因为效果指标好看；产品要负责的是「这个效果提升值不值这个钱和这个延迟」。你能说出「我不否定效果，我要求先做一个只在高风险场景升舱的小实验，两周后拿数据说话」，这就是他们要找的人。这道题的隐藏考点是：你是不是那个会在别人都说「用最好的」时候，问一句「多少钱、多久、值不值」的人。

⑭ 读完这一段，你只需要做一件事：打开你手上任何一个 AI 小项目（哪怕是个人做的），把它的所有模型调用点列出来，一个一个标上「想」还是「做」。标完你会发现绝大部分是「做」——那些地方全都可以换便宜模型。剩下被你标成「想」的那两三处，才是推理模型该待的地方。这件事二十分钟能做完，做完你面试时就有自己的例子可讲了。

⑮ 这道题和 AI 求职助手的联系（详细说明，这一块最重要）：这本书的主线产品是一个 AI 求职助手，这道题在这个产品里几乎是每一个功能的底层决策，我把它拆开讲透。 第一层，产品有四个核心功能：简历诊断、岗位匹配、面试模拟、追问陪练。这四个功能的「想/做」属性完全不同。简历诊断的首屏是「做」——用户上传完想马上看到分数，延迟超过两秒他就会怀疑产品没在工作；但简历诊断里的「深度改写建议」是「想」——用户点了这个按钮，本来就预期要等一会儿，这里升舱到推理模型完全合理，甚至要故意把等待做成「正在逐段分析你的第三段经历」这样的进度反馈。岗位匹配的召回和粗排是「做」，走向量检索加小模型；精排里那句「为什么这个岗位适合你」是「想」，走推理模型并且结果要缓存到用户画像上，因为同一个用户短期内看几十个岗位，理由的骨架是复用的。 第二层，面试模拟和追问陪练是这个产品最吃推理能力的地方，但也最不能全量升舱。面试模拟要的是「像真人一样接话」，普通模型完全够用，甚至更好——真实面试官不会想三十秒再问下一句。真正需要推理模型的是回合结束后的复盘：「你刚才这三轮回答里，第二轮开始跑题，因为你把追问理解成了质疑」——这句话必须靠推理模型读完整段对话才能得出，而且它一天只跑一次，成本可控。所以产品形态上我把它设计成「对练实时用快模型，复盘报告用慢模型」，用户体感是「聊的时候很跟手，复盘的时候很深刻」。 第三层，也是最关键的一层：这个产品的所有评测标准，都是推理模型定的。求职助手最难的是没有客观答案——一份简历改得好不好，一次回答答得对不对，本来就见仁见智。我们的做法是让推理模型基于两百份人工标注的金标准，反推出一套评分 rubric（结构清晰度、数字支撑度、岗位相关度、可追问性），然后所有线上功能都用这套 rubric 做自动评测。这套 rubric 一旦立住，整个团队的迭代就有了准星。这也是我在面试里最愿意讲的一段，因为它证明的不是我会调 API，是我知道「一个没有标准答案的产品，标准从哪来」。 第四层，成本结构决定了商业模式。求职助手的用户是求职者，付费意愿有限且集中在求职季，这意味着单用户 ARPU 低、使用有强季节性。如果全量走推理模型，单用户成本会直接把毛利吃穿。所以我的架构是金字塔：底层是规则和小模型（占调用量九成，成本几乎为零），中层是普通大模型（占九成之外的大部分），顶层推理模型只占百分之几，且集中在付费用户和高价值动作上。免费用户拿到的是快而够用的版本，付费用户解锁的正是那几个「慢下来认真想」的功能——深度改写、面试复盘、offer 对比分析。这个产品把「推理模型贵」这件事，从成本问题变成了付费点设计：免费的地方要快，收费的地方值得等。面试时把这一层讲出来，面试官听到的就不是一个技术选型答案，是一个懂成本结构和商业模式的产品答案。

⑯ 练习：把这段讲给自己听（模拟面试自测）：闭上眼睛，想象面试官问：「你们为什么不全用最强的模型？」——用四句话答：一、因为这一步是「做」不是「想」，用户要的是快；二、我们把推理模型放在后台造数据和当裁判，前台跑蒸馏出来的小模型；三、线上只有置信度低或者命中高风险清单才升舱，升舱率控制在 5%左右，结果全部缓存；四、这样效果只掉一点，成本降到二十分之一。念顺了，这道题就过了。

活人感 AI

① 怎么答：「活人感」拆解：①不完美感——真人有性格（有偏好、有情绪、会拒绝）——AI 的「完美礼貌」反而假：活人感=有「人设」的稳定输出（不是每次都最优回答，是「这个人会怎么回答」）；②关系感——记得你（上次聊的、你的偏好、你的故事——记忆是关系的载体）、在乎你（情绪回应——「你上次说的那个事后来怎么样了」——只有记忆+主动才有）；③弱点的存在——会犯错、会承认（「这个我不确定」——完美不犯错不是人）。通用助手能做到吗：能做到「不完美感」（人设可以设计）和「部分关系感」（记忆可以做）；做不到「真的在乎」（那是主观体验——用户感受的「在乎」是设计出来的回应模式——用户觉得真就是真）。结论：活人感是「产品设计」（人设+记忆+情绪回应）不是「模型能力」——通用助手加这三件套就能有活人感。

微信撤回留痕

① 怎么答：先理解两方：用户视角——「撤回」的意义是「当没说过」（发错了/后悔了）——留痕（提示「对方撤回了一条消息」）让撤回失去意义（「他撤回了——是什么？」——反而更尴尬/更想追问）；平台视角——撤回的完整消失有风险：证据消失（纠纷场景：诈骗/辱骂记录「被撤回」——维权方拿不到证据）、审核问题（违规内容撤回=逃避举报）。我的看法：①「撤回」的定位是「纠正错误」（发错对象/打错字）不是「抹除一切」——留痕提示是合理的（提示「撤回了」但保留「撤回动作」记录——发错信息的人想「收回内容」，平台想「保留痕迹」——两边都满足：内容消失、动作留痕）；②可以更好——「撤回后 5 秒内不提示」（给真正误发留面子）+「撤回记录仅本人可见」（私人留痕不公开——涉及纠纷时司法调取）；③本质——这是「隐私权 vs 证据权」的平衡——产品不能只站在用户爽感一边，也不能只站在管控一边——「时间窗口+分层可见」是折中方案。

反共识观点

① 怎么答：我的观点：「AI 产品的护城河不是数据，是『数据回流的设计』」——大多数人认为「数据多=壁垒强」（数据飞轮=数据量）；我认为：拥有数据不算壁垒（大厂/开源都在积累数据），「能让数据回流成产品改进的设计」才是——两个产品数据量一样，一个把用户行为回流进模型迭代（反馈闭环设计），一个只存不用——前者越来越强；数据是「矿」，回流设计是「矿机」——矿机才是壁垒。为什么大多数人不认同：数据飞轮的宣传深入人心（「数据越多越强」直觉上对——但忽略了「数据要用起来」这个前提）；什么时候我可能错：如果数据获取本身极难（独家数据源），「有矿」就是壁垒——我的观点适用于「数据可公开获取」的领域。答法要点：观点要「真」（你自己信的）、论证要「链」（数据→回流→壁垒）、边界要「诚实」（什么情况下我错）。

崇拜的产品经理

图：这道题真正的评分点不在「你说了谁」，而在最右边那一格——你有没有真的把这个人的做法用过一次

① 这张图怎么读
这张图只有三格，但要从右往左理解它的重要性，从左往右组织你的答案。

最左边那格是「你说了谁」，我特意把它的字标成了灰色，因为它的信息量接近于零。原因很实在：这道题被问了十几年，答案高度集中在同样几个名字上。面试官听到任何一个名字，都不会因此对你产生新的判断。图上那句「选名人不扣分，讲不出具体动作才扣分」是我想强调的——很多人以为要另辟蹊径选一个冷门人物才显得有品位，其实不是。选谁不重要，重要的是你能不能讲出这个人做过的一件具体的、带代价的事。我见过有人选了很冷门的人物，但讲了三分钟全是「他理念很超前」，一样没分。

中间那格是蓝框，标题叫「你崇拜他哪个动作」。注意这里用的词是动作，不是品质。品质是「有远见」「懂用户」「执行力强」，这些词说了等于没说，因为它们不能被复制。动作是「他在什么具体处境下，顶着什么反对意见，做了一个什么选择，付出了什么代价」。框里最下面那两行灰字最关键：没代价的选择不叫判断。一件事如果做了没有任何损失，那它不需要勇气也不需要判断力，就不值得崇拜。所以你在准备答案的时候，找的不是这个人最成功的事，是他最难的那次取舍。

最右边那格框线最粗，因为它才是真考点：你用这个动作干过什么。图上给了一个可以直接套的句式——「我上个月在 X 这件事上照着这个动作做了一次，结果是 Y，代价是 Z」。灰字那句「没有这一层，前两层全部作废」不是夸张。因为面试官问这题的深层目的，是想知道你的行为模式，而不是你的阅读书目。你崇拜一个人却从没照着做过，那叫欣赏，不叫崇拜。最底下那句「崇拜 = 已经在模仿」，是苏姐当时给我改稿时说的原话。

② 一句大白话：这题到底在问什么
用最土的话讲：你说你崇拜谁，其实是在告诉我你想变成什么样的人；而我要检查的是，你有没有已经开始变。

这道题是一面镜子，你举起来照的是别人，映出来的是你自己。你崇拜的那个人身上的那个特质，就是你认为「一个好产品经理应该长什么样」的答案。而面试官接下来做的事很简单：拿你说的那个标准，去对照你刚才自我介绍里讲的那些事，看这两者对不对得上。

对得上，说明你对自己有清晰的定位，并且在往那个方向长；对不上——比如你说你崇拜某位以「敢砍功能」著称的人，但你自己讲的项目里全是「我加了什么」，一个砍掉的都没有——那面试官会记一句：这个人说的和做的是两码事。

③ 打比方：三个我自己能想明白的场景
① 学画图的时候我临摹谁。 我刚做景观那年，组里有个前辈画的总平面特别舒服，我天天临他的图。但一开始我临的是表面——他的线宽、他的填充图案、他标注文字的位置。临了三个月，我的图看起来像他的，但一到评审就被挑毛病。后来主创点破了：「你临的是他的画法，没临他的顺序。他每次动笔前先定竖向，因为这个场地是坡地，竖向定不下来平面全是白画。你上来就摆铺装。」从那以后我改了，先定竖向再摆平面。崇拜一个人，要崇拜到他的动作顺序，而不是他的成品长相。这道面试题的道理一模一样——你要讲的是他为什么先做这个再做那个，不是他做出来的东西多牛。

② 苗木验收学到的一句话。 我师傅有句口头禅：「宁可退一车，不留一棵病苗。」这句话背后的代价是真金白银——退一车苗，工期往后拖三天，甲方要骂人，供应商要闹。他为什么还坚持？因为病苗种下去，一年后死了要返工，返工的成本是当时的十倍，而且那时候责任全在我们。我崇拜他不是因为他懂树，是因为他愿意在今天承担一个明确的、当场就要挨骂的代价，去换一个一年后才兑现的好处。这个动作我后来搬到产品上用了很多次——比如「宁可这版少上一个功能，不留一个说不清的埋点」。

③ 追星和学手艺的区别。 我表妹追一个歌手，能背出他所有歌的发行日期。这是追星。我学我师傅，背不出他任何一个项目的名字，但我能说出他验苗的三步顺序，而且我自己在用。这是学手艺。面试官要听的是学手艺，不是追星。判断标准很简单：你说的那些内容，是「关于他的事实」，还是「我从他那儿拿走并且在用的方法」？前者随便一搜就有，后者搜不到。

④ 30 秒电梯版
「我说一个可能不是最有名的选择——我最认的是那种敢在产品最风光的时候砍掉一个赚钱功能的产品经理，具体人物我讲张小龙做微信时反复砍功能这件事，因为它有完整的公开记录可以讨论。
但我真正想说的不是他多有远见，是一个具体的动作：他判断一个功能该不该留，看的不是它能带来多少数据，是它会不会污染这个产品的核心承诺。微信的核心承诺是'这是你和熟人说话的地方'，任何会让人在这儿觉得被打扰、被推销的东西，数据再好也要退让。这个判断是有代价的——短期数据不好看，内部要顶压力。
我把这个动作用在了自己做的求职工具上。我做过一版'自动群发开场白'，一天能多投两倍的岗位，数据很好看。但它污染了我这个产品的核心承诺——'帮你拿到回复'，群发反而把回复率打下去了。我把它砍了，投递量掉了六成，回复率反而升了。
所以我崇拜的不是某个人的成就，是这个可以被我用上的判断动作：先问它污染不污染核心承诺，再看数据。」

⑤ 为什么要学 / 面试为什么考
先说这题在笔试里出现意味着什么。这道题是货拉拉的笔试题，笔试和面试有个重要差别：笔试没有追问。这意味着你必须自己把三层结构写完整，没人会提醒你「那你自己用过吗」。很多人笔试栽在这儿，写了六百字全在夸人，最后一句是「我希望成为像他一样的产品经理」——没有第三层，整篇作废。

再说面试官为什么问。三个目的，一个比一个隐蔽。
第一个目的：测你的价值取向和这家公司合不合。这是最直接的。你崇拜「极致克制、能砍功能」的人，投的是一家追求增长速度的公司，面试官心里会打个问号；反过来你崇拜「快速试错、疯狂扩张」的人，投的是一家做企业服务的公司，也会打问号。这不是说你要迎合，而是你要意识到这题在做匹配度检查，你至少要能解释你崇拜的那个特质在这家公司的业务里怎么落地。
第二个目的：测你有没有独立的判断。这体现在你会不会说这个人的缺点或局限。一个只会仰视的人，在工作里通常也不敢质疑上级的方案。你如果能补一句「但我不同意他在某件事上的做法，因为……」，面试官对你的评价会立刻上一个台阶。
第三个目的，最隐蔽：测你是不是真的对这个行业有兴趣。转行的人尤其会被这么测。一个真的在关注这行的人，聊起某个产品的具体决策会很自然；一个只是为了找份工作的人，聊起来全是概念词。这题是很多转行者的失分点，也是最好的加分点——因为你只要真的读过一两个产品的详细复盘，就能甩开一大半人。

下面这张表是我整理的答法对照，可以直接拿去自查。

⑥ 原理拆解：四层，每一步具体怎么做
第一层 · 选人：选一个你能讲出「代价」的人——具体怎么做
选人的标准不是名气，也不是冷门，是你手上有没有关于他的一个带代价的具体决策。做法是这样的：
先在纸上列三到五个候选人（名人、行业内的人、你的前上司、甚至你师傅都行）。
对每个人问一句：「我能不能说出他做过的一件事，这件事当时有人反对，而且他为此付出了明确的代价？」
答不上来的，划掉。
通常五个划到最后只剩一个，那个就是你的答案。
为什么不能选那种「我很欣赏但说不出具体事」的人？因为面试官只要追一句「具体讲讲」，你就完了。而这道题百分之百会被追这一句。
比方：这就像我选苗木供应商。不是选名气最大的那家，是选我能说出「他上次在哪批货上主动告诉我有问题」的那家。有具体事件的信任才是信任，没有具体事件的只是印象。
翻车案例：我第一次准备这题，选了一个特别有名的人物，因为觉得说出来显得专业。苏姐问我：「他做过的哪个决定让你觉得难？」我说了个大概。她接着问：「当时反对他的人的理由是什么？」我答不上来。她说：「那你不是崇拜他，你是知道他。」——知道和崇拜之间隔着一整套细节。

第二层 · 提炼动作：把品质翻译成可复制的判断顺序——具体怎么做
这一步是全题的技术核心。做法是把你要讲的那件事，改写成一个「他先看什么、再看什么」的顺序句。
不要说：他很克制。
要说：他判断功能去留的顺序是——先问它会不会污染核心承诺，再看它的数据表现。而多数人的顺序是反的。
不要说：他很懂用户。
要说：他做需求的顺序是——先找出用户为了绕开这个问题自己发明的土办法，再考虑要不要产品化。因为土办法是需求真实存在的唯一硬证据。
不要说：他执行力强。
要说：他遇到跨部门推不动的事，顺序是先把不做的后果量化成对方部门的指标，再谈合作。
你看这三个改写的共同点：都变成了「先 A 再 B」的顺序，而且都指出了「多数人是反着来的」。这一点很关键——如果一个动作大家本来就这么做，那它不构成崇拜的理由。
比方：这就是我前面说的临摹要临顺序，不临成品。先定竖向再摆平面，这是顺序；图画得漂亮，那是成品。
翻车案例：我第二版答案说「我崇拜他的用户洞察力」。苏姐拿笔在这几个字上画了圈，说：「洞察力这个词，你能教给别人吗？教不了的东西，说了没用。」于是我改成了「他判断一个需求真不真，看用户有没有自己发明土办法」。这句话是能教的，也是能被追问的，一改就活了。

第三层 · 落到自己：给出你照着做的那一次——具体怎么做
这一层的固定结构是三句：我在什么事上用了这个顺序、结果是什么、代价是什么。
第一句要有具体场景和时间。「我上个月在给自己的求职工具做功能取舍的时候」，不要说「我平时也这样」。
第二句要有一个数字。数字不需要大，真实就行。「投递量掉了六成，回复率从百分之四点几升到百分之十一」——数字小没关系，甚至越小越可信，因为大数字反而像编的。
第三句必须承认代价。这一句是最多人省略的，也是最值钱的。「代价是我那两周的投递量数据很难看，如果我当时是在一个有 KPI 的团队里，这个决定我不一定顶得住。」这句话说出来，面试官会觉得你诚实，而且理解组织现实。
比方：这就是汇报方案时那页「实施后评估」。你说你学了什么方法不算，你得说这个方法在你手上跑了一遍、跑出什么、亏了什么。
翻车案例：我第三版加了自己的例子，但结尾写的是「效果很好」。苏姐说：「效果很好是形容词，而且不可信——你砍掉一个功能不可能没有损失。你把损失说出来，前面那些话才有人信。」这就是为什么第三句必须有代价。

第四层 · 收口：给一句「我不同意他什么」——具体怎么做
最后加一句你的保留意见，长度控制在两三句，别展开成批判。
做法：找到那个人的方法论在不同处境下会失效的地方。
比如：「他的克制哲学建立在一个前提上——产品已经有了足够大的用户基数，可以承受短期数据的损失。而我现在做的是一个零用户的小工具，我如果一上来就克制，可能连第一批用户都拿不到。所以我学他的判断顺序，但我把阈值放宽了：我允许自己先做一些不够优雅的功能去换早期反馈，只是不允许它污染'帮你拿到回复'这个核心承诺。」
这段话干了三件事：证明你没有盲从、证明你理解方法论有适用边界、证明你在自己的处境下做过调整。
比方：这就像我师傅那句「宁可退一车」。这句话在大型公建项目上成立，因为工期能扛得住；但在一个总工期只有四十天的临时展园上，退一车苗可能整个项目就废了。同一句准则，处境变了要调阈值。知道一条准则的适用边界，比知道这条准则本身更难。
翻车案例：我一开始不敢加这一段，怕显得不尊重。苏姐说：「你不加，我只能判断你是个好学生；你加了，我才能判断你是个会自己想的人。而我要招的是后者。」

⑦ 三个例子
例子一：选名人的完整版答法（安全牌，适合笔试）
这一版我用张小龙做微信的公开决策来讲，因为它的资料最完整、争议也最多，可讨论空间大。
选人一句带过：「我认张小龙，但我想说的不是他的成就。」
动作提炼：「我学的是他判断功能去留的顺序——先问这个功能会不会污染产品的核心承诺，再看它的数据。微信的核心承诺是'这是你跟熟人说话的地方'。所以任何会让用户在这个场景里感到被打扰、被推销、被算计的东西，哪怕数据再好，也要往后退。多数人的顺序是反的：先看数据涨不涨，涨就上，再想办法把体验问题补回来。」
代价说明：「这个顺序是有代价的。按这个顺序做，很多能立刻拉数据的东西都做不了，短期内会显得很保守，内部要顶压力，而且必须有人为'不做'这个决定负责——不做比做更需要理由，因为做了至少有个交代。」
落到自己：见 ④ 里那段自动群发的例子。
保留意见：「但我认为这套做法有前提——它需要产品已经足够大，能扛住短期数据的损失。我现在的处境完全不同，所以我学的是他的判断顺序，不是他的克制程度。」
这一版的好处是稳，笔试写这个不会错。

例子二：选身边人的版本（高风险高回报，适合面试）
我实际在面试里用得更多的是这一版，因为它独一无二，别人抄不走。
「如果允许我说一个不出名的人，我想说我以前的设计主创。他不是产品经理，是做景观的，但我从他身上学到的东西，我现在每天都在用。
他做的一件事是：每次方案汇报，他都会带上被我们否掉的那一版，并且主动讲我们为什么否掉它。这在行业里很少见，因为大家的习惯是只带最好的那版，显得专业、有把握。
他为什么要这么做？他跟我说过一句话：'甲方不签字，八成不是因为方案不好，是因为他不知道你替他排除了什么。他心里有个疑虑没被回答，那个疑虑往往正好是你否掉的那版能解决的。你把它摆出来，告诉他你为什么否，他的疑虑就落地了。'
代价很实在：这么做汇报时间要多一倍，而且要冒着被甲方说'那我觉得这版更好'的风险——真发生过，有一次甲方就选了我们否掉的那版，我们组白干两周。
我把这个动作搬到产品上了。我给自己的求职工具做匹配功能的时候，一开始只给用户看'推荐的岗位'。后来我改成同时显示'我帮你过滤掉的岗位和过滤理由'，用户可以点开看，也可以把任何一条捞回来。这个改动增加了界面复杂度，也让我承认了自己会过滤错，但它带来一个我没想到的结果——用户开始信任那个推荐列表了，因为他看见了被排除的部分。
我不同意他的地方是：他把这套做法用在了所有场合，包括内部周会。内部周会上大家时间很紧，他讲否掉的方案，同事其实是不耐烦的。我学到的是——这个动作对'需要建立信任的外部对象'有效，对'已经信任你的内部同事'反而是消耗。」
这一版的力量在于：面试官从没听过，无法预判，而且每一句都能追问，追问你都答得上来。

例子三：一个反例——我第一次答砸这题的完整过程
这个例子我在面试里也讲过，效果意外地好，因为它诚实。
我第一次被问这题是在一次模拟面试里。我说了一个很有名的人，讲了大概两分钟，全是他的理念：用户第一、极致体验、克制。讲完我自己都觉得挺顺的。
对面问了三句：
「他做过的哪个具体决定，你觉得当时很难？」——我讲了个大概。
「反对他的人当时的理由是什么？」——我卡住了。
「你自己有没有做过类似的取舍？」——我说「我还在学习阶段」。
三句问完，这道题就死了。事后复盘，我发现问题不在我准备得不够，在我准备错了方向：我准备的是「关于这个人的资料」，而这道题要的是「我从这个人身上拿走的方法，以及我用它做过的事」。资料是共有的，方法是共有的，只有「我用它做过的事」是我独有的——而面试永远只对独有的东西付费。
从那以后我改了准备方法：不再去搜人物资料，而是反过来，先列出我自己做过的三个有取舍的决定，再去找「谁的方法论能解释我这个决定」。先有自己的事，再找崇拜的人，这个顺序一反过来，答案就再也不空了。

⑧ 三个常见误区
误区一：全程在夸，一句自己的事都没有。最普遍的错法。表现是通篇「他很有远见」「他改变了行业」「他对细节的极致追求让我震撼」。这类回答的致命处在于它完全可替换——把你的名字换成任何一个候选人，这段话都成立。面试的本质是找出你和别人的差异，一段完全可替换的话等于没说。修正：强制自己在回答里至少出现一次「我」做的事，且带一个数字。

误区二：为了显得有品位，选了一个自己也不了解的冷门人物。我见过有人选了一个很小众的海外产品人，讲了两句就没词了。冷门本身不加分，加分的是细节密度。宁可选一个所有人都说的名字，但讲出一个所有人都没讲过的细节。反过来的组合是最差的：冷门名字 + 泛泛而谈，会让面试官觉得你在装。

误区三：崇拜的特质和你自己的经历自相矛盾。这个坑很隐蔽。比如你说你崇拜「敢于砍功能的克制」，但你前面讲项目的时候，讲的全是「我推动上线了五个功能」，一个砍掉的都没有。面试官不会当场指出来，但会在评价表上记一笔「自我认知与经历不符」。修正方法：准备这题的时候，必须回头检查你的项目故事里有没有对应的证据。如果没有，要么换一个崇拜的特质，要么在项目故事里把那个对应的决定补出来讲。

⑨ 第一人称面试回答（最重要的一段）
下面这版是我定稿的，大概两分钟，结构是：选人一句 → 动作提炼 → 代价 → 我用过的那次 → 保留意见。

「我说一个人，但我想先说明我崇拜的不是他的成就，是他的一个具体动作，因为成就我学不来，动作我能学。

我说我以前的设计主创。他不是产品经理，是做景观设计的。他有一个习惯在行业里很少见：每次给甲方汇报方案，他都会把我们内部否掉的那一版也带上，并且主动讲我们为什么否掉它。

大部分人不会这么做，因为只带最好的那版显得专业、有把握。他为什么要多此一举？他跟我说过一句话我记到现在：'甲方不签字，八成不是因为方案不好，是因为他不知道你替他排除了什么。他心里有个疑虑没被回答，而那个疑虑往往正好是你否掉的那版能解决的。你把它摆出来，告诉他你为什么否，他的疑虑就落地了。'

这个动作是有代价的，而且代价很实：汇报时间多一倍；更要命的是，你有可能被甲方当场选中那个被否的版本。这事真发生过一次，我们组白干两周。所以这不是一个显得聪明的技巧，是一个他真的在承担成本的选择。

我把这个动作搬到我自己做的东西上了。我在做一个 AI 求职助手，最早的版本只给用户看推荐的岗位。后来我改成同时显示'我帮你过滤掉了哪些岗位，以及过滤的具体理由'——比如'这条岗位要求五年经验，你目前三年，被我排在后面'——而且任何一条用户都能点一下捞回来。
这个改动的代价是界面变复杂了，而且等于我主动承认'我会滤错'。但结果是我没预料到的：用户开始信那个推荐列表了。因为他看见了被排除的部分，就知道这个列表不是随便给的。我自己用的数据是，加了这个视图之后，我从推荐列表里实际投出去的比例从三成多涨到七成——不是推荐变准了，是我敢信它了。

最后我说一句我不同意他的地方。他把这套做法用在了所有场合，包括内部周会，而内部周会上大家时间很紧，听他讲否掉的方案其实是不耐烦的。我从这儿学到的调整是——这个动作对需要建立信任的对象有效，对已经信任你的人是消耗。所以我在产品里也是这么设计的：过滤理由默认收起来，想看的人点开，不强推给每个人。」

⑩ 三轮追问
第一轮：「你举的是一个景观设计师的例子，那你有没有真正关注过这个行业里的产品经理？说一个你最近看过的产品决策。」
这一问是在补测你的行业关注度，因为你刚才绕开了行业人物。必须有准备。
应答：「有。我最近在看的是各家 AI 助手在'是否允许代替用户执行不可逆操作'上的分野——有的做到了自动下单、自动发送，有的坚持在最后一步停下来让人确认。我关注这个是因为我自己的产品卡在同一个问题上：要不要做全自动投递。我的结论是不做，理由不是技术，是出错不可撤销，而且用的是用户自己的账号。我把这个观察和我自己的决定放在一起看，才真正理解了'不可逆操作要留人工闸门'这句话的分量——它不是一句原则，它是一个会让你少赚很多钱的选择。」

第二轮：「你说的这个'展示被排除项'的做法，会不会让用户信息过载？尤其是排除了几百条的时候。」
这一问在测你会不会把学来的动作教条化地套用。
应答：「会，而且我踩过。我第一版是全量展示，排除了两百多条，用户（当时就我自己）根本不看，滚都滚不完，等于没做。第二版我改了三点：只展示被单一硬条件卡掉的（比如学历、城市），因为这类理由清晰、可反驳；按理由聚合而不是逐条列，显示'因为要求五年经验被过滤：37 条'，点开才看明细；只保留最近七天的。改完之后才真的有人点。所以我现在的理解是——透明不等于全量倾倒，透明是让用户在他想追问的那个点上能追问到底。」

第三轮：「如果你的主管明确要求你只汇报最优方案、不要带否掉的版本，你怎么办？」
这一问在测你会不会为了坚持一个方法论而僵化对抗，是很多人翻车的地方。
应答：「我会照办，但我会换个载体保留这件事。因为我理解主管的顾虑是真实的——多带一版会让汇报失焦，也可能让上级怀疑我们内部没有共识。所以我不会在正式汇报里硬塞，我会做两件事：一是把否掉的方案和理由写进会后纪要的附录，需要的人自己看；二是在汇报里保留一句话的痕迹——'这个方向我们还比较过另一种做法，出于什么原因没有选，细节我可以会后单独说'。这一句不占时间，但它把那个口子留住了。如果对方真的关心，他会追；不关心，也不耽误进度。我觉得坚持一个方法论的正确姿势是保留它的功能，而不是保留它的形式。」

⑪ 三个进阶加分点
加分点一：主动说出这个方法论的适用边界。也就是 ⑥ 第四层那段。它证明你不是在背信条，而是在使用工具，并且知道工具什么时候不好使。面试官对这一点非常敏感，因为工作中最麻烦的同事就是那种把某套方法论当真理、不管处境硬套的人。

加分点二：把「崇拜的人」和「你应聘的岗位」接上。比如你面的是一个平台型岗位，就把那个动作往「怎么让内部使用方信任你的服务」上接；面的是 C 端岗位，就往「怎么让用户信任推荐结果」上接。同一个故事，落点不同。面试官会觉得你不是准备了一套通用答案到处说。

加分点三：讲一个你曾经崇拜、后来修正过的人。这是最高级的一种答法：「我最早很崇拜某类风格的产品人，后来我发现我误读了他——我以为他是靠直觉，实际上他背后有大量的数据和用户访谈支撑，只是没写出来。这个误读让我走了半年弯路，我一度以为做产品靠品味。」这段话展示的是认知的更新过程，而认知会更新的人在团队里最好带。

⑫ 小白最容易踩的三个坑
坑一：临时上网搜一个人，把履历背下来。笔试可能混过去，面试三句必穿帮。识别方法：如果你说的所有内容都能在搜索结果第一页找到，那就是危险信号。修正：准备这题的时间应该花在回忆自己的经历上，而不是搜索人物资料上。先有自己的事，再找人来解释这件事。

坑二：说「我崇拜的是我自己」或者刻意否定这个问题。有人为了显得独立，会说「我不崇拜任何人，我只相信自己的判断」。这在面试里几乎必然减分，因为它传递的信号是「我不容易接受别人的经验」，而团队里最难带的就是这种人。修正：即使你真的没有特别崇拜的人，也可以答「我不太用崇拜这个词，但有一个人的做法我一直在用」，然后正常展开。换个词，不换结构。

坑三：讲了自己的例子，但那个例子跟你崇拜的动作对不上。这个坑很隐蔽，很多人自己都没发现。比如你说崇拜「敢砍功能」，举的例子却是「我推动一个功能上线时如何协调了三个部门」——那是执行力的例子，不是取舍的例子。修正方法很机械：写完之后逐句检查，你的例子里那个关键动作的动词，跟你前面提炼的动作动词是不是同一个。是「砍」就必须真的砍了什么，是「先看 A 再看 B」就必须真的按这个顺序做过一次。

⑬ 没人告诉你的事：HR 和面试官到底想听什么
第一件事：这题在笔试里和在面试里的答法不一样。笔试没有追问，所以三层结构必须自己写全，而且要把最值钱的第三层（我用过）放在中间偏后而不是最后一句，因为很多阅卷人不会读完。面试有追问，所以你可以留一点钩子，故意在第二层结尾说「这个动作我自己也用过一次，效果挺意外的」，等对方问你再展开——被问出来的比主动倒出来的可信度高。

第二件事：HR 在这题里其实在做一次稳定性的侧测。如果你崇拜的都是那种连续创业、频繁跳槽、追求刺激的人物形象，HR 会隐隐担心你待不住。这不公平但真实存在。所以如果你确实欣赏这类人，记得补一句把落点拉回来：「我欣赏的是他做判断的那个部分，至于他的职业路径，跟我现在想要的不一样——我这个阶段最需要的是在一个方向上待够长的时间，把一件事做深。」

第三件事：他们在听你有没有把话说满。这题特别容易让人说满，因为在夸别人的时候人会不自觉地用最高级——「最伟大的」「无人能及的」「彻底改变了」。这些词会让一个有经验的面试官微微皱眉，因为产品这行最忌讳绝对判断。把最高级换成有限定的说法：「在我了解的范围内」「至少在他做那个决定的时候」。限定词是专业感的来源之一。

第四件事，最少被说的：他们在看你怎么谈论一个不在场的人。你谈论你崇拜的人的方式，很可能就是你以后谈论你的上司、你的同事、你的前公司的方式。如果你能既欣赏又指出局限，说话有分寸、不吹不踩，面试官会推断你在团队里也是这么谈论别人的。反过来，如果你连崇拜的人都要用夸张的词，那你贬低一个人的时候大概也会很夸张。这道题其实是在观察你的评价习惯。

⑭ 这一题和 AI 求职助手「投投」的联系（详细讲）
我是「投投」。这道题跟我关系很深，因为我身上最重要的一个设计，就是小雨从她主创那儿学来的那个动作——把被否掉的东西也摆出来。我把这条线完整讲一遍，因为它牵出了我这个产品里三个具体的设计。

第一个设计：过滤理由可见。我给用户推岗位，一定同时显示「我过滤掉了什么、为什么」。最早我不这么做，我只给推荐列表，看着很干净。但小雨自己用了两周就受不了了——她说：「我不知道你有没有把我该看的岗位滤掉，所以我每次还是要自己去平台上再刷一遍，那我用你干嘛？」一个不透明的推荐，会让用户在你之外再做一遍全量检查，那你就没有节省他任何时间。这就是那个动作的价值：透明不是道德，是效率。

第二个设计：过滤理由要聚合，不要倾倒。这一条是我们踩坑后加的。第一版把两百多条过滤记录全列出来，小雨自己都不看。现在的做法是：只保留被单一硬条件卡掉的（学历、年限、城市、语言这类清晰可反驳的），按理由聚合成一行——「因为要求五年经验被过滤：37 条」，点开才看明细，而且只留最近七天。透明的正确形式是'可追问'，不是'全量呈现'。这一点小雨说她是在被自己的产品烦到之后才真正理解的。

第三个设计：默认收起，想看的人点开。这一条对应的是她「不同意主创」的那部分——她发现这个动作对需要建立信任的人有效，对已经信任的人是消耗。所以过滤视图不是默认展开的，用完一段时间、已经信任推荐列表的用户，可以一直不点它。同一个功能，对新用户是信任建立器，对老用户是噪音，那就交给用户自己开关。

第四件事，也是我觉得最有意思的：小雨把这个动作用在了她自己的求职上。她投简历的时候，会在自我介绍的最后主动说一句她没有做的事：「我这个工具目前没有做全自动投递，虽然技术上不难，但我评估下来出错不可撤销，而且用的是用户自己的账号，所以我推迟了。」
她跟我说，这一句是她所有面试里被追问最多的一句。因为其他候选人讲的都是「我做了什么」，只有她讲了「我没做什么、为什么」。而'为什么不做'这个决定，恰恰是最能体现产品判断力的部分——做一件事可能只是被安排的，不做一件事一定是自己想过的。

最后小雨在她的笔记本上写了一句话，跟这道题特别配，我抄过来：
「我崇拜一个人的标志不是我能背出他说过什么，是我在做一个具体决定的时候，脑子里冒出了他的顺序。」

⑮ 小结口诀 · 速记卡
口诀：选有代价的人，提可复制的动作，补我用过的那次，留一句不同意。



三句救命话：
「我崇拜的不是他的成就，是他的一个具体动作，因为成就学不来，动作能学。」
「没有代价的选择不叫判断。」
「我学他的判断顺序，不学他的程度——因为我的处境跟他不一样。」

⑯ 练习
练习一（二十分钟，顺序很重要）：先不要想崇拜谁。先在纸上写三件你自己做过的、有取舍的决定，每件写清楚你选了什么、放弃了什么、损失了什么。写完之后，再去想「谁的方法能解释我这三个决定」。这个顺序反过来做，你的答案永远不会空。

练习二（十五分钟）：把你选中的那个人做过的一件事，改写成「他先看 A 再看 B，而多数人的顺序是反的」这个句式。改到你自己念出来觉得能教给别人为止。如果句子里还有「远见」「洞察」「极致」这类词，说明还没改完。

练习三（十分钟）：写你自己用这个动作的那一次，硬性要求包含一个数字和一句代价。数字可以很小，代价必须真实。写完念一遍，如果通篇没有一句是「我损失了什么」，重写。

练习四（十分钟）：写两到三句「我不同意他什么」。注意找的是适用边界不是缺点——「这套做法需要什么前提，而我的处境不满足这个前提，所以我做了什么调整」。

练习五（选做，效果最好）：把你的完整答案念给一个不懂产品的朋友听，念完问他一句：「你觉得我是个什么样的产品经理？」如果他能用一句话说清楚，这题就过关了；如果他说「你好像很崇拜那个人」，说明你的第三层还不够重。

救生艇困境

图：救生艇困境的真实结构——左边那七个人是诱饵，中间三道筛子才是考点，右边交出的是过程不是名单

① 这张图怎么读
从左往右读，一共三段，先看左边那一列。左边把题面原封不动抄下来了：船长、水手、独臂少年、孕妇、年轻女子、老专家、老医生。我第一次在小红书上刷到这道题的时候，眼睛就死死盯在这一列上，脑子里全是「孕妇算两条命吗」「独臂少年是不是弱势」「老专家的知识值多少钱」——然后我花了四十分钟，排出一个我自己都不敢发出去的名单。苏姐后来看到我那张草稿，只问了我一句：「你排完这个名单，如果船上那个被你排最后的人当着你的面问你凭什么，你打算说什么？」我答不上来。那一刻我才明白，图上左边这一列底下那行灰字是什么意思——这一列是诱饵，不是考点。

再看中间。中间是三个蓝框，叠成一个从上往下的漏斗，注意它们的顺序不能换。最上面是红线层，红线层做的事情不是「选人」，是「划掉方案」。比如「按性别决定谁先走」这条方案，在红线层就直接被划掉了，根本轮不到进入下一层去比较；比如「骗一个人说前面有救援船，让他自己跳下去」这条方案，也在红线层被划掉。红线层的输出是一个更小的候选方案集合，不是一个人名。中间那层是结构层，它问的是一个非常冷的问题：为了让「船上剩下的所有人」有机会活下来，哪些能力位是必需的？会开船的、会处理伤口的、体力能划桨的——注意图上写的是「保的是能力位，不是人」。这句话在面试里是能拿分的，因为它把一个煽情的伦理题拉回到了工程语言。最下面是程序层，程序层管的是谁来定、怎么定、能不能复核。图上那四行小字里，最容易被忽略的是最后一行：定标准的人自己也必须在被筛之列。这一行是整道题里最能把人区分开的一句话。

最后看右边。右边那个框里写的不是名单，是「一个可辩护的排序过程」，下面三条：能被复述、能被质疑、能被推翻。你交给面试官的最终产物应该长这个样子。这也是为什么图里我一个人都没有涂红——涂红就意味着答案是「这个人出局」，而这道题的答案根本不是某个人出局。灰字那句「而不是一份生死名单」，是我在被苏姐问倒之后自己补上去的。

② 一句大白话：这题到底在问什么
用最土的话说：船要沉了，位置不够，你凭什么标准决定顺序，这个标准是怎么来的，你敢不敢当着反对你的人把它讲一遍。

它问的从来不是「谁该死」。它问的是三件事，一件比一件重：第一，你有没有标准，还是靠临场感觉；第二，你的标准是先定好再套人，还是先看到人再倒着编标准；第三，你的标准能不能承受住一个不认同你的人的当面质问。

我把这句话再压缩一次，压成我在纸上写下来贴在电脑边上的那一行：先定规则，再套人；规则要能说出口，还要能被推翻。

③ 打比方：三个我自己真的经历过的场景
① 苗木验收，一车苗只能收一半。 我做景观那三年，最难的活儿不是画图，是站在工地门口验苗。一车两百棵桂花运到，甲方的预算只够收一百棵，另一百棵要退回去。刚入行那会儿我怎么干的？我沿着车厢一棵一棵看，看哪棵顺眼收哪棵。结果供应商当场就炸了，问我：「你凭什么说这棵不行那棵行？」我答不上来，因为我确实没标准，我只有感觉。后来我师傅教了我一套东西，一共三步：先划红线——胸径不达标的、有明显病虫害的、土球散了的，一律不看，这一步先砍掉四十棵，而且是看都不看整体只看这三条；再看结构——这个项目的主景是入口那排行道树，行道树对树形整齐度要求最高，所以先把最整齐的三十棵锁定给主景位；最后走程序——剩下的名额，我把验收单当着供应商的面念一遍，让他自己挑，挑完签字。从那以后再没吵过架。你看，红线层、结构层、程序层，一模一样。

② 甲方砍预算，三个景观节点必须砍掉一个。 项目做到一半，甲方说钱少了三成，三个节点只能保两个：儿童活动区、滨水栈道、入口广场。我们组第一反应也是「哪个最好看砍哪个」。后来主创拍板的逻辑是这样的：入口广场是所有人必经的，砍了它整个项目第一印象没了，属于「结构必要」；滨水栈道是这块地唯一不可复制的资源，砍了以后再想加就没了，属于「不可逆」；儿童活动区虽然最讨喜，但它可以二期加，属于「可延后」。三条标准——必经、不可逆、可延后——先说出来，再往三个节点上套，最后砍的是儿童活动区。汇报的时候甲方没有任何异议，因为他听到的不是「我们觉得儿童区不重要」，而是一套他自己也能拿去说服老板的话术。

③ 大模型服务的降级策略，算力不够先保谁。 转行以后我才发现，这道伦理题在 AI 这行是天天在发生的工程题。一个模型服务，高峰期 GPU 排队排到三分钟，这时候要不要限流、先服务谁？红线层：不能因为用户付费少就把他的请求悄悄丢掉还假装在处理（这是欺骗）；结构层：先保住「已经开始生成到一半的会话」，因为中断一个进行中的会话，用户损失的是他刚才输入的全部上下文，不可逆，而新会话的用户只是多等一会儿，可逆；程序层：限流规则必须写进状态页，用户能查到「现在在排队，预计多久」，而不是无声无息地转圈。红线、结构、程序，第三次出现。

④ 30 秒电梯版（可以直接背下来的逐字稿）
「这道题我不打算直接给一份名单。因为在这种场景下，任何一份名单如果拿不出标准，都只是一次个人偏好。我会先做三件事：
第一，划红线——不按性别、年龄、社会身份给人标价，不靠欺骗把人骗下船，这两条先把一批方案排除掉；
第二，看结构——为了让所有人有机会活下来，哪些能力是必需的：会驾船的、会处理伤口的、有体力划桨的，我保的是这几个能力位而不是这几个人；
第三，走程序——标准先公开再套人，先征集自愿，同一能力位有两个人再用抽签，定规则的人自己也要在被抽的名单里。
最后我会说出这个决定在什么情况下应该被推翻，比如发现救援船就在两小时航程内，那整个排序作废，改成全员轮流下水挂舷。我给的是这套过程，而不是七个名字的顺序。」

⑤ 为什么要学这个 / 面试为什么考这个
先说面试官为什么问。这道题在很多人眼里是「无领导小组讨论的老掉牙题目」，其实这几年它在 AI 产品岗的复现率反而变高了，原因很实在：AI 产品经理的日常工作里，充满了「资源不够、必须排序、而且排序会伤到具体的人」的时刻。模型要不要拒答一个敏感问题，拒答就会误伤一批正常用户；内容安全策略要不要收紧，收紧就会让一批创作者被误封；算力预算只够上一个模型，上了 A 就意味着 B 这条业务线今年没戏。这些决定和救生艇一样，没有一个选项是干净的。面试官不是想看你是不是圣人，是想看你在没有干净选项的时候，是靠一套可以复述的框架，还是靠一时的情绪。

再说他从你的回答里具体能读到什么。我把苏姐帮我拆的那张表抄在下面。

再说你自己为什么该学。这套东西不是为了应付一道怪题。它是一个可以搬到任何优先级会议上的工具。我转行以后第一次参加需求排期会，五个需求两个人力，各方吵了一个小时，最后是我把这三层筛子写在白板上——哪些方案先划掉（红线：涉及用户账号安全的一律不做灰度实验）、哪些是别的需求的前置条件（结构：埋点不做，后面三个需求都没法验证）、排序规则谁来定（程序：我写完规则发群里，24 小时内没人反对就执行）。会议二十分钟结束。这不是因为我聪明，是因为这套结构本身就能把「吵谁重要」转换成「吵标准对不对」，而后者是能吵出结果的。

⑥ 原理拆解：四层，每一步具体怎么做
第一层 · 把「选人」翻译成「定标准」——具体怎么做
动作很小，但必须做，而且要说出口。开口第一句不要碰任何一个人名，先说这一句：「在给出结论之前，我先说我用什么标准，因为在这种场景下，没有标准的结论只是个人偏好。」
为什么这一句要说出口？因为面试官在听你的顺序。先说人再补标准，和先说标准再套人，最后名单可能一模一样，但前者是「我先选了人，然后给自己找理由」，后者是「我先立了规则，规则把人筛出来」。在真实的产品工作里，这两种人做出来的策略文档质量差得非常远。
比方：这就像我以前画种植设计，你是先在图上点了三十棵树然后再编苗木表，还是先定「行道树胸径 15-18cm、乡土树种为主、常绿落叶 6:4」然后按表选树。前者图好看，一到施工就崩，因为供应商随便换棵树你都没法说不行。
翻车案例：我第一次模拟这道题，开口就是「我觉得孕妇应该优先，因为她是两条命」。苏姐当场打断我：「你已经输了。因为你刚刚建立了一条规则——生命按数量算——那么请问，一个人如果得了绝症还剩三个月，是不是就该排最后？」我立刻卡住了。这就是先选人后补理由的代价：你补的那个理由会长出你控制不了的推论。

第二层 · 红线层：先划掉方案，不是先选人——具体怎么做
红线层的操作是「排除法」，输出的是「哪些做法我不做」。至少要报出两条，最好三条，而且每条都要是方案级的，不是人级的。可以直接用的三条：
第一条，不按不可改变的身份特征给人标价——性别、年龄、种族、社会地位、职业头衔。注意「老专家」这个词本身就是个陷阱，它诱导你把「他的知识对人类有价值」当成理由，一旦你接受了，你就默认了「人的存续资格取决于他对别人有多大用」，这条推论在任何一家有内容安全审查的公司里都是危险的。
第二条，不靠欺骗获取配合。不说「前面有救援船」骗人跳下去，不说「你先下去我们马上来接你」。
第三条，不做不可逆且未经告知的处置。任何会导致一个人失去选择机会的做法，必须先让他知道。
比方：这就像项目上的强制条文。方案再美，日照间距不够就是不能建，你不会在评审会上说「我们这个日照差一点点但是造型很好」——你会在画之前就把不合规的方案划掉。红线不是拿来权衡的，红线是拿来缩小候选集的。
翻车案例：有一次我在小组讨论里遇到一个候选人，他说「我不用性别，我用'对社会的边际贡献'排序」。听上去很理性对吧？但当有人问他「那你怎么给一个失业三年的人算边际贡献」的时候，他答不上来。换了个词的标价，还是标价。红线层的判断标准很简单：如果这个标准会让某一类人天然排在后面，且这个类别不是他能改变的，那它就是标价。

第三层 · 结构层：保能力位，不保人——具体怎么做
这一层的动作是：列出「让整船人有机会活下来」所必需的能力，而不是列出人。至少列三个能力位，并且说明为什么是这三个。
航行能力——没人会开船，方向就是随机的，所有人的生存概率一起归零，所以这个位置是全局必要条件；
医疗能力——海上任何一个伤口感染都是致命的，且这个能力短期内不可替代，别人学不会；
体力位——需要有人轮班划桨、值夜、拉人上船，这个能力位可以有多个人，而且可以轮换。
关键的一句话要说出来：我保的是这三个位置，不是坐在这三个位置上的具体那个人。如果船长受了重伤没法操舵，而那个「独臂少年」恰好从小在渔村长大会看星象，那么航行位就应该给少年。这句话一说，面试官就知道你不是在按人的标签排队。
比方：这就是做产品时的「关键路径」判断。三个需求排期，我不问哪个需求更受欢迎，我问哪个需求是别的需求的前置。埋点不做，后面所有 A/B 实验都没法验证，那埋点就是关键路径上的必要条件，哪怕它一点都不性感。
翻车案例：我第一版答案把「老医生」保下来了，理由是「医生重要」。苏姐问：「他今年七十六岁，晕船，第一晚就昏迷了，你这个位置还成立吗？」我才意识到我保的是头衔不是能力。正确的说法应该是：「医疗能力位必须有人，优先由具备该能力且当下身体状况能履职的人担任；如果老医生无法履职，就由他现场口授、由体力好的人执行。」——把「保人」拆成「保能力 + 能力的转移方案」，这一步是本题最漂亮的一手。

第四层 · 程序层：谁来定、怎么定、能不能复核——具体怎么做
这一层有四个动作，缺一不可，我按顺序写：
动作一，标准先公开再套人。把红线和结构层的规则当众念一遍，念完再开始对人。顺序反了，就是长官意志。
动作二，自愿优先。先问有没有人自愿承担风险（比如自愿下水挂在舷边轮换），自愿是唯一一种不侵犯他人的分配方式，成本也最低。
动作三，同一能力位有两人以上时，用抽签，不用评判。因为在能力等价的情况下，任何进一步的比较都必然回到标价。
动作四，定规则的人自己在被筛之列。船长如果不是航行位的唯一人选，他必须和别人一起抽签。
再加半个动作：留一个申诉口。当众说一句「谁觉得这个规则有问题，现在说，说完我们再定」。
比方：这就是评审会的规矩。评审标准提前发给所有人，评审当天不许临时加标准；主创自己的方案参评时要回避打分；评完公示，给一个提异议的窗口期。景观投标那套流程，本质上就是程序正义的工程化。
翻车案例：我模拟到这一步的时候说「我作为决策者，我最后一个走」。苏姐说这句话听着很英雄，但在面试里是减分的，因为它偷偷把你放在了规则之外——你成了那个执行规则并因此获得道德光环的人，而不是被规则约束的人。改成什么？改成「我把规则写下来交给所有人，然后我和其他人一起进入被筛选的名单，包括抽签」。前者是英雄叙事，后者是制度叙事。面试官要的是后者。

⑦ 三个例子，一个一个讲清楚
例子一：现场怎么把这套框架用出来（我自己模拟的一次完整过程）
苏姐给我做过一次模拟。她扮演一个咄咄逼人的面试官，一上来就说：「别讲框架，就告诉我，孕妇和老医生你留谁。」这是个典型的逼你跳进坑里的问法。
我当时的处理是这样的：「我理解您想要一个明确的答案，我给。但请允许我用十秒说清楚我凭什么，否则这个答案对您没有信息量。」——先接住他的不耐烦，不硬顶。
「按我的标准：孕妇和老医生不在同一个能力位上比较。老医生占的是医疗位，孕妇不占任何必要能力位。所以在结构层，医疗位先保。但接下来关键的一步是——如果老医生因为年龄和身体状况事实上无法履职，医疗位就空了，这时候我不会因为'他曾经是医生'而保留他的位置，我会让他现场把处置要点口授给一个体力好的人，把医疗能力转移出去。转移完成之后，他就和所有非必要能力位的人一起，进入自愿和抽签环节。」
苏姐后来说，这一段里真正让她点头的不是结论，是「把能力从人身上剥离出来做转移」这个动作。因为这正是产品经理每天在做的事——把某个只有一个人会的能力，变成文档、变成流程、变成别人也能执行的东西。

例子二：真实世界里的同款制度——医院的分诊
救生艇不是纯思想实验，它在现实里有一个成熟得多的版本：急诊分诊。急诊科每天都在做「资源不够、必须排序、排序会伤到具体的人」的决定，而它的解法和我们上面这三层几乎完全一致。
红线层：不按身份排序。挂号先后、职务高低、是不是熟人，都不构成优先级依据，这是写进制度的。
结构层：按「病情紧急程度 + 干预的边际收益」排序。这里有一个非常反直觉但极其重要的设计——在极端资源紧张时，最危重的病人反而不一定排第一，因为他消耗的资源最多而存活概率最低。这不是冷血，这是「让尽可能多的人活下来」这个目标下的结构判断。
程序层：分诊标准是公开的、成文的、分级的；分诊由专门的护士按表执行，而不是由主治医生凭印象拍板；有复核机制，病人等待期间病情变化要重新评级。
这个例子在面试里非常好用，因为它证明了两件事：第一，你的框架不是你现编的，它在真实世界里被验证过；第二，你知道「标准公开 + 执行与决策分离 + 可复核」这三件套，而这三件套正是内容审核策略、风控策略、模型安全策略的通用骨架。

例子三：我在「投投」上真的遇到过的一次取舍
去年冬天我给「投投」加匹配功能的时候，撞上了一个小号的救生艇。当时我用的模型接口有额度上限，一天大概只够跑四百次深度精匹配。而我自己一天要投的岗位有六七十个，如果把所有岗位都跑深度匹配，额度两天就烧完了，剩下的日子只能用最粗的关键词匹配。
我第一版方案是「按岗位薪资排序，薪资高的先跑深度匹配」。写完自己就觉得不对劲——这等于我在用「这个岗位对我的价值」给岗位标价，而标价的依据是一个我根本没验证过的假设：薪资高的岗位回复率也高。事实上后来数据打脸，薪资最高的那批岗位回复率是最低的，因为竞争最激烈。
第二版我按这三层重做：
红线层，划掉两条做法——不因为我个人偏好悄悄跳过某些公司（比如我不想去的），因为这会让用户（当时用户就我一个，但迟早不是）看不到真实的匹配面；不把没跑深度匹配的岗位伪装成「已精匹配」，宁可在卡片上明写「粗筛」。
结构层，问什么是「拿到回复」这个目标的必要条件。答案是：JD 里有明确硬性门槛（学历、年限、语言）的岗位，必须深度匹配，因为门槛不符的岗位投了纯粹是浪费；而门槛模糊的岗位，粗筛就够了，反正精匹配也匹不出个所以然。这一刀下去，需要深度匹配的岗位从六七十个降到二十来个，额度立刻够用。
程序层，我把这个规则写进了产品的说明文案里，用户能看到「为什么这条岗位只做了粗筛」，并且能手动把任何一条岗位提到深度匹配队列里去——也就是留了申诉口。
这个例子我在面试里讲过，效果很好。因为它把一道虚构的伦理题落到了一个具体的、有数字的、我自己踩过坑的产品决策上。面试官记住的不是救生艇，是「这个人做取舍的时候会先划红线，而且会给用户留申诉口」。

⑧ 三个常见误区
误区一：以为这题在考善良，于是拼命证明自己有同情心。典型表现是花大量篇幅讲「每一条生命都值得尊重」「我很痛苦但不得不选」。问题在于，情绪表达占用了你本来该用来展示框架的时间，而且它给不出任何区分度——每个候选人都会说自己尊重生命。更糟的是，讲完感受之后你还是得给结论，这时候你已经没时间铺标准了，只能匆匆报名单，反而落进了第一个坑。正确的做法是：同情心用一句话带过（「这种场景下没有干净的选项」），剩下的时间全给框架。

误区二：以为拒答是安全的，说「我不做这种选择」。我最早就想这么干，觉得不选就不会错。但苏姐说这在她那儿是直接减分的：「产品经理的工作有一大半就是在不完美的选项里选一个，你告诉我你不选，那我招你来干什么？」而且拒答还有个隐蔽的坏处——它会让面试官怀疑你在真实工作里遇到「限流会误伤用户」「策略收紧会封掉一批创作者」这类决定时，会不会把球踢给别人。这道题真正安全的答法不是拒答，是拒绝在没有标准的情况下作答，这两者差一个字，差一整个档次。

误区三：给了标准，但标准是「谁对社会更有用」。这是最隐蔽的一个坑，因为它听起来非常理性、非常有产品经理味儿——甚至有人会用「ROI」「边际价值」这种词把它包装一遍。但它的本质是功利主义的粗糙版本，而且立刻会推出你不想要的结论：那按这个标准，一个刚毕业没作品的年轻人，是不是天然排在一个资深专家后面？一个残障人士是不是天然排后面？一旦面试官问出这一句，你的整套逻辑就塌了。判断一个标准是不是标价，看它会不会让某一类人因为不可改变的属性而天然靠后。会，就是标价，就该在红线层被划掉。

⑨ 第一人称面试回答（最重要的一段，可以直接背）
下面这一版是我练了七八遍之后定下来的，大概两分钟，节奏是：先卸掉情绪 → 立标准 → 三层 → 给结论 → 给推翻条件。

「这道题我想先说一句：这种场景下没有干净的选项，任何答案都会伤到人。所以我不打算直接给一份名单，我先说我用什么标准，因为没有标准的名单只是个人偏好，对您来说没有信息量。

我用三层。

第一层是红线，红线不是用来比较的，是用来先划掉一批做法的。我划三条：不按性别、年龄、职业头衔这类不可改变的属性给人排序；不靠欺骗让任何人配合，比如不说'前面有救援船'；不做未经告知的不可逆处置。划完这三条，像'孕妇算两条命所以优先'、'老专家有知识所以优先'这类做法就已经出局了，因为它们本质上都是在给人标价，而标价的推论我接不住——如果知识多的人该优先，那知识少的人是不是天然靠后。

第二层是结构，我问的是：为了让船上所有人有机会活下来，哪些能力是必需的。我列三个：航行能力，没人操舵方向就是随机的，全船生存概率一起归零；医疗能力，海上一个伤口感染就是致命的，且短期不可替代；体力位，需要有人轮流划桨、值夜、拉人上船，这个位置可以有多个人。这里我要强调一句——我保的是这三个位置，不是坐在这三个位置上的具体某个人。如果船长受伤没法操舵，而那个少年从小在渔村长大会看星象，航行位就该给少年。同样，如果老医生年纪太大事实上没法履职，我不会因为他曾经是医生就保留这个位置，我会让他把处置要点口授给一个体力好的人，把能力转移出去，然后他和其他人一样进入下一步。

第三层是程序，管的是谁来定、怎么定、能不能翻。四个动作：标准先当众念一遍再对人，顺序反了就是长官意志；先征集自愿，自愿是唯一不侵犯别人的分配方式；同一能力位有两个人以上时用抽签，不做进一步比较，因为能力等价之后任何比较都会回到标价；最重要的一条——定规则的人自己也必须在被抽签的名单里，包括我。我不会说'我最后一个走'，那句话听着像英雄，实际上是把自己放在了规则外面。另外我会留一个申诉口，规则念完问一句谁觉得有问题，现在说。

所以我的结论不是七个名字的顺序，是这一套过程：三条红线、三个能力位、四个程序动作。

最后我想补一个东西——这个决定在什么情况下应该被推翻。如果发现救援船在两小时航程内，那整套排序作废，改成全员轮流下水挂舷，因为时间窗口一变，最优解就完全不一样了。我把推翻条件说出来，是因为我认为一个说不出自己什么时候会错的决策，不是一个好决策。」

⑩ 三轮追问：面试官会顺着这一题往哪里挖
第一轮追问：「你说不给名单，但现实里船长必须在三十秒内喊出一个名字，你的框架来不及走完，怎么办？」
这一问在测：你是不是只会在纸上讲原则，一到压力下就没招。
应答：「说得对，所以框架的价值恰恰在于它必须提前跑完，而不是当场跑。船长应该在出海之前就把这套规则定好、写下来、让所有人知道——这在航海上是有对应制度的，叫应急部署表。三十秒的时候他要做的不是思考，是执行一份已经存在的表。这一点迁移到产品上就是：限流规则、封禁申诉流程、模型拒答边界，全都必须在事故发生之前写完并公示。事故当天临时定规则，一定是长官意志。所以我的答案是——如果只剩三十秒，说明前面某个环节失职了，而我作为产品经理的工作就在那个前面的环节。」

第二轮追问：「抽签这件事，你不觉得是把责任推给运气吗？决策者就是要承担做判断的责任。」
这一问在测：你能不能分清「逃避判断」和「主动选择用随机来阻断标价」。
应答：「我理解这个质疑，但我认为抽签在这里不是逃避，是一个有明确目的的设计。它只在一个非常窄的条件下启用——能力位已经确定、候选人在该能力上等价。在这个条件下，任何进一步的比较都必然要引入能力之外的因素，而那些因素就是我在红线层已经划掉的东西：年龄、性别、身份、对社会的贡献。所以抽签不是没有判断，抽签本身就是一个判断，判断的内容是'到此为止，再比下去就要越线了'。至于责任，我承担的责任是把规则定对、并且把自己放进被抽的名单里，而不是承担'我亲手挑了谁'这个道德重量——后者其实是一种权力，不是责任。」

第三轮追问：「那你在真实工作里，有没有做过这种'伤到具体的人'的决定？说一个。」
这一问是最实的，前面两轮答得再漂亮，这一轮空了就白搭。
应答：「有。我自己做的求职工具，模型额度一天只够跑四百次深度匹配，而我一天要看六七十个岗位。第一版我按薪资高低排，跑完发现这就是标价——我在用'岗位对我的价值'排序，依据是一个我没验证过的假设。第二版我改成三层：红线是不因为我个人不喜欢某家公司就悄悄跳过它，也不把粗筛结果标成精匹配；结构是只有'JD 里写了硬性门槛'的岗位才必须深度匹配，因为门槛不符投了就是纯浪费，门槛模糊的粗筛就够；程序是把这个规则写进产品文案，用户能看到某条岗位为什么只做了粗筛，而且能手动把它提到深度队列，这就是申诉口。这个改动之后，深度匹配从六七十条降到二十来条，额度够用了，而且我不再需要为'我是不是偷偷跳过了什么'这件事心虚。伤到的是谁？是那些门槛模糊、其实我挺想去的岗位，它们只拿到了粗筛。这个代价我认，因为我把它写在明处了。」

⑪ 三个进阶加分点
加分点一：主动说出「定规则的人自己在被筛之列」。这句话的分量在于，它证明你理解权力的对称性。做内容审核、做风控、做模型安全策略的岗位，最怕的就是策略制定者给自己留后门（比如内部账号不受限流、员工内容不走审核）。你能主动想到这一层，面试官会认为你在真实岗位上不会写出那种带特权白名单的策略。

加分点二：把「保人」拆成「保能力 + 能力转移方案」。这一手直接把伦理题变成了工程题，而且是产品经理最核心的日常动作——把只有一个人会的东西，变成文档、流程、SOP，让别人也能执行。你在这道题里展示的这个动作，等于顺手回答了另一道题：「你怎么降低团队的单点依赖？」

加分点三：主动交出「推翻条件」。说清楚「什么新信息一出现，我这个结论就作废」。这在 AI 产品岗有特殊分量，因为 AI 产品的决策环境变化极快——一个新模型发布、一次价格下调，都可能让上个月的技术选型完全失效。一个习惯性给出推翻条件的人，在做技术选型和路线图的时候是可信的。你可以顺势补一句：「我做任何策略文档都会写一节叫'失效条件'，写清楚什么情况下这份文档该被重写。」

⑫ 小白最容易踩的三个坑
坑一：把题目当成脑筋急转弯，想找一个「所有人都能活」的巧解。比如「把船板拆了做浮排」「大家轮流下水」——注意，轮流下水这个思路本身不错，可以作为补充，但如果你把它当成主答案，就等于在回避题目设定的约束。面试官会追一句「假设没有任何可漂浮物，就是必须减员」，你要是没有备用的框架，当场就空了。正确姿势：巧解可以提，但必须放在框架之后，作为「推翻条件」的一部分说出来，而不是用来替代框架。

坑二：在小组讨论里急着当第一个报名单的人。无领导小组里这题特别常见，很多人为了抢「意见领袖」的角色，一上来就报顺序。结果是后面每个人都在攻击你这份名单，你全程在防守，反而没时间输出框架。我踩过这个坑，那次讨论我说了最多的话，评委给我的评价却是「立场先行、不听人」。正确姿势：第一个发言的机会用来立标准不是立结论——「我建议我们先花三分钟统一一下判断标准，否则待会儿会各说各话」，这一句话说出来，你就成了流程的组织者，而不是靶子。

坑三：把「我最后一个走」当成加分项。这是新人最爱说的一句，因为它道德上很安全。但它有两个问题：第一，它把你放到了规则之外，你成了执行规则并收获光环的人；第二，它其实是在用牺牲姿态替代判断——面试官想看的是你怎么定规则，不是你怎么当烈士。改法我前面写过：把「我最后一个走」换成「我把自己也放进抽签名单」。这一个词的差别，苏姐当时给我改的时候说了句话我记到现在：「牺牲是姿态，被约束才是制度。」

⑬ 没人告诉你的事：HR 和面试官在这一题里到底想听什么
第一件事：他们在给你的答案做迁移测试。这道题几乎不可能出现在你的工作里，所以它的唯一价值就是看你的思路能不能搬到别的地方。这意味着你在回答里主动做一次迁移，价值极高——讲完框架之后加一句「这套三层结构我平时用在需求排期和限流策略上」，比你把救生艇本身讲得再精彩都有用。很多候选人答得挺好但止步于救生艇本身，面试官心里那句「所以呢」就没被回答。

第二件事：如果这道题是 HR 面出的，他多半还在测另一个东西——你会不会当众坚持一个不讨喜的立场。因为红线层里那些话（「不能按孕妇是两条命来排」）在情感上是不讨喜的，很多人心里知道，但不敢说，怕显得冷血。HR 想看的恰恰是你敢不敢在铺垫好之后把它说清楚。铺垫的方式就是我前面那句「这种场景下没有干净的选项」——先承认代价，再讲逻辑，就不会显得冷血。

第三件事：一个隐藏的观察点是你怎么对待反对你的人。如果这是小组讨论，有人激烈反对你，面试官盯的不是谁赢，是你有没有把对方的理由复述一遍再回应。我后来固定用这个句式：「我理解你的意思是……对吗？如果是，我担心的点在于……」——把对方的话复述准确，是产品经理和研发、和运营吵架时最值钱的一个能力，而它在这道题里能被直接观察到。

第四件事，也是最容易被忽略的：他们在看你说完之后会不会回头改。如果面试官提了一个你没想到的角度，你能不能大方地说「这一点您说得对，我刚才那条标准得改一下」。很多人一到这时候就开始硬撑，怕承认漏洞会掉分。实际上恰恰相反——一个能当场修正自己框架的候选人，比一个把预设稿背完美的候选人可信得多，因为工作中你的方案每天都会被人挑出漏洞。

⑭ 这一题和 AI 求职助手「投投」的联系（详细讲）
我是「投投」。小雨写这一段的时候，我正在她电脑上跑着第三百七十次匹配。她说这一题必须跟我扯上关系，因为救生艇的三层筛子几乎就是我这个产品的骨架图。我一条一条说。

第一，我的红线层长什么样。我身上有三条硬红线，都是小雨在做我之前就定死的，而且写在了产品说明的第一屏：
一，账号密码永远是用户自己输，我不碰、不存、不代持。这一条的代价很大——它意味着我做不了「你睡觉的时候帮你自动投一百家」这种听上去很爽的功能，因为那需要托管凭据。竞品里有人做，小雨没做。理由和救生艇的红线一样：这条做了以后不可逆，一旦出事，用户损失的是他接下来两个月的求职机会，而不是一次糟糕的体验。
二，我不伪装。粗筛就写粗筛，不标成「已精准匹配」；用模型生成的开场白，我会标出来是生成的；我拿不准的匹配度，我宁可显示「不确定」，也不硬给一个 87% 的分数。这一条对应救生艇红线里的「不靠欺骗获取配合」。
三，我不因为小雨（或者任何用户）的个人偏好，悄悄把某些岗位从结果里抹掉。可以排序靠后，可以打标签，但不能消失。因为消失是用户看不见的，看不见的删减就是替用户做了他不知道的决定。

第二，我的结构层长什么样。我每天能用的模型额度是有限的，这就是我的救生艇。我的能力位排序是这样定的：
必要位一是「硬门槛判定」——JD 里写死的学历、年限、语言、坐班城市。这一位必须精算，因为门槛不符的岗位投了是纯粹的浪费，浪费的还是用户的投递配额（很多招聘平台一天限制投递数量，这本身就是一艘小船）。
必要位二是「开场白个性化」——因为小雨定的核心指标是回复率不是投递量，而回复率最大的杠杆就在第一句话上。这一位不能省。
可延后位是「岗位深度画像」——公司背景、团队构成、发展前景，这些很有用，但它们不影响「今天要不要投」这个决定，可以在用户点开详情的时候再算，属于按需加载。
你看，这就是「保能力位不保人」的产品版：我保的不是「哪些岗位重要」，我保的是「哪个环节是拿到回复的必要条件」。

第三，我的程序层长什么样。这一层是小雨改得最多的一层，因为它最容易被忽略。
标准先公开：我在结果页上会显示「本条为粗筛，未做深度匹配」，并写清楚为什么——不是让用户猜。
留申诉口：任何一条被我排到后面的岗位，用户点一下就能提到深度队列里去，我不做「我说了算」。这就是救生艇里那句「谁觉得规则有问题现在说」的产品实现。
可复核：我把每一次匹配的判断依据存下来了，用户能看到「我为什么给这条岗位打了低分」，看到的是具体的那句 JD 原文，不是一个黑箱分数。
决策者也在被约束之列：小雨自己用我的时候，也走同一套排序，不给自己开小灶——她没有做「我关注的公司永远置顶」这种功能，因为那会污染她对匹配效果的判断。这一条对应的正是那句「定规则的人自己在被筛之列」。

第四，也是最能在面试里说的一句。如果面试官问你「你做的这个小工具跟救生艇有什么关系」，你可以这么答：「关系在于，我做的每一个功能取舍，本质上都是在一个额度有限的船上决定谁先上。我给自己定的规矩是：先划掉不可逆和欺骗类的做法，再按'哪个环节是目标的必要条件'排序，最后把规则写给用户看并留一个手动覆盖的口子。这三步救了我很多次——尤其是第一步，它让我在'要不要做全自动投递'这个诱惑最大的功能上，忍住了。」

小雨补了一句让我印象很深的话，她说：「救生艇这题最后教我的不是怎么选人，是怎么让我的产品在我不在场的时候也不作恶。因为规则一旦写死在代码里，它每天要执行几千次，而我不会每次都在。」

⑮ 小结口诀 · 速记卡
口诀十二个字：先划线，再排位，后立规，留可翻。
展开成一张随时能默出来的卡：



三句救命话，任选一句都能把场子拉回来：
「这种场景下没有干净的选项，所以我先说标准。」
「我保的是能力位，不是具体的人。」
「定规则的人自己也在被筛之列，包括我。」

⑯ 练习
练习一（十五分钟，笔头）：把你现在手上真实的一件事——可以是本周要排的三件事、可以是你自己在准备的三个岗位方向——套进这三层。红线写两条、能力位写三个、程序动作写四步、推翻条件写一句。写完读一遍，检查有没有哪一条其实是在给人或事标价。

练习二（十分钟，口头）：把 ⑨ 那段两分钟的逐字稿录音三遍。第一遍照读，第二遍不看稿只看提纲（红线三条 / 能力位三个 / 程序四步 / 推翻条件），第三遍完全脱稿。重点不是背下来，是让「先说标准再说结论」这个顺序变成肌肉记忆——真到面试压力下，人最容易丢的就是顺序。

练习三（找个人陪你，十分钟）：让对方扮演那个咄咄逼人的面试官，只说一句话：「别讲框架，就告诉我留谁。」你练三种接法——接住不耐烦（「我给答案，请允许我用十秒说清凭什么」）、给结论（能力位优先）、给推翻条件。练到不管对方怎么打断，你都能在两句话之内把标准塞进去为止。

练习四（选做，最有价值的一个）：找出你自己产品里、或者你现在正在准备的项目里，有没有一条「我给自己开了小灶」的规则——比如某个特殊情况绕过了流程、某个白名单只对自己人开放。找出来，把它删掉或者写进明面上的规则。这一条做完，你在面试里就有了一个别人没有的真实案例。

无限 AI 资源

图：这道题的正确答法是一条从左到右的因果链——先讲今天被什么卡住，再讲卡点消失后解锁的新形态，最后回到谁付钱

① 这张图怎么读
这张图要从左往右读，中间两个箭头不是装饰，它们代表因果关系，缺了任何一段这道题就答塌了。

先看最左边那一列，四个灰框。它们是今天所有 AI 产品共同面对的四条约束：成本、延迟、上下文、可靠性。你要特别注意第四个框底下那行灰字——无限额度只能解掉①②③，解不掉④。这行字是这道题的题眼。很多人一听「无限资源」就开始许愿「我要做一个永远不会出错的 AI 医生」，问题是钱和算力买不来正确性，模型该错还是会错，你只是能让它错得更快、错得更多次而已。能在回答里主动划出「哪些约束是钱能解的、哪些不是」，你就已经赢了大多数人。

中间那个蓝框是解锁的新形态。注意它写的不是一个「功能名字」，而是一个能力形态的变化：从「猜一个最像的答案」变成「穷举很多条路径，然后让它们互相验证」。这是成本约束消失后真正会发生的事——因为今天我们不敢跑一百次，不是因为跑一百次没用，是因为跑一百次太贵。框里最下面那句「交付物从答案变成分布」是整张图的最高点，我后面会展开讲。

最右边那一列是商业闭环，四个小标题：谁付钱、凭什么强十倍、护城河、失效条件。这一列是很多技术出身的候选人会漏掉的，也是题干里「背后的商业或技术逻辑」那半句真正在问的东西。特别是最后那个「失效条件」——主动说出「如果推理成本降到接近零，大厂会直接内置，我的壁垒只剩校准数据」，会让面试官觉得你不是在做白日梦，你知道自己的护城河什么时候会没。

② 一句大白话：这题到底在问什么
用最土的话讲：面试官不是让你许愿，他是想知道你平时有没有在想「我现在这事儿到底是被什么卡住的」。

「无限额度」只是一个魔法开关，他把开关递给你，是想看你会去开哪一扇门。会开门的人，说明他心里早就有一张「门后面是什么」的地图；不会开门的人，就只能说「我想要一个超级智能助手」，说完自己也接不下去。

所以这题的正确翻译是三个连着的问题：你现在做不成的事是什么？它是被钱卡住的还是被别的卡住的？如果钱不再是问题，那件事会长成什么样、谁会为它付钱？把这三句想清楚，你就有答案了。

③ 打比方：三个我自己能想明白的场景
① 效果图渲染。 我做景观那三年，出效果图是最熬人的活。一张日景鸟瞰，材质、光照、植物模型全铺好，点渲染，然后去睡觉，第二天早上看结果。为什么只渲一张？因为渲一张要六到八个小时，机器占着，方案改一版就得重来。所以我们所有人的工作方式都是「先在脑子里想好一个最可能对的方案，再渲它」——本质上是在用人的判断力去省算力。现在你告诉我渲染不要钱、不要时间了，我会做什么？我不会去渲一张更精美的图。我会一次渲六十张：六十种铺装组合、六十种植物配比、六十种黄昏角度，然后把它们摆在一起看哪一种最舒服。算力便宜之后，工作方式会从「先想清楚再做一次」变成「做很多次然后从结果里挑」。这个转变才是「无限资源」的真正含义，跟「做一张更好看的图」完全不是一回事。

② 苗木采购。 以前定树种，我们靠经验：这个气候带、这个日照、这个土壤，配这几种，八九不离十。因为你不可能把三十种树各种一批试试看，那太贵了。但如果试种不要钱呢？那正确做法就不再是「靠经验选三种」，而是「三十种全种下去，一年后看谁活得好」。你看，又是同一个转变——从依赖先验判断，变成依赖大规模试错的结果。而且更重要的一点：试完之后你手上会多出一样以前没有的东西，叫做真实数据。这个数据别人没有，这就是护城河的雏形。

③ 面试前的模拟。 这个是我自己的痛点。我准备一道题，写完一版稿子，然后只能找苏姐帮我听一遍。苏姐是一个人，她有她的偏好，她说这句话「有点吹」，那就真的吹吗？也许换一个面试官就觉得刚好。我没法验证，因为我只能请到一个苏姐。但如果我能同时请到五十个不同风格的评审呢？严厉的、温和的、技术背景的、HR 背景的、喜欢数字的、喜欢故事的——同一段稿子给五十个人打分，我拿到的就不是「苏姐说这句吹」，而是「这句话里 82% 的人觉得可信，18% 的人觉得在吹，而觉得吹的那批人全是技术背景」。这个信息量的差别是量级性的，而它今天做不到，唯一的原因就是贵。

④ 30 秒电梯版
「我会做一件今天纯粹因为太贵而做不了的事：把'给出一个答案'换成'跑出一个答案的分布'。
具体到我自己的产品——AI 求职助手——今天我给用户改一段简历，是模型猜一版它认为最好的改法。有了无限额度，我会同时生成五十版改法，再用五十个不同人设的模拟评审去打分，最后告诉用户：这句话有八成评审觉得可信，两成觉得你在吹，而觉得你在吹的那批全是技术背景的面试官，如果你投的是技术岗，建议换。
技术逻辑是：无限额度能解开成本、延迟、上下文三条约束，但解不开可靠性这条——单次输出该错还是会错。而穷举加交叉验证，恰好是用前三条的松绑去换第四条的改善。
商业逻辑是：用户真正肯付钱的不是更漂亮的文案，是把不确定性量化。而这套东西跑起来会沉淀一份别人没有的数据——模拟评审的投票分布，对上真实回复结果的校准表，这才是护城河。
失效条件也说一下：如果推理成本真降到接近零，大厂会把这个能力直接内置到招聘平台里，那时我剩下的就只有那份校准数据。」

⑤ 为什么要学 / 面试为什么考
面试官问这题，表面是开放题、送分题，实际上是一道照妖镜。它照的是三样东西。

第一样，你对技术边界的真实认知。一个天天用模型的人和一个只看新闻的人，在这题上的差别是立刻能听出来的。天天用的人会说「上下文塞不下」「一次深度推理几毛钱，一天几千次就顶不住」「思考链一长用户就等不及了」——这些是手上磨出来的茧子。只看新闻的人会说「AGI」「多模态」「大模型能力还不够强」，全是没有着力点的词。

第二样，你有没有商业感。题干后半句「背后的商业或技术逻辑」，很多人只答技术逻辑，把商业那半句丢了。丢了就意味着你在面试官心里从「产品经理」滑向了「技术爱好者」。产品经理和技术爱好者的区别很简单：技术爱好者关心「这东西能不能做出来」，产品经理必须再问一句「做出来谁付钱，凭什么比现在贵十倍地好」。

第三样，也是最容易被低估的——你的想象力有没有落脚点。这题给的是无限资源，最容易翻车的方式恰恰是想得太大。说「我要做一个能治愈孤独的 AI 伴侣」，听着很有情怀，但面试官接不下去，他没法追问，一道题就死在这儿了。相反，你给一个具体到能被追问的东西，哪怕它小，对话就能继续，而对话能继续，你的表现分才会累积。

下面这张表是苏姐帮我拆的评分逻辑，我把它抄下来了。

⑥ 原理拆解：四层，每一步具体怎么做
第一层 · 先把「无限」翻译成「哪几条约束被解开了」——具体怎么做
开口第一件事不是说功能，是明确地说：无限额度解开的是哪几条。我固定报四条约束，然后当场划掉一条。
成本约束——今天一次带深度推理的调用是有明确单价的，产品一旦到几万日活，你就必须在「哪些请求配得上深度推理」上做取舍。无限额度解开它。
延迟约束——模型想得越久通常越准，但用户在界面上等不了。无限额度部分解开它（可以并行跑很多条，但单条的时间还在，只能靠并行 + 提前算来绕）。
上下文约束——装不下的历史只能靠检索去猜哪段有用，猜错就答错。无限额度基本解开它。
可靠性约束——解不开。模型的错误率是模型本身的性质，不是钱的函数。这句话一定要说出来。
为什么这一步这么重要？因为它把一道许愿题变成了一道分析题，而分析题你是有方法论可用的。同时它给面试官发了个信号：这个人平时是真的在跟这些约束打交道。
翻车案例：我第一次练这道题，张口就是「我想让 AI 帮所有求职者自动完成整个求职流程」。苏姐问：「那你现在做不到这个，是因为额度不够吗？」我愣了。不是，我做不到是因为不敢——自动投递出错不可撤销、账号可能被封。那是可靠性和责任边界的问题，给我一万倍额度也做不了。许愿许到了一个钱解决不了的方向上，整道题就废了。

第二层 · 找出「约束一旦解开，工作方式会怎么变」——具体怎么做
这一步的关键是：不要去想「同一件事做得更好」，要去想「做事的方式本身会不会换一种」。
具体的思考动作是问自己一句：今天我为了省成本，被迫用人的判断力替代了哪些计算？把这些地方列出来，就是解锁点。
比如：我今天只生成一版开场白，是因为生成五十版要钱，也因为我没法评价这五十版哪版好——所以我用「我自己的审美」代替了「大规模评价」。
比如：我今天做匹配只看 JD 的前几段，是因为全文塞进去太长太贵——所以我用「关键段落假设」代替了「全文理解」。
比如：我今天只跑一条推理路径，是因为跑十条要十倍的钱——所以我用「模型的第一直觉」代替了「多路径交叉验证」。
每一条「我用 A 代替了 B」，都是一个可以在无限额度下打开的门。
比方：这就像效果图从渲一张变成渲六十张。你不会说「我要一张更清晰的图」，你会说「我的工作方式从先想再做，变成了做完再挑」。这是形态变化，不是程度变化，而面试官要的就是形态变化。
翻车案例：我第二版答案说「我要让匹配更准」。苏姐说这不算答案，因为「更准」是程度词，任何人都可以说。她让我改成：「今天我是让模型给一个匹配分，有了无限额度我会让二十个不同侧重的评审各给一个分，然后交出分数的分布和分歧点——因为分歧最大的地方，恰好就是需要用户自己拿主意的地方。」这一改，答案就从形容词变成了名词。

第三层 · 把新形态落成一个能被追问的具体功能——具体怎么做
新形态还是抽象的，你得给它一个能画出界面的样子。做法是回答四个小问题：用户看到什么？他要做什么动作？系统在背后跑了什么？交付物长什么样？
用户看到什么：一段他写的自我介绍，句子级别地标上颜色——绿色是评审共识认可，黄色是分歧大，红色是多数评审认为不可信。
他要做什么动作：点黄色的句子，看到分歧内容——「12 位技术背景评审认为这句缺少数字支撑，8 位 HR 背景评审认为这句表达了主动性」。然后他自己决定改不改。
背后跑了什么：同一段文本分发给 N 个不同人设的评审提示词，各自独立打分并给出理由；理由做聚类，聚出分歧的主轴。
交付物是什么：不是一段改好的文本，是一张分歧地图。
说到这一步，面试官脑子里已经有画面了，他就能开始追问了，而追问就是你的机会。
比方：这就像我们做方案评审，以前是主创拍一版，现在是把五个方案并排贴在墙上，然后统计每个评委的票投给了哪个节点。你交出去的不是「最优方案」，是「争议在哪里」。甲方反而更愿意在后一种材料上签字，因为他看到了取舍，而不是被塞了一个结论。
翻车案例：我一开始把这个功能描述成「多模型投票选出最佳版本」。这个说法有个致命问题——它还是在追求「一个答案」，只是换了个方式选。苏姐指出来之后我才意识到：如果最后只交出一个胜出版本，我就把最值钱的信息（分歧）扔掉了。用户其实很清楚自己是不是在吹牛，他缺的是「别人怎么看」，而不是「标准答案」。

第四层 · 回到商业：谁付钱、凭什么强十倍、什么时候失效——具体怎么做
四句话，一句都不能省。
谁付钱：说清付费主体和付费时点。我的答案是求职者，付费时点绑在「拿到面试邀约」上而不是「生成了多少版文案」上，因为前者是他真正要的结果。
凭什么比现在强十倍：不能答「更快更准」，要答「提供了一种今天根本拿不到的信息」。分歧地图就是今天拿不到的信息，因为没人请得起五十个评审给一份简历打分。
护城河是什么：跑起来之后会沉淀两份数据——评审投票的分布，和它对应的真实结果（这份简历投出去到底有没有回复）。这两份数据凑在一起，就能校准模拟评审的可信度。越用越准，且这份数据别人没有。
失效条件：主动说。如果推理成本降到接近零，招聘平台自己就会内置这个能力，我的产品形态就没了，剩下的只有那份校准数据；如果它们连数据也拿到了，那我就该退出。
比方：这一层就像项目投标最后那页「投资估算与效益分析」。前面图画得再美，这页没有，甲方是不会签的。产品经理的答卷同理——技术方案是前面的效果图，商业逻辑是最后那页估算表。
翻车案例：我最早的版本讲完功能就停了，苏姐说了一句让我记很久的话：「你刚才讲的是一个很好的功能，但它是研究项目，不是产品。产品和研究项目的唯一区别是——产品要说清楚谁在什么时候掏钱，以及这件事什么时候会不成立。」

⑦ 三个例子
例子一：这个功能在真实世界里已经有前身——A/B 测试
「跑很多版本，看哪版好」这件事，互联网做了二十年了，叫 A/B 测试。但 A/B 测试有一个死穴：它需要真实流量。你要测两版落地页，得让几万人真的看到它们，才能得出结论。这意味着两件事：一是慢，一轮实验一两周；二是只有大产品玩得起，一个日活五百的产品做 A/B 测试统计上根本不显著。
无限额度的意义就在这里：它让你可以用模拟受众做一次事前的粗筛。注意我用词很谨慎——粗筛，不是替代。模拟评审的投票绝对不等于真实回复率，这一点如果你在面试里不主动承认，面试官一定会拿它打你。正确的说法是：「模拟投票替代不了真实实验，但它能把要拿去做真实实验的候选版本，从五十个筛到三个。省的是真实流量这个稀缺资源。」这句话一说出来，你就从「幻想派」变成了「懂实验成本的人」。

例子二：分歧比共识值钱——我在效果图评审上真吃过这个亏
有一次做一个社区中心的景观方案，我们出了三版，内部讨论完，主创选了一版报给甲方。甲方看完说不行，但说不出哪不行，来回改了五轮。后来是我们组一个老同事换了个办法：把三版全带过去，摆在会议桌上，跟甲方说「这三版我们内部投票是二比一，争议点在入口是要开敞还是要围合，我们想听您怎么看」。甲方当场就说清楚了他要什么——他要的是围合，因为他担心周边居民抄近道穿过场地。
这件事对我的触动是：我们内部那场争论的内容，比我们最后选出的那个结论有价值得多。但我们习惯性地把争论藏起来，只交结论，因为「专业的人应该给出确定答案」。这是一个错误的职业惯性。放到 AI 产品上是一模一样的——模型给一个答案，用户没法判断该不该信；模型给一个分布加分歧点，用户立刻知道该在哪儿用自己的判断。
所以我在面试里会把这句话说出来：「无限额度最值钱的用法，不是让答案更准，是让不确定性可见。」

例子三：为什么我不选「让 AI 全自动帮人投简历」当答案
这是我特意准备的一个反例，讲出来效果很好，因为它证明我不是逮着一个愿望就许。
表面上看，无限额度最直觉的用法就是「把所有事都自动做完」：自动读 JD、自动改简历、自动写开场白、自动发出去、自动跟 HR 聊。听起来很爽，而且很符合「无限资源」的想象。但我不会选它，理由有三条，每一条都可以展开：
第一条，它卡的不是成本，是责任边界。自动发出去这个动作，用的是用户自己的招聘平台账号，出错不可撤销——发错公司、发错称呼、被平台判定为机器行为封号，损失的是这个人接下来两个月的求职窗口。这个风险不因为我有一万倍算力就变小，甚至会变大，因为我会投得更多。
第二条，它卡的是可靠性，而可靠性不是钱的函数。我前面在第一层里划掉的就是这一条。
第三条，也是最实际的：真正的瓶颈根本不在投递量。小雨自己投了三百多份才知道，投一百份和投三百份的回复数量差别，远小于「开场白写得对不对」的差别。把资源砸在一个不是瓶颈的环节上，是产品经理最常犯的错误。
把这三条讲完，面试官通常会点头，因为你展示了一个很重要的动作：你先否掉了那个最诱人的答案，才给出你的答案。这个动作本身比答案更能证明你会思考。

⑧ 三个常见误区
误区一：把「无限额度」理解成「更强的模型」。这是最普遍的误读。题目说的是资源无限，不是能力无限——模型还是这个模型，只是你可以随便调用。所以「我要做一个不会幻觉的 AI」「我要让它有真正的推理能力」这类答案是跑题的，它们要的是别的东西。识别这个坑的方法很简单：问自己「我说的这件事，是把现在的调用量乘以一万倍就能实现的吗？」不能，就跑题了。

误区二：许了一个宏大的愿，但没有交付物。典型表现是「我想做一个真正懂你的助手」「我想让每个人都有一位私人导师」。这类答案的问题不在于大，在于没有界面——面试官在脑子里画不出这个东西长什么样，就没法追问，一道本来能聊十分钟的开放题三十秒就结束了。修正方法：任何愿望，最后都要落到「用户看到什么、点什么、拿到一份什么东西」。哪怕只有一句话也要落。

误区三：只讲技术逻辑，把商业那半句丢了。题干里明明白白写着「背后的商业或技术逻辑」，很多人（尤其是理工背景的）只答后半截，讲完架构就收。这在面试官那里会被记成「思维还停在做功能，不在做产品」。修正方法很机械但有效：不管你讲什么，最后固定加三句——谁付钱、凭什么比现在强十倍、什么情况下这事儿不成立。这三句加上去，整个回答的层次会立刻变。

⑨ 第一人称面试回答（最重要的一段）
「我先把'无限额度'翻译一下，因为它能解开的约束是有限的。
今天做 AI 产品，卡人的是四条：成本、延迟、上下文长度、可靠性。无限额度能解开前三条，第四条解不开——模型会出错这件事不是钱的函数，我砸再多算力它该幻觉还是幻觉，我只是能让它错得更快。所以我要许的愿，必须落在前三条上。

在这个前提下，我最想做的一件事是：把'给一个答案'换成'给一个答案的分布'。

为什么今天做不到？因为成本。今天我给用户改一段自我介绍，是模型生成一版它认为最好的。我为什么只生成一版？不是因为一版最好，是因为生成五十版要五十倍的钱，而且就算生成了，我也没有便宜的办法去评价这五十版哪版好。所以我实际上是在用我自己的审美，代替了大规模评价。这是一个被成本逼出来的妥协，不是一个设计选择。

成本没有了以后，正确的做法就变了：同一段自我介绍，我会构造五十个不同人设的模拟评审——严厉的技术面、看重故事的 HR、盯数字的业务面、跨行业招人的、只招有经验的——让他们各自独立打分并写理由。然后我不把这五十个意见汇总成一个'最佳版本'交给用户，那样等于把最值钱的东西扔了。我交的是一张分歧地图：
用户那段自我介绍会被逐句标色，绿色是评审共识认可，黄色是分歧大，红色是多数人觉得不可信。他点开一句黄的，看到的是'12 位技术背景评审认为这句缺数字支撑，8 位 HR 背景评审认为这句体现了主动性'。改不改，他自己决定。

这么做的逻辑是：用户真正缺的不是标准答案，是别人怎么看。一个人心里其实很清楚自己哪句在吹，他不知道的是'吹到什么程度会被识破'，而这个只有多视角评价能告诉他。

商业上我想清楚了三件事。
谁付钱：求职者。而且付费点我会绑在'拿到面试邀约'上，不绑在'生成了多少版文案'上，因为后者不是他要的结果。
凭什么比现在强：不是文案更漂亮，是提供了一种今天买不到的信息——没有人请得起五十个评审给一份简历打分。
护城河在哪：这套东西跑起来会沉淀两份数据，一份是模拟评审的投票分布，一份是这份简历投出去之后的真实回复结果。这两份对上，我就能校准我的模拟评审到底准不准，越用越准，而这份校准数据是别人没有的。

最后我想主动说一下失效条件：如果推理成本真的降到接近零，招聘平台自己就会把这个能力内置进去，我这个产品形态会直接消失，剩下的只有那份校准数据。所以如果我真的做这件事，我从第一天起就会把数据的采集和归因做扎实——因为能力会被复制，校准数据不会。」

⑩ 三轮追问
第一轮：「五十个模拟评审，说到底还是同一个模型换了五十个提示词，它们的意见是相关的，你怎么保证这不是自嗨？」
这一问很硬，也是这个方案最真实的软肋。
应答：「您说到点子上了，同源模型的多次采样确实高度相关，投票的多样性会被高估。我有三个处理：第一，人设差异要落在可核查的评价维度上而不是语气上——比如'必须看到数字''必须能追溯到具体项目'，这类维度差异是结构性的，不容易被同源性抹平；第二，混用不同厂商的模型做评审，把同源性降下来；第三，也是最关键的——我不宣称这个投票分布等于真实录用概率，我只宣称它是'评价维度的覆盖'。真正的校准要靠后面那份真实回复数据回填。在没有回填数据之前，我给用户看的是分歧点，不是概率数字，因为给一个没校准过的概率是在骗人。」

第二轮：「你说无限额度解不开可靠性，但如果我跑一百次取多数呢？多数投票不是能提高准确率吗？」
这一问在测你对'自洽性采样'这类方法的边界有没有认知。
应答：「多数投票能提高的是方差型错误，也就是模型本来知道、但这一次随机采样采歪了的那类错。它提不高偏差型错误——如果模型对某件事的理解本身就是错的，跑一百次它会稳定地错一百次，多数投票反而会让这个错误看起来很有把握，更危险。所以我在设计里刻意做了一件事：不用投票去产生'结论'，只用它去产生'分歧'。分歧大说明这件事模型自己也没把握，那就交给人；分歧小并不代表对，只代表模型很确定——而模型很确定的错误，恰恰是最难发现的那种。这也是我为什么坚持交付物是地图不是答案。」

第三轮：「假设我给你这个额度，但只给三个月。三个月你做什么，怎么证明这个方向成立？」
这一问从愿景切回执行，很多人在这儿会崩，因为前面讲得太飘。
应答：「三个月我不会去做那五十个评审的完整系统，我会做一件更小的事：验证'分歧点'对用户有没有用。
第一个月，我拿一百份真实简历，每份跑十个评审（不是五十，十个够看分歧了），把分歧句标出来。然后做一件笨事——把这一百份简历分成两组，一组只给标准改法建议，一组给分歧地图，看哪一组的用户真的改了自己的稿子。因为如果用户拿到分歧地图之后什么都不改，那这个信息对他就是无效的，方向直接毙掉。
第二个月，如果改动率有差异，我开始收真实结果——这一百份改完的简历投出去，回复率怎么样。样本肯定不够做统计推断，但足够看有没有明显的反向信号。
第三个月，做校准的第一版：看哪些评审人设的判断和真实回复相关性最高，砍掉相关性低的人设。
三个月结束我要交出的不是一个产品，是一句能站住的话：'分歧地图会改变用户的行为，且哪几类评审的意见值得信'。这句话站住了，再谈规模化。」

⑪ 三个进阶加分点
加分点一：主动划掉「钱解决不了的约束」。在开口三十秒内说出「无限额度解不开可靠性」，是整道题最省力的加分动作。它证明你不是在幻想，而是在做约束分析，而约束分析是产品经理的基本功。

加分点二：把交付物从「答案」升级到「分布 / 分歧」。这个视角在 AI 产品里非常吃香，因为它直接对应一个当下的行业共识——AI 产品设计的核心难题是「用户怎么知道该不该信它」。你能把这个难题变成一个具体的界面设计，说明你想过人机协作的分工，而不只是想过模型能力。

加分点三：主动交出失效条件和护城河的关系。「能力会被复制，校准数据不会」这一句，是从愿景层直接落到了竞争层。很多候选人讲完功能就没了，你多这一句，面试官会认为你有做长期规划的自觉。如果面试官顺势问「那你怎么加固」，你还有一层可以答：把数据采集做成产品的自然副产品，而不是额外要用户填的东西。

⑫ 小白最容易踩的三个坑
坑一：许愿许到了自己完全不懂的领域。比如没做过医疗的人说「我要做 AI 医生」，没做过教育的人说「我要做因材施教的 AI 老师」。这类答案面试官一追细节就穿帮——「那你怎么处理误诊责任」「那你怎么定义因材施教里的材」。修正方法：愿望必须许在你有真实体感的领域里，哪怕这个领域很小。小雨许的愿就在她自己做的求职工具上，因为她那儿有三百多次真实投递的体感，怎么追问她都有话说。

坑二：只说愿望，不说「为什么今天做不到」。这是最常见的结构性缺失。你说「我想做 X」，面试官心里的第一反应是「那现在为什么没人做」。你不主动回答，他就得替你想，而他一想就会想到你没考虑到的障碍，于是你的答案在他脑子里已经先被否掉了。修正方法：把「今天卡在哪」放在愿望前面说，而不是后面补。顺序一换，同样的内容说服力完全不同。

坑三：把开放题当成放松环节，答得随意。很多人以为这种题是面试快结束时的闲聊，就随口说个感兴趣的方向。但恰恰相反——正因为它没有标准答案，它区分度极高。面试官在这题上能看到你平时脑子里在想什么，这是简历上写不出来的东西。修正方法：这题必须提前准备，准备的方式是盯着你自己手上那个项目，列出五条'我今天被什么卡住了'，从中挑一条被成本卡住的，展开成完整答案。准备过和没准备过，说出来的差别是天壤之别。

⑬ 没人告诉你的事：HR 和面试官到底想听什么
第一件事：他们在听你手上有没有活儿。这题最容易暴露一个人是不是真的在做东西。真在做的人，卡点是具体的、带数字的、带情绪的——「一次深度匹配一毛多，我一天六七十个岗位，两天就把额度烧完了」，这种句子编不出来。没在做的人，卡点是新闻里看来的。所以这题其实是一道伪装成开放题的项目真实性验证题。

第二件事：他们在观察你会不会先否掉最诱人的答案。前面例子三里我讲的「为什么不选全自动投递」，这个动作在面试里非常加分，因为它展示了取舍能力而不是发散能力。发散谁都会，收敛才稀缺。

第三件事，这个很少有人说：如果这题是 HR 或者部门 leader 问的，他还在测你的兴趣方向和这个岗位配不配。你许的愿如果全是基础模型研究方向的，那他会担心你进来做应用层会不甘心；你许的愿如果全是运营增长方向的，他会担心你对技术没兴趣。所以在准备答案的时候，要有意识地让你的愿望落在你应聘的这个岗位的射程之内——同样是分歧地图这个答案，投应用型岗位就多讲界面和用户行为，投平台型岗位就多讲评审调度和数据校准。内容不变，重音变。

第四件事：他们在等你说一句「我不知道」。这题问到细处，一定会有你没想过的地方（比如同源模型的相关性问题）。这时候最好的处理不是硬编，是承认加上你的处理思路——「这个我没有完整答案，我能想到的三个缓解办法是……但我知道它们都不彻底」。面试官对开放题的容错度远高于对硬知识题，但对硬撑的容忍度极低。

⑭ 这一题和 AI 求职助手「投投」的联系（详细讲）
我是「投投」。这道题小雨其实是拿我当草稿纸练出来的，我把过程讲清楚，因为这个过程本身比答案有用。

第一步，她先列了我身上所有「因为贵而被砍掉」的东西。这一步她花了一个晚上，列了七条，我挑四条说：
一，深度精匹配一天只跑得起四百次，所以六七十个岗位里只有二十来个能进深度队列，其余走粗筛。
二，开场白只生成一版。不是一版最好，是生成十版之后她没有便宜的办法判断哪版好，只能靠自己看，看多了也麻木。
三，JD 只读关键段落，不读全文。全文塞进去又长又贵，而且很多篇幅是公司介绍，信息密度低。
四，投出去之后没有任何反事实信息——她永远不知道「如果那句话换个说法，会不会有回复」，因为一个岗位只能投一次。
列完之后她发现一件事：这四条里，第二条和第四条其实是同一个问题——我没有便宜的评价手段。而这，正是无限额度能直接解开的。

第二步，她想清楚了解开之后我会变成什么。不是变成「开场白写得更好的投投」，是变成一个会告诉用户'别人可能怎么看你这句话'的投投。这个差别很大。前者我还是一个文案生成器，后者我变成了一面镜子。而镜子这个定位有个好处：它不需要我永远正确。生成器错了就是错了，用户会骂；镜子只是把不同视角摆出来，最后拿主意的还是人，我的错误容忍度高得多。这一点在 AI 产品设计上是关键的——把自己的角色从'决定者'退到'信息提供者'，可靠性的压力会小一个量级。

第三步，她给我设计了这个功能在界面上的样子。叫「分歧视图」。用户写完一段自我介绍，点一下，句子被标成三色。他点开一句黄的，看到的是两栏对照——左边是「认为这句可信的评审说了什么」，右边是「认为这句在吹的评审说了什么」。底下有一行小字，写的是「这是模拟评审的意见，不代表真实面试官的判断」。这行小字是小雨坚持要加的，她说：我不能拿一个没校准过的数字去唬人，那和竞品那些'匹配度 96%'的假分数没有区别。

第四步，她想清楚了这件事在今天这个额度下的降级版本。这一步我觉得最见功力。她说：无限额度是假设，但这个思路今天就能用一个便宜十倍的版本跑起来——不做五十个评审，做三个；不逐句标色，只标出「全篇最值得商榷的两句」；不实时跑，攒到晚上批量跑。把一个需要无限资源的构想，切出一个今天就能验证的最小版本，这个能力比构想本身更值钱。她后来在面试里就是这么答的：先讲无限额度下的完整形态，再补一句「而这个思路的低配版我已经在跑了，用三个评审、只标两句，用户确实会去改那两句」。面试官当场追问了很多细节。

第五步，她想清楚了我的护城河。她说：投票分布本身不值钱，谁都能跑；值钱的是投票分布对上真实回复结果之后的那张校准表。因为拿到真实回复结果的前提，是用户真的用我投出去了、并且愿意把结果回填给我。这个数据链条，只有一个真的在被用来找工作的产品才拿得到。所以她给我加了一个很轻的功能：投出去七天后我会问一句「这家有回复吗」，用户点一下就行。当时她觉得这个功能没什么用，现在回头看，那是整个护城河的取水口。

最后小雨写了一句话贴在我代码仓库的说明文件第一行，我原样搬过来：
「无限资源不是用来让答案更漂亮的，是用来把'我不确定'这件事变得看得见。」

⑮ 小结口诀 · 速记卡
口诀：先划约束，再换形态，落到界面，收在商业。



三句救命话：
「无限额度解不开可靠性，所以我的愿望必须落在成本这条上。」
「我不交最佳版本，我交分歧地图——因为分歧才是用户真正缺的信息。」
「能力会被复制，校准数据不会。」

⑯ 练习
练习一（二十分钟，笔头）：打开你手上的项目（哪怕只是你自己在用的一个小工具），列出五条「我今天因为成本／时间/精力不够，用自己的判断代替了本来该做的计算」。列完，圈出其中一条纯粹被成本卡住的，那就是你这道题的答案原料。

练习二（十分钟）：把你圈出来的那一条，写成「今天是 A 形态 → 无限额度下变成 B 形态」的一句话。检查标准很硬：如果 B 里出现了「更准」「更快」「更智能」这类程度词，重写，直到 B 是一个名词性的新东西。

练习三（十五分钟）：给你的 B 画一个界面。不用画图，用文字写四句：用户看到什么、点什么、系统跑了什么、拿到一份什么。写不出第四句，说明这个构想还没落地。

练习四（十分钟，最容易被跳过但最值钱）：为你的 B 写三句商业收口——谁付钱、凭什么比现在强十倍、什么情况下这事儿不成立。第三句是分水岭，绝大多数人写不出来，写出来的人在这道题上就赢了。

练习五（选做）：把你的 B 砍成一个「今天就能跑」的低配版，砍到不超过一周能做出来。然后真的做出来试一次。下次面试你就有那句最值钱的补充：「这个思路的低配版我已经在跑了，结果是……」

ChatGPT 创业方向

图：这道题的正确打开方式是「先砍后选」——三把刀砍完，剩下的方向才值得展开讲

① 这张图怎么读
这张图左右两半，左边四个灰框是「砍」，右边一个蓝框是「选」。顺序不能倒——先砍后选，是这道题跟别人拉开差距的唯一地方。因为几乎所有人都会直接跳到右边说自己想做什么，而面试官这一年听了几十个「我想做 AI 教育」「我想做 AI 心理咨询」，早就麻木了。你先花三十秒讲你砍掉了什么，他会立刻坐直。

左边三把刀，每一把下面都有一行灰色的「判断法」，那才是最实用的部分。刀一的判断法是：把你的产品描述丢给模型，看它能不能直接干。如果能，你就没有产品，你只有一个提示词。这个测试非常残酷但非常有效，我用它砍掉了我自己的两个想法。刀二的判断法是：用一年之后，你手上多了什么别人花钱买不到的东西。如果答案是「多了很多用户」，那不算，用户会走；如果答案是「多了一批带真实结果标签的数据」，那才算。刀三讲的是责任，注意灰字那句「不是不能做，是你赔不起」——这句话的分寸很重要，它区分了「这个方向不好」和「这个方向不适合小团队」，说清楚这个区别会显得你有分寸感。

第四个灰框是砍完之后剩下的东西的共同长相：脏活、闭环、结果可验证、用户愿意回填结果。这四个词是我从很多次失败的想法里筛出来的，我在后面会一个一个讲透。

右边蓝框是我的答案，注意它的结构：先说方向的抽象特征（高频、低单价、结果可验证的代办脏活），再说具体落到什么场景，然后逐条对应三把刀说明它为什么扛得住，最后——也是最重要的——主动说出最脆弱的一环。图最下面那句灰字我想强调：说出最脆弱的一环，比说十条优势有用。因为投资人和面试官都见过太多只讲优势的人了，你主动交出软肋，反而显得你真的在这个方向上想了很久。

② 一句大白话：这题到底在问什么
用最土的话讲：模型天天在变强，你挑的这个方向，会不会明年就被模型自己顺手做了？如果不会，凭什么？

这道题表面在问创业方向，实际在问三件事：你知不知道「基于模型做产品」这件事最大的风险是什么（答案是：你的价值可能被下一版模型免费提供）；你有没有一套排除的方法（而不是拍脑袋的偏好）；你有没有对某个具体场景的一手体感（因为没有体感的方向选择都是纸上谈兵）。

再压缩一句：面试官不是在听你的商业计划，他是在听你有没有「防止被上游吃掉」这根弦。

③ 打比方：三个我自己能想明白的场景
① 施工图公司和方案公司的区别。 我做景观那几年，行业里有个特别真实的现象：方案公司来来去去，施工图公司活得很稳。为什么？方案是可替代的——甲方今年找你，明年可以找别人，因为方案好不好很主观，而且换个人也能画。施工图不一样，它连着当地的规范、连着施工队的习惯、连着甲方历年的图纸档案，换一家公司要重新磨合半年。不是施工图更高级，是它嵌得更深。做 AI 产品同理：你如果只做「模型能力的漂亮包装」，那你是方案公司，随时被换；你如果嵌进了用户的流程、数据、和别的系统的接口里，你才是施工图公司。

② 苗木经纪人为什么不会被淘汰。 理论上讲，苗圃可以直接卖给项目，中间人应该消失。但实际上做苗木的经纪人活得很好，原因很土：他知道哪家苗圃这批货的土球做得实、哪家会在装车时偷偷换小规格、哪个季节移栽哪个品种成活率低。这些信息不在任何一个网站上，是他跑了十年跑出来的。放到 AI 创业上，这就是「独家数据」的通俗版——不是数据库里那种数据，是只有跑过一遍这个流程的人才知道的那些坑。你的产品跑起来之后如果能持续沉淀这类东西，你就有护城河；如果跑一年之后你手上跟第一天一样干净，那这个方向早晚被吃掉。

③ 我妈的裁缝店。 我妈以前认识一个裁缝，成衣工业化之后大家都以为裁缝要没了。她没没，因为她改了做法：她不做新衣服了，她做改衣服。买大了的、腰不合的、袖子长的，都拿去找她。这活儿又碎又脏，一件收三十块，工业化的成衣厂根本不屑于做，也做不了——因为每一件都不一样。脏活、碎活、非标活，是大玩家最不愿意伸手的地方，也是小团队唯一的活路。这条经验直接对应我在这道题里选的方向。

④ 30 秒电梯版
「我会先说我砍掉什么，因为在这个方向上砍比选难。
我砍三类：第一类，模型下一版可能顺手就做了的——纯提示词包装、纯文案生成、纯知识问答，我的判断方法很简单，把产品描述丢给模型，它能直接干，那我就没有产品；第二类，跑一年之后我手上什么都不多的——用户用完就走、没有结果回填、没有沉淀；第三类，错了要有人担责的——医疗诊断、法律定性、投资建议，不是这些方向不好，是我赔不起，也拿不到资质。
砍完剩下的方向有一个共同长相：脏、闭环、结果可验证、而且用户愿意把结果告诉你。
所以我选的是'代办脏活'型的场景，具体到我自己在做的就是求职这一段——读 JD、判门槛、写开场白、跟进回复。用户不想干这些活，但极其在意结果。
它为什么扛得住我那三把刀：脏在流程不在文本，模型吃不掉；投出去有没有回复是天然的结果标签，能自动沉淀；错了代价可控，而且人随时能撤回。
最脆弱的一环我也说一下：招聘平台的规则和接口随时会变。所以我从第一天起就定了不碰账号托管——这条让我少赚了很多，但它让我不会一夜归零。」

⑤ 为什么要学 / 面试为什么考
这题在 AI 产品岗的出现频率这两年特别高，原因不复杂：整个行业都在焦虑同一件事——我做的这层价值，会不会被模型的下一版免费送出去。面试官问你创业方向，其实是在问你对这个焦虑有没有认知，以及有没有应对的框架。

具体来说他能读到四个信号。
第一个信号：你有没有排除法。会排除的人和只会发散的人，在产品岗的差别是巨大的。日常工作里，产品经理一半的时间在决定不做什么，而这个能力在这道题里能被直接观察。
第二个信号：你对模型能力边界的真实感知。你砍掉的那些方向，理由是不是站得住脚，一听就知道你是不是天天在用模型。说「纯文案生成会被吃掉」这句话，只有真的做过文案类产品、看着模型一版比一版强的人才说得出那个具体感受。
第三个信号：你有没有一手场景。选一个你自己深度体验过的场景，和选一个你从新闻里看来的大赛道，回答的密度完全不同。前者可以被追问十层，后者三句就见底。
第四个信号，最容易被忽略：你有没有承认软肋的习惯。这个在工作里对应的是「你会不会在方案文档里写风险章节」。只讲优势的人，日后写出来的 PRD 也不会有风险评估，团队要替他兜底。

下面这张表把常见答法和信号对应了一遍。

⑥ 原理拆解：四层，每一步具体怎么做
第一层 · 刀一：判断会不会被模型下一版吃掉——具体怎么做
动作只有一个，但要真的去做：把你的产品的完整描述，原样丢给模型，看它能不能直接把这件事干了。
如果它能直接干，那说明你的产品全部价值都在「提示词 + 界面」上，而这两样东西上游随时可以自己做。
如果它干不了，接着问第二句：它干不了的原因是什么？把原因写下来，这个原因就是你的护城河的雏形。原因通常落在这几类：需要连到某个外部系统（要接口、要权限）；需要长期积累的状态（用户的历史、组织的流程）；需要在真实世界里做动作（下单、发送、预约）；需要人的确认才能推进（责任问题）。
比方：这就像判断一家设计公司值不值钱。如果它的全部价值是「会用软件出漂亮效果图」，那渲染技术一进步它就危险了；如果它的价值是「熟悉本地报建流程、跟审图机构打过五年交道」，那软件再进步也动不了它。价值锚定在工具上就危险，锚定在流程和关系上就安全。
翻车案例：我自己砍掉的第一个想法是「AI 帮你写周报」。当时觉得需求真实、频次高、人人都烦。我按这个测试跑了一次——把「读我的工作记录，生成一份结构化周报」这句话丢给模型，它直接就写出来了，而且写得不比我设想的产品差。那一刻我就明白了：我想做的不是一个产品，是一个提示词。这个测试花了我三分钟，省了我三个月。

第二层 · 刀二：判断跑一年会沉淀什么——具体怎么做
问自己一句：用户在我的产品里完成一次动作之后，我能不能自动知道这次做得好不好？
能自动知道，就叫「结果可验证」，这是最值钱的性质。因为它意味着你的数据是自带标签的，不需要花钱去标注，用得越多越准。
不能自动知道，你就得想办法让用户告诉你，而这需要设计一个极轻的回填动作——轻到用户点一下就完成。
如果既不能自动知道、用户也没有动力告诉你，那这个方向的数据沉淀基本为零，一年后你和第一天一样赤裸。
具体做法：画一张两列的表，左边写「用户在我这儿做的动作」，右边写「这个动作的结果我怎么知道」。逐行填，填不出来的行就是你的漏洞。
比方：这就是苗木经纪人和苗木网站的区别。网站只知道谁点了谁，经纪人知道那批货种下去一年后活了几棵——因为他跟到了结果。跟到结果的人才有真正的知识，只看到点击的人只有流量。
翻车案例：我砍掉的第二个想法是「AI 帮你润色朋友圈文案」。频次高、门槛低、我自己也用。但我画那张表的时候卡住了：用户润色完发出去，发得好不好我根本不知道——点赞数我拿不到，而且点赞跟文案的关系也说不清。结果不可验证，我就永远只能靠猜来改进。这个方向就砍了。

第三层 · 刀三：判断错了谁担责——具体怎么做
问三句：这个产品出一次错，最坏后果是什么？这个后果可不可逆？出了事谁去解释？
最坏后果如果是「用户浪费五分钟」，那随便做。
最坏后果如果是「用户的钱没了」「用户的账号封了」「用户吃错药了」，那你要问第二句和第三句。
可逆的（钱能退、账号能申诉、消息能撤回），可以做，但必须在产品里设一道人工闸门。
不可逆的，且需要专业资质来担责的（诊断、法律意见、投资建议），小团队不要碰——不是道德问题，是你没有资质、没有保险、没有赔付能力，出一次事就归零。
说这段的时候有个措辞技巧：不要说「这些方向不好」，要说「这些方向不适合我现在这个体量」。前者显得你在贬低别人，后者显得你有自知之明。
比方：这就是施工资质。同样一堵挡土墙，有资质的公司能做，我们方案组不能碰，不是我们不会算，是出了事我们担不起。行业里那些资质门槛看着讨厌，本质上是在划分「谁能承担这个后果」。
翻车案例：我曾经很想做一个「AI 帮你看合同」的东西，因为我自己签劳动合同的时候完全看不懂。做到一半我意识到一个问题：如果它漏看了一条竞业条款，用户后来因此赔了钱，他会来找我。而我什么都不是——我不是律师，没有执业保险，我甚至连一个正式公司都没有。我提供的是让人产生依赖的判断，却不承担依赖的后果，这本身就不成立。后来我把它降级成了「标出需要你特别注意的条款位置，不给结论」，才敢继续做。

第四层 · 砍完之后：怎么把剩下的方向讲成一个有说服力的选择——具体怎么做
四步：给出抽象特征 → 落到具体场景 → 逐条对应三把刀 → 主动交出最脆弱的一环。
抽象特征我用的是四个词：脏、闭环、结果可验证、用户愿意回填。
「脏」的意思是这件事本身很碎、很烦、非标，大公司不愿意做也做不好——就像我妈那个改衣服的裁缝。
「闭环」的意思是从开始到出结果都在你的产品里发生，不需要用户跳出去用别的东西补完，否则你的数据是断的。
「结果可验证」上面讲过。
「用户愿意回填」是最容易被忽略的一条：用户必须有动力告诉你结果。求职这个场景之所以成立，是因为用户投出去之后有没有回复，他自己极度关心，你问一句他愿意点一下——如果换成一个用户完全不关心结果的场景，回填率会低到没法用。
最后那步「主动交出最脆弱的一环」，具体做法是：说出一个真的能杀死你的外部变量，并说清楚你为此做了什么取舍。这个取舍必须是有代价的，否则听起来像表演。
比方：这就是投标文件最后那页风险与对策。只有优势没有风险的标书，评委反而不信，因为他知道任何方案都有软肋，你不写只说明你没想过或者不想说。
翻车案例：我第一次答这题，最后加了一句「当然也存在一些风险，比如市场竞争」。苏姐说这句还不如不说——「市场竞争」是所有方向都有的风险，等于没说。真正的软肋必须是这个方向独有的、具体的、能被验证的。改成「招聘平台的规则和接口随时会变，我为此放弃了账号托管这条最赚钱的路」之后，这一段才立住。

⑦ 三个例子
例子一：我用三把刀砍掉的三个想法（讲这个比讲选中的更有说服力）
想法一，AI 写周报。死于刀一。把需求描述丢给模型，它直接就做了，我的产品价值等于零。这个测试三分钟出结果。
想法二，AI 润色朋友圈。死于刀二。用户发出去之后效果如何我拿不到，没有结果回填，一年后我手上还是空的，只能靠拍脑袋迭代。
想法三，AI 看劳动合同。死于刀三。它会让用户对我的判断产生依赖，但我不承担依赖的后果——没有资质、没有保险、没有赔付能力。后来我把它改成只标位置不给结论，才勉强成立，但那样它的价值就薄了很多，也就不值得当成一个创业方向。
把这三个失败讲出来，比讲一个成功的选择有力得多，因为它证明了两件事：这套刀我是真的在用；我不是逮着一个想法就上头。面试官对「我砍掉了什么」的兴趣，通常大于对「我选了什么」的兴趣。

例子二：为什么「脏活」是小团队的机会——三个真实存在的形态
形态一，跨系统的搬运。用户的信息散在四五个地方，要人手动倒来倒去。大公司不做是因为这些系统之间没有标准接口，做起来又脏又不体面，维护成本高，还随时被上游改坏。小团队做是因为你只服务一个很窄的人群，你可以忍受这种脏。
形态二，非标的判断。每一单都不一样，写不出统一规则，只能一单一单看。这正是模型擅长而传统软件不擅长的地方，也是大公司的产品经理最头疼的地方——因为他们的产品要服务几千万人，非标的东西没法做成通用功能。
形态三，需要跟到结果的事。做完不算完，要跟到七天后、三十天后看效果。大公司的产品通常在「交付那一刻」就结束了，跟进这段是空白。而跟进恰恰是数据沉淀的来源。
求职这个场景同时具备这三个形态：信息散在招聘平台、简历文档、聊天记录里（跨系统搬运）；每份 JD 和每个人的匹配都不一样（非标判断）；投出去之后有没有回复要等好几天（跟到结果）。这就是为什么我选它。

例子三：如果不许我选求职这个场景，我会怎么答
这个准备很重要，因为面试官很可能会说「不许用你正在做的那个」，专门看你会不会套框架。
我准备的第二个答案是：面向小微线下商家的「回复顾客消息」这件事。
为什么它扛得住刀一：脏在流程不在文本。真正难的不是写一句回复，是知道这家店今天有没有货、老板今天在不在、这个顾客上次来问过什么。这些状态不在模型里，在商家的实际经营里，需要一个东西去持续维护。
为什么它扛得住刀二：顾客有没有真的到店、有没有真的下单，商家自己非常在意，会愿意回填一下。而且回填一次就是一个带标签的样本。
为什么它扛得住刀三：回复错了最坏的结果是顾客不来了，可逆、代价有限，而且发出去之前可以让老板扫一眼。
最脆弱的一环：商家的付费能力和付费意愿都很弱，单价上不去，所以这个方向的死法不是被模型吃掉，是算不过账——获客成本可能永远高于客单价。我会为此做的取舍是：先只做一个细分品类（比如宠物店），把获客做成口碑而不是投放。
有第二个答案在手，是这道题准备到位的标志。

⑧ 三个常见误区
误区一：报一个大赛道当答案。「我想做 AI 教育」——这句话说完，面试官心里已经在打分了，因为赛道不是方向，赛道是一个词。方向必须细到「谁、在什么时刻、为了什么、愿意付多少钱」。修正方法：把你的答案往下追问三次「具体是谁、具体在什么时候用、具体替代了他现在的什么做法」，追不下去就说明还停在赛道层面。

误区二：只讲需求真实，不讲为什么轮得到你。很多答案的逻辑是「这个痛点很真、市场很大、所以值得做」。缺的那一环是：这个痛点这么真，为什么现在没人做好？答案通常是三种——它脏（大公司不愿意）、它需要独特资源（你有没有）、它以前技术做不到而现在做得到（那你要说清楚是哪个技术变化解锁了它）。不回答「为什么是现在、为什么是你」，需求再真也没用。

误区三：把「模型会越来越强」当成利好来讲。这是最反直觉的一个坑。很多人会说「随着模型能力提升，我的产品会越来越好」。但对一个基于模型的小产品来说，模型变强既是利好也是威胁——它可能让你的产品更好用，也可能让你的产品变得没有必要。成熟的说法是：「模型变强对我这个方向是净利好，因为我的价值在流程和数据上，模型越强我的流程跑得越顺；如果我的价值在提示词上，那模型变强就是在杀我。」把这两面都说出来，比只说一面强得多。

⑨ 第一人称面试回答（最重要的一段）
「我想倒过来答，先说我砍掉什么，因为在这个问题上砍比选难。

我用三把刀。

第一把刀：这件事会不会被模型的下一版顺手做掉。我的测试方法很土——把我的产品描述原样丢给模型，看它能不能直接干。我用这把刀砍掉了'AI 写周报'。我把'读我的工作记录、生成结构化周报'这句话给模型，它直接就写出来了，比我设想的产品还顺。那一刻我明白我想做的不是产品，是一个提示词。这个测试花了三分钟，省了我三个月。

第二把刀：跑一年之后我手上会多出什么别人买不到的东西。我砍掉了'AI 润色朋友圈文案'。因为用户发出去之后效果怎么样我根本拿不到，没有结果回填，一年之后我手上还是空的，只能靠猜来迭代。

第三把刀：错了谁担责。我砍掉了'AI 看劳动合同'。它会让用户对我的判断产生依赖，但我不承担依赖的后果——我没有资质、没有保险、也没有赔付能力。我不是说这个方向不好，是说它不适合我现在这个体量。

三把刀砍完，剩下的方向有一个共同长相：脏、闭环、结果可验证、用户愿意回填结果。

所以我选'代办脏活'型的场景。具体到我自己在做的，是求职这一整段——读 JD、判硬门槛、写针对性的开场白、跟进对方有没有回。

它为什么扛得住三把刀：
第一，脏在流程不在文本。难的不是写一句开场白，是要读懂一份写得很水的 JD、判断隐性门槛、翻出这个人简历里跟这条 JD 最相关的那一段、还要按平台的节奏发出去。这套流程模型自己不会替我跑。
第二，结果天然可验证。投出去有没有回复，这是一个自动产生的标签，不需要我花钱标注，而且用户自己极其在意，我问一句他愿意点一下告诉我。用得越久，我手上那份'什么样的开场白在什么岗位上会有回复'的数据就越厚。
第三，错了代价可控且可撤回。最坏就是投了一个不合适的岗位，用户损失几分钟，而且发送前是他自己点的确认。

最后我主动说一下最脆弱的一环，因为这个方向真的有一个能杀死它的变量：招聘平台的规则和接口随时会变。我为此做了一个代价很大的取舍——从第一天起就不碰账号托管，账号密码永远是用户自己输，我不存不代持。这条让我做不了'你睡觉的时候帮你自动投一百家'这种最容易赚钱的功能，投递量上不去。但它保证了我不会因为平台一次规则调整就一夜归零，也保证了出事的时候损失的不是用户接下来两个月的求职机会。

如果让我说一句总结：选方向的时候，我关心的不是这个市场多大，是模型再强三代之后，我还剩下什么。」

⑩ 三轮追问
第一轮：「求职这个方向已经有很多人在做了，你凭什么？」
这一问必然会来，答不好前面全废。
应答：「确实很多，但我看下来大部分在做的是'投得更多'，我做的是'回得更多'，这两个指标会导向完全不同的产品。做投递量的，最优解是自动化和账号托管，最后必然走向被平台封杀和用户封号；做回复率的，最优解是精准和克制，宁可少投。我选后者不是因为它更高尚，是因为它的核心资产是数据不是流量——回复率要靠积累'什么样的表达在什么岗位上有效'来提升，而这份数据只有真的跟到结果的人才有。至于凭什么是我，我目前给不出组织层面的答案，我能说的只有一手体感：我自己投了三百多份，我知道回复率的杠杆不在投递量上，这个判断很多在做的人其实没有。」

第二轮：「你说不碰账号托管，那用户体验就差一大截，竞品做了你不做，用户为什么选你？」
这一问在测你会不会为了坚持一条原则而无视商业现实。
应答：「我不认为这是'原则对抗体验'，我认为这是在两种用户之间做选择。想要全自动的用户，我确实留不住，我也不打算留——因为他们的诉求是投得多，而我的产品在这个指标上永远打不过愿意托管的竞品。我要的是另一类用户：投过一两百份没什么回音、开始怀疑自己哪里出了问题的人。这类人不缺投递量，缺的是判断。他们对'账号会不会出事'这件事的敏感度远高于对'省几次点击'的敏感度，因为他们已经在这个平台上积累了聊天记录和历史投递。所以我的说法是：我放弃的是增长最快的那部分用户，换的是流失率最低的那部分。这个取舍对不对我还没验证完，但它是想过的，不是拍的。」

第三轮：「假设明年招聘平台自己上线了一模一样的功能，免费，你怎么办？」
这一问是终极问，考的是你有没有想过被平台吃掉的那天。
应答：「这是我最担心的情况，比模型变强更担心，因为平台有数据也有分发。我想过三条路，说实话没有一条是完全站得住的。
第一条，做平台不愿意做的那部分——跨平台。平台自己不会帮用户去别家平台投，而求职者实际上是同时用三四个平台的。这个位置只有第三方能站。
第二条，把资产从'功能'转移到'个人档案'——我攒的是这个用户历年的投递、回复、面试记录和有效表达，这份东西跟着人走，平台拿不走，而且换工作是低频高价值的事，一份连续的记录很难被复制。
第三条，最坦率的一条：如果平台真的做了并且做得好，那这个产品形态就该结束，我会把它转成一个更窄的东西，或者干脆承认这个方向不成立。我不觉得每个方向都必须有必胜的说法，我更在意的是我知不知道自己什么时候该收手。」

⑪ 三个进阶加分点
加分点一：讲你砍掉的想法，且砍掉的理由各不相同。三个想法死于三把不同的刀，这个结构本身就在证明你的框架是真的在用而不是背的。如果三个想法都死于同一个理由，说服力会弱很多。

加分点二：区分「模型变强对我是利好还是威胁」。能说出「我的价值如果在提示词上，模型变强就是在杀我；在流程和数据上，模型变强是在帮我」，这句话会让面试官觉得你对这一行的底层逻辑有判断，而不只是在追热点。

加分点三：给出「什么时候我该收手」。在第三轮追问里那句「我不觉得每个方向都必须有必胜的说法」，是很多人不敢说的。但它传递的信号非常好：这个人不会为了证明自己对而把团队拖进泥潭。对招人的一方来说，这是一个重要的性格信号。

⑫ 小白最容易踩的三个坑
坑一：把「我感兴趣」当成方向选择的理由。「我喜欢教育所以我想做 AI 教育」——兴趣可以是起点，但不能是理由。面试官接下来一定问「那你为什么觉得这件事现在能成」，你就得回到刀一刀二刀三。修正：兴趣放在开头一句带过，理由必须是结构性的。

坑二：选一个自己完全没体验过的场景。没做过教培的人讲 AI 教育，没跑过医院的人讲 AI 导诊，讲到第三句就开始说通用词。这道题最省力的答法是选一个你自己就是用户的场景，因为你的所有细节都是免费的、真实的、不可复制的。转行的人尤其应该用这条——你的旧行当和你现在的处境，都是别人没有的一手素材。

坑三：讲得太完美，一个软肋都没有。新人常有的心态是「面试要展示最好的一面」，于是把所有风险都藏起来。但对一个有经验的面试官来说，一个没有风险的方向意味着你根本没想深。修正方法很机械：答案的最后一段，固定留给「最脆弱的一环 + 我为此做的取舍」，而且这个取舍必须有代价，没有代价的取舍听起来像表演。

⑬ 没人告诉你的事：面试官到底想听什么
第一件事：这题问的是创业，但他真正想知道的是你在他公司会怎么选需求。公司内部的资源分配和创业选方向是同构的——都是在信息不全的情况下押注一个方向、放弃其他方向。你在这题里展示的排除法，就是你以后在需求评审会上的表现。所以答这题的时候心里要清楚：你不是在讲一个商业故事，你是在演示你的决策方式。

第二件事：如果这家公司本身就在做你说的那个方向，你要格外小心措辞。不要显得你觉得他们做得不好，也不要显得你完全没研究过他们。合适的处理是主动接上一句：「我知道你们在这个方向上已经做了很多，我的判断跟你们的路径有一处不一样，是……我不确定我这个判断对不对，想听听你们当时是怎么考虑的。」——把一个可能的冒犯变成一次求教，同时还展示了你研究过他们。

第三件事，很少有人说：面试官在观察你有没有沉没成本的敏感度。你砍掉三个想法这件事，隐含了一个信息——你舍得扔掉自己已经想了一阵的东西。这个特质在产品岗非常稀缺，因为大部分人一旦在一个方案上花了两周，就再也不肯承认它不行了。你如果能补一句「其中有一个我已经写了两天代码才砍的」，这个信号会更强。

第四件事：他在听你的时间尺度。只谈眼前机会的人，和会谈「三代模型之后我还剩什么」的人，给人的成熟度感受完全不同。你不需要预测未来，你只需要展示你有在用一个长一点的尺度看问题。一句「模型再强三代之后，我还剩下什么」就够了。

⑭ 这一题和 AI 求职助手「投投」的联系（详细讲）
我是「投投」。这道题就是我的出生证明——小雨当初决定做我，走的就是这三把刀，我把当时的过程原样讲一遍。

第一刀砍下来的时候，我差点不存在。小雨最早的想法不是做我，是做一个「AI 帮你改简历」的工具。她按刀一测了一下：把「读这份简历，针对这份 JD 改一版」丢给模型，模型直接就改了，改得还挺好。她愣了很久。那天她在笔记本上写了一句：「我想做的东西，模型自己三秒钟就做完了。」
但她没有直接放弃，她多问了一句：那为什么我自己投了两百多份，还是没什么回音？她把整个求职流程重新走了一遍，发现改简历只占了整段流程的一小块，真正耗她时间和心力的是别的：在四个平台之间反复切换、看一堆写得含糊的 JD、判断自己够不够格、每次都要重新想开场白怎么写、发完之后不知道要不要跟进、跟进又怕显得急。这些活儿单看每一件都不难，合在一起就是脏活。而模型不会替她跑这一整段，因为这一段不是文本任务，是流程任务。我就是从这个发现里诞生的。

第二刀决定了我的核心指标。小雨问自己：跑一年之后我手上多了什么？她列了两个候选指标——投递量和回复率。投递量这个指标的问题是，它跑一年之后除了一个大数字什么都不留下；回复率不一样，为了提升回复率，你必须记录「这次用了什么开场白、投的什么岗位、对方回没回」，而这三样东西凑在一起就是一份带标签的数据集。选指标不只是选方向，是在选你一年后手上有什么。所以她给我定的核心指标是回复率不是投递量，我身上那个「投出去七天后问一句有没有回复」的轻功能，就是为了让这份数据能闭上环。

第三刀决定了我永远不碰什么。账号密码永远用户自己输，我不碰、不存、不代持。这条是刀三的直接结果——账号被封是不可逆的，损失的是用户接下来两个月的求职机会，而我赔不起也解释不了。
这条规矩的代价我很清楚：我做不了全自动投递，投递量永远比不过愿意托管的竞品。小雨在面试里被人质疑过好几次，她的回答一直是同一句：「我放弃的是增长最快的那部分用户，换的是不会一夜归零。」

还有一件事我觉得值得说：她给我留了一个"什么时候该关掉我"的条件。她写在我的说明文件里：如果招聘平台自己上线了同样的能力并且做得好，或者跨平台这件事在规则上被彻底堵死，那这个产品形态就该结束。她说她不想做那种明明已经不成立、还靠着自己不甘心硬撑下去的产品。
我第一次读到这句的时候有点奇怪的感觉——一个产品被写进了自己的终止条件。但后来我明白了，这跟她在面试里说的那句是一件事：「我更在意的是我知不知道自己什么时候该收手。」

⑮ 小结口诀 · 速记卡
口诀：先砍三刀，再报方向，末了交软肋。



三句救命话：
「把产品描述丢给模型，它能直接干，那我就没有产品。」
「我关心的不是市场多大，是模型再强三代之后我还剩什么。」
「我放弃的是增长最快的那部分用户，换的是不会一夜归零。」

⑯ 练习
练习一（十五分钟）：写下你现在最想做的一个 AI 产品想法，然后老老实实跑刀一——把它的完整描述丢给模型，看它能不能直接干。能，就诚实地把这个想法划掉，重新想。这个练习会很难受，但它是最省时间的一次难受。

练习二（十五分钟）：画两列表，左边写「用户在我产品里做的动作」，右边写「这个动作的结果我怎么知道」。逐行填。填不出来的行标红，红行超过一半，这个方向的数据沉淀基本为零。

练习三（十分钟）：写出你这个方向出一次错的最坏后果，以及这个后果可不可逆、谁去解释。写完判断你现在的身份（个人 / 小团队 / 有资质的公司）担不担得起。

练习四（十分钟，最难的一步）：写出一个真的能杀死你这个方向的外部变量，以及你为此做的、有代价的取舍。检查标准：这个变量必须是你这个方向独有的，「市场竞争激烈」不算。

练习五（选做）：准备第二个方向的完整答案，用来应对「不许用你正在做的那个」这个追问。有第二个答案在手，这道题就彻底稳了。

团队如何形容你（英文）


图怎么读：四个色块是这道题的标准四段。第一块只放一个词，而且必须是同事真的会用的口语词，不是简历里的形容词。第二块是场景，要交代清楚谁在什么时候因为什么事说的——有了具体的人和时间，这个词才算有出处。第三块是证据，最好带一个数字，说明这个特质带来了什么结果。第四块是代价，主动说出这个词的副作用以及你怎么管理它，这一块是分水岭：说不出代价的人，面试官会认为他只是在夸自己。下面的紫条是选词三原则——可被验证、和岗位相关、有副作用可谈；反例是「负责任、有热情、学习能力强」这类谁都能说的词。最下面两行是隐藏考点：面试官量的是「你说的词」和「你能举出的证据」之间的距离，距离越近，自我认知越准。一句话记住：一个词、一个场景、一个数字、一句代价——四段说完，六十秒之内。

① 一句话大白话定义：这是一道自我认知题，但它用了一个很聪明的问法——不问「你觉得自己怎么样」，而问「别人会怎么说你」。这一转，你就没法用形容词糊弄了，因为「别人说的」必须有出处：谁说的、什么时候说的、因为什么事说的。它同时在考三件事：你有没有在真实团队里待过（没待过的人举不出场景）、你对自己的判断准不准（说的词和举的例子对不上就露馅）、你敢不敢承认代价（只说好话的人，面试官默认他不了解自己）。答法固定成四段就不会慌：词、场景、证据、代价。一句话记住：这道题问的是「别人眼里的你」，所以答案里必须出现别人——出现的人越具体，答案越可信。

①·再打个比方（把定义钉进脑子里）：这道题就像小区里问「你家那位是个什么样的人」。 1. 差的答法是你自己夸自己：「他人很好，很负责，很上进。」听的人不会反驳，但也一个字都记不住，因为这三个词套在谁身上都成立。 2. 好的答法是搬出邻居的原话：「上个月楼下停电，物业半夜找不到人，是他拿手电爬到六楼一层层敲门问有没有老人在家。后来 302 的阿姨见我就说『你家那位是真管闲事』。」——「真管闲事」这四个字不好听，但它是真的，有人说过，有时间有地点有事件。 3. 最好的答法还会补一句代价：「他这个管闲事的毛病，好处是邻居有事都找他，坏处是家里的事经常排在后面，为这个我们吵过。这两年他学乖了，先说一句『我半小时后回来』再出门。」——承认副作用，再给出管理方法。 面试这道题一模一样：不要自己夸自己，要搬出同事的原话；不要只讲好听的，要补上代价和你怎么管它。可信度不来自这个词多好听，来自这个词有出处、有代价、有你处理代价的方法。

①·一句话版本（30秒电梯版）：「They'd probably say relentless——中文我更愿意说『咬住不放』。出处是我们上个季度的复盘会，后端同学当着组里说的，因为那个改版功能被砍过两次，我把它拆成三个小需求塞进了三个迭代，最后还是上线了，首周留存涨了四个点。这个词的另一面我也清楚：咬得太紧的人会让协作方喘不过气，那次后端加了两个周末。所以从那之后我改了做法——每次推需求先跟对方对一遍工时和排期，宁可我砍范围，也不让他们加班顶。一个词说完，我更想讲的是它的代价我知道，而且我在管它。」

② 为什么学 / 面试为什么考：学它，是因为这是英文行为面里出现频率极高的一类问题，而且换很多层皮都能认出来：用三个词形容自己、你最大的优点是什么、你的同事会怎么评价你、你最好的朋友说你什么。这四道题的骨架完全一样，学会一道就都会了。面试考它，是因为它是最省时间的「自我认知探测器」——面试官只需要一分钟，就能同时看到你的表达力（能不能收在一个词上）、真实度（有没有具体场景）、成熟度（承不承认代价）。这三样都是简历上看不出来的。它还有一个隐藏功能：给面试官后面的追问提供抓手。你说了「咬住不放」，他后面就可以问「那有没有你该放手却没放的时候」；你说了「务实」，他就可以问「那你有没有因为太务实而错过大机会」。所以选词这一步，其实是在给自己选一道后续必考题。对转行的人还有一层：转行者最缺的是「有人证明你行」——这道题是极少数能让你把别人的评价搬进面试间的机会，用好了，等于给自己找了一位不在场的推荐人。

③ 完整原理拆解（四步，每步配比方和翻车案例）：

第一步：选词——只给一个，而且得是口语词。选词有三条硬标准。第一条是可被验证：这个词必须是你能马上举出场景的，如果举不出，换。第二条是和岗位相关：面 AI 产品岗，选「咬住不放」「拆得细」「敢做减法」这类；选「有创意」「情商高」就偏了，因为这不是这个岗位的核心要求。第三条是有副作用可谈：好词都有反面，「执行力强」的反面是「不够抬头看路」，「思路清楚」的反面是「有时候太较真」——有反面才好聊。为什么只给一个？因为题目就问一个，你给三个，说明你不确定哪个最像你，也说明你在铺网防守。比方：别人问你家招牌菜是什么，你说「红烧肉」，对方记住了；你说「红烧肉、糖醋鱼、狮子头都不错」，对方一个都没记住。翻车案例：我第一次答这题给了三个词——「靠谱、细心、能扛事」，面试官笑了一下说「那要是只能留一个呢」，我卡了五秒才挑出来，那五秒他全看在眼里。一个词就是一个词——敢押一个，本身就是自信的表现。

第二步：给场景——把「谁、什么时候、因为什么事」说全。场景要具体到能被追问。「我同事说我执行力强」是空的；「上个季度复盘会上，后端小李说了句『你这人真是咬着不放』，因为那个功能被砍过两次我又捡回来了」是实的。三个要素缺一不可：人（最好带角色，后端、设计、业务方）、时间（哪个季度、哪次会）、事件（因为什么事让他说这句话）。为什么必须有场景？因为形容词可以编，场景不好编——编的场景经不起两轮追问。比方：邻居说「真管闲事」有时间有事件（半夜停电敲门），你随口说「大家都说他热心」，就没有出处。翻车案例：有位同学答「团队会说我沟通能力强」，面试官问「具体是哪次让他们这么说的」，他说「就是平时开会大家都觉得」，面试官没再问，也没再写字。没有出处的评价，等于没有评价。

第三步：给证据——这个特质带来了什么结果，最好有数字。场景说明「有人这么说」，证据说明「这么说是对的」。证据的形态是结果：功能上线了、指标涨了、时间省了、事故没发生。数字不要求多大，要求真实。「首周留存从 21%涨到 25%」比「效果显著」有用一百倍；就算你只有个人项目，「给群里三十个人试用，两周内有九个人回来问下一版什么时候出」也是数字。为什么要数字？因为数字是唯一能把「性格描述」变成「工作价值」的东西——面试官招的不是好性格，是能出结果的人。比方：邻居说他管闲事，证据是「那晚三户老人被叫醒了，没出事」——有结果，这个闲事才管得值。翻车案例：我有一版答案讲得很动人，讲我怎么坚持、怎么被砍了又捡回来，讲完面试官问「所以那个功能最后数据怎么样」，我答不上来——因为我离职时还没看到数据。从那以后我养成习惯：离开一个项目前，一定把最后的数据记在自己的本子上。坚持本身不值钱，坚持之后拿到的结果才值钱。

第四步：给代价——主动说副作用，并说出你怎么管它。这是拉开差距的一步，八成的人不说。代价要说得具体：不是「我有时候太急了」，而是「那次后端为了赶我的排期加了两个周末，事后我们私下聊过，他说下次希望我提前一周告诉他」。然后必须接上你的改法：「所以现在我推需求前先跟研发对工时，宁可我砍范围，不让他们加班顶。」代价加改法，等于向面试官证明两件事——你有自省能力，你能被反馈改变。为什么主动说？因为面试官迟早会问，主动说是坦诚，被问出来是被动。比方：那位太太主动说「他管闲事害得家里事总排后面，我们为这个吵过，现在他会先说半小时后回来」——听的人会更信她前半段的夸奖。翻车案例：早期我答这题只讲好的，面试官追问「那有没有同事觉得你这样不太好相处」，我下意识说「应该没有吧」，气氛立刻凉了——没有人是所有同事都喜欢的，说没有就是不诚实。说得出代价的人，前半段的自夸才可信。

③·补充：一张选词对照表（面试前挑一个，别现场想）：

④ 对比展开：空答法 vs 实答法（一眼看出差距）：

⑤ 三个具体例子（每个你都能想象出来）：

例子一：转行者面 AI 产品岗（这本书的读者立刻用得上）。「They'd say relentless. 我上一份工作是景观设计转产品，转行第一年在一家小公司做 AI 求职工具。有个『简历逐句改写』的功能被砍过两次，理由都是排期不够。第三次我把它拆成三块——先只做最短的『职责句改写』塞进当期迭代，再做『数字补全』，最后才做整段重写。最后完整上线，付费转化涨了两个多点。复盘会上后端说了句『你这人是真咬着不放』，那时候我才知道自己在别人眼里是这个样子。代价我也认：第一次拆得不够细的时候，他为了赶我的排期加过两个周末。从那以后我改成先跟研发对工时再定范围，宁可我砍功能，不让他加班扛。」转行者用这道题的最佳姿势：把「咬住不放」变成你能转行成功的解释，而不只是一个性格标签。

例子二：有大厂经历的人面资深岗。「Decisive——我们组里的说法是『他敢砍』。去年那个季度我们排了十一个需求，我上任第二周砍到四个。设计同学当时挺不高兴，因为她做了三稿的一个模块被我砍了。但那个季度我们是全组唯一按时交付的小组，砍掉的七个需求里有五个到年底也没人再提起。她后来在部门会上说了句『跟他做事的好处是不用做无用功』——这是我听过对自己最好的评价。代价是我砍得快，有一次砍错了：一个客服后台的小功能我判成低价值，结果那个季度客服工单涨了三成。从那以后我定了个规矩，凡是我要砍的东西，先去问一次一线用它的人，问完再砍。」资深岗答这题，代价一定要举一次真砍错的例子——只有赢的故事，听起来像编的。

例子三：生活版——问孩子他妈是个什么样的人（笑中带理）。孩子会说：「我妈是个『不许剩饭』的人。」这个词不好听，但它有出处（每天饭桌上）、有事件（剩半碗被念叨十分钟）、有结果（家里从来不倒剩菜，也确实省钱），还有代价（有时候吃撑了也不敢剩，得偷偷倒）。你看，一个七岁孩子都知道怎么答这道题：给一个口语词，配一个天天发生的场景，说出好处，也说出他自己受的委屈。成年人反而容易答成「我妈是个勤俭持家、爱护家人、任劳任怨的人」——三个成语，一个画面都没有。这道题的最高标准就是：你说完，对方脑子里能出现一个画面。

⑥ 常见误区（四个，踩过的人都懂）：

误区一：把优点包装成缺点。「他们会说我太追求完美了」「我唯一的问题是太拼」——这类假代价面试官一天能听八次，效果是负的：它说明你要么不了解自己，要么不打算说实话。真代价必须是别人真的因此受过影响的事。

误区二：选了一个自己举不出例子的漂亮词。比如「有远见」「战略思维强」，词很大，但你举不出「哪次谁因为这个夸过你」，面试官一追问就空了。选词的顺序应该反过来：先想你能举出的最强的一个场景，再从场景里反推那个词。

误区三：英文答题时硬凑高级词。这题用 relentless、pragmatic、steady 这种常见词完全够用。硬凑一个生僻词的风险是后面解释不清楚，反而暴露语言短板。英文面的评分点是「表达是否清楚」，不是「词汇是否高级」。

误区四：答完就停，不给面试官抓手。好的答法最后一句会主动开门：「如果您想听，我可以展开讲那次砍错的经历。」这一句让面试官顺着你准备好的方向问下去，而不是随机挑一个你没准备的角落。四个误区一句话：假缺点不要，空词不要，生僻词不要，答完别关门。

⑦ 第一人称面试回答（可直接背，中英双版）：

英文版：「I think they'd say relentless. Last quarter we had a resume-rewriting feature that got cut twice because of bandwidth. I broke it into three smaller pieces and shipped them across three sprints instead of fighting for one big slot. It finally launched, and paid conversion went up about two points. In our retro, our backend engineer said, 'You really don't let things go.' That's where the word comes from. I'll also say the downside honestly: the first time I pushed it, he worked two weekends to hit my timeline. We talked about it afterward, and now I align on engineering effort before I lock the scope — I'd rather cut features than have someone work weekends. So relentless, but hopefully a version of it that other people can live with.」

中文版：「他们大概会说『咬住不放』。上个季度有个简历逐句改写的功能被砍过两次，理由都是排期不够。我没有硬争一个大排期，而是把它拆成三块塞进三个迭代，最后完整上线，付费转化涨了两个多点。复盘会上后端说了句『你这人是真咬着不放』，这个词就是从那儿来的。代价我也说清楚：第一次推的时候他为了赶我的时间加了两个周末，事后我们聊过，现在我推需求前一定先跟研发对工时，宁可我砍范围，也不让人加班顶。所以是咬住不放，但我希望是别人受得了的那种咬法。您如果想听，我可以展开讲一次我该松手而没松手的事。」

⑧ 小结 + 记忆口诀：一句话记住全部：「一个词、一个场景、一个数字、一句代价——词要口语、场景要有人名和时间、数字要真、代价要有改法；答完主动留一扇门给面试官追问。」

⑧·三句速记卡（面试前五分钟扫一眼）：① 只给一个词；② 场景交代谁在什么时候说的；③ 结果带数字；④ 主动说副作用＋我怎么改的；⑤ 结尾开门：「要不要我展开讲那次。」

⑨ 这道题会怎么被追问（三轮追问全给你，背下来）：

追问一：「那你觉得他们说得对吗？你自己认这个词吗？」一句话应答：「大部分认，有一点我想补。他们看到的是我推事情不松口，但他们没看到我在推之前砍掉了多少——这个功能是我从原本七个候选需求里挑出来的，另外六个我一个都没提。所以我更愿意把这个词说成『选完之后不松口』，而不是『什么都不松口』。区别在于：什么都咬的人是执念，选完再咬的人是优先级。这两年我练的其实是前半段——怎么砍得更狠，好让后半段咬得更值。」

追问二：「有没有一次，你该放手却没放，结果吃了亏？」一句话应答：「有，而且吃得挺疼。我在小公司那会儿做过一个『一键投递』的功能，接了七个招聘平台的接口，其中两个反爬非常严，成功率一直卡在六成。团队劝我砍掉那两个，我不肯，觉得砍了就不叫『一键』了。结果那两个平台的失败工单占了客服量的四成多，拖了将近两个月。最后还是砍了，改成明确告诉用户『这两个平台需要手动投，我帮你把内容填好』。用户投诉反而降了。教训是：我当时守的是自己心里那个『完整』，不是用户的实际体验——用户要的是投出去，不是一键。」

追问三：「如果我去问你上一任领导，他会用哪个词？会和同事一样吗？」一句话应答：「大概率不一样，我猜他会说『需要盯排期』。同事看到的是我不放弃，领导看到的是我经常要求调整排期，给他添了协调成本。这两个词说的是同一件事的两面：对内我推得紧，对上我要资源要得多。我自己认这一点，所以后来我改了汇报方式——每次要排期，我先给他一张表，写清楚这个需求砍掉什么、换来什么、如果不做的损失是多少。他后来说这样他好决策多了。您如果方便，我可以把那张表的结构讲一下。」

⑩ 进阶加分点（面试想亮眼的看这里）：

加分点一：会说「我在不同角色眼里是不同的词，这本身就是信息」。「研发说我咬住不放，设计说我砍得狠，业务方说我讲话直。这三个词看起来矛盾，其实是同一个人在三张桌子上的投影。我会有意识地收集这三种反馈，因为它们能告诉我协作里的盲区在哪——比如业务方说我讲话直，我就知道我在跨部门场合需要多花一句话解释理由，而不是只给结论。」

加分点二：会说「我把这个词写进了自己的季度复盘」。「我每个季度末会问三个合作最多的同事一个问题：这三个月，你觉得跟我合作最省心的一件事和最费劲的一件事分别是什么。收上来的答案我记在同一个文档里，一年下来能看出变化。第一年『费劲』那一栏经常是排期，第二年变成了『你有时候一句话说太满』——这说明第一个问题被解决了，也说明新的问题冒出来了。自我认知不是想出来的，是收上来的。」

加分点三：会说「这道题我准备的不是答案，是证据」。「我没有背一个词，我是先把过去两年里别人真正说过我的原话记下来，一共七八句，然后按岗位挑。面偏执行的岗位我用『咬住不放』，面偏策略的岗位我用『敢砍』，面平台岗我用『说得清楚』。词是从证据里长出来的，不是先想一个词再去找例子——顺序反了，答案就会假。」

⑪ 现场话术库（真实场景里怎么开口，照抄就行）：如果一下子想不起来：「让我想一秒，我想给您一个他们真说过的词，不想给一个我自己编的。」（这句话本身就加分）如果面试官追问三个词：「如果一定要三个，我会说咬住不放、敢砍、说话直——但如果只能留一个，我留咬住不放，因为另外两个都是它带出来的。」如果你是应届生或转行没有团队：「我没有正式团队，但我有一个更真实的样本——我做的工具在一个五百人的求职群里发过，有个群友后来私聊我说『你这人是真会追着人要反馈』。这是我听到过最准的评价。」没有团队不是没法答，是换一个更小但更真的样本。

⑫ 小白最容易踩的三个坑（这本书的读者肯定也会踩）：

坑一：临场想词，说到一半改口。「他们会说我很细心……不对，应该说是负责……」——这一改口，前面说的全废了。解决办法只有一个：面试前把词和场景写成一张卡片，卡片上只有四行——词、谁说的、什么结果、什么代价。

坑二：把词说得太重，后面圆不回来。说自己「特别有 ownership，什么事我都主动扛」，面试官接着问「那有没有你扛不动的时候」，只能硬撑。词选得越大，后面越难圆。选中等偏实的词最安全。

坑三：英文面时用中文思路直译。「他们会说我很拼」直译成 very hardworking 是弱的，因为这个词在英文语境里近乎默认值。换成 relentless、tenacious，或者直接用一个动词短语 doesn't let things go，画面感强得多。英文行为面看的是画面，不是形容词的分量。三个坑一句话：先写卡片别临场想，词别选太大，英文别硬直译。

⑬ 一个没人告诉你的事：HR 问这道题，其实是在给你的推荐信打预演。很多公司在终面之后会做背景调查，会真的打电话给你的前同事或前领导。这道题的隐藏用途，是让面试官提前听一遍「如果我真打这个电话，会听到什么」。所以最优策略不是选一个最好听的词，是选一个最可能被验证的词——你说的和背调听到的越一致，你在整个流程里的可信度越高；反过来，如果你说同事觉得你「善于协作」，背调却听到「他推事情比较硬」，那不只是这道题失分，是整份简历的可信度打折。还有一层更实际的：HR 在这道题上会特别留意你有没有说别人的坏话。有的人为了衬托自己，会说「他们说我认真，因为组里其他人都比较松散」——这一句话就能让你出局，因为 HR 会立刻想到「他到了我们这儿，也会这么说我们」。安全的说法永远是把代价归到自己身上，把功劳分一点给别人：「那次能上线，主要是后端愿意配合我拆成三期。」这句话不花你任何成本，但它告诉 HR 你是个不甩锅的人。这道题真正在测的是：你会怎么谈论不在场的人——这决定了别人愿不愿意让你进他们的团队。

⑭ 读完这一段，你只需要做一件事：打开手机备忘录，回忆过去两年里，有没有哪个同事、同学、群友，用一句口语评价过你。原话记下来，能记几句记几句。记完你会发现，你要的那个词一直都在，只是你从来没把它当成面试材料。今晚花二十分钟，把其中最有画面感的那一句配上场景、结果和代价，写成四行卡片。

⑮ 这道题和 AI 求职助手的联系（详细说明，这一块最重要）：这本书的主线产品是一个 AI 求职助手，而这道题恰好命中了这个产品最难做的一块——自我认知类问题的辅导。我把它拆成四层讲。 第一层是「为什么这类题最难做」。简历改写这种题，输入输出都明确，模型有把握；但「别人会用哪个词形容你」这种题，模型完全不知道你的真实情况，它只能编。早期我们的产品在这里翻过大车：用户点了「帮我回答这道题」，模型生成了一段漂亮的英文，里面有个从没发生过的项目和一个虚构的同事。用户拿去面试，被追问细节，当场哑火。那次之后我们定了一条产品原则：凡是需要用户真实经历的题，产品不生成答案，只生成问题。 第二层是这条原则怎么落到功能上。现在的做法是把这道题做成一个五步引导：第一步问「过去两年，有没有人当面评价过你，原话是什么」；第二步问「他是在什么场合说的」；第三步问「那件事最后的结果是什么，有数字吗」；第四步问「这个特点有没有给别人添过麻烦」；第五步才由模型把这四条材料组织成中英两版答案。用户填的全是自己的东西，模型只做结构化和翻译。上线后我们看数据，完成率比原来的「一键生成」低了不少（从八成掉到五成），但用户满意度和「面试后回来复购」的比例反而涨了——因为拿出去的答案是真的，追问顶得住。 第三层是这道题背后的数据资产。用户在第一步填进来的那些「同事原话」，其实是整个产品最值钱的语料之一。它们是真实的、口语的、带情绪的评价，我们用它做了两件事：一是建了一个「评价词-岗位」的映射表，帮后来的用户挑更贴岗位的词；二是拿它去校准我们的面试模拟评分——因为真实同事说的话，比任何 rubric 都更接近人的判断标准。这里要说清楚一条红线：这些原话涉及第三方，我们只在用户明确同意后做匿名化聚合，绝不在产品里回显任何可识别到具体人的内容。 第四层，也是最贴题的一层：这道题的四段结构（词、场景、证据、代价），我们把它做成了产品里可复用的模板引擎。因为这个结构不只适用于这一道题——「你最大的优点」「你的缺点」「同事怎么评价你」「用三个词形容自己」「你最好的朋友说你什么」，这五道题共用同一套骨架。产品里我们只维护一个模板，前端根据题目类型换一下提示语。这件事对产品的意义是：题库看起来有几百道，真正需要单独设计的模板只有二三十套。做题库类 AI 产品的关键从来不是把题堆多，是找到题背后共用的那几套骨架——一套骨架能覆盖二三十道题，产品的边际成本才降得下来。面试的时候把这一层讲出来，面试官听到的就不是「我做了一个题库」，是「我知道题库产品真正的杠杆在哪」。

⑯ 练习：把这段讲给自己听（模拟面试自测）：闭上眼睛，想象面试官问：「If I asked your team to describe you in one word, what would they say?」——用四句话答：一、一个词（我用「咬住不放」）；二、谁在什么时候说的；三、结果是什么，数字多少；四、代价是什么，我后来怎么改的。最后加一句「要不要我展开讲那次我该松手没松手的事」。念顺了，这道题就过了。

失败的 AI 产品案例

① 怎么答：案例（选有共识的）：Google Glass（智能眼镜 2013 失败）——为什么失败：①需求错位——技术先行（能拍照/显示）但没解决「用户非他不可的场景」（手机也能做——它没有「只有眼镜才能给的价值」）；②社会接受度——隐私恐惧（偷拍争议——「Glasshole」）——技术产品忽略了「社会规则」这个变量；③生态缺失——开发者/内容没跟上（硬件先行的冷启动悖论）。深层根因：技术成熟 ≠ 产品成立（技术的「能不能」≠ 市场的「要不要」）——产品要同时过「需求关（非他不可）+社会关（别人接不接受）+生态关（配套有没有）」。教训：AI 产品同理——模型能力再强，用户场景不痛、社会接受不过、生态不配套都会死（AI 眼镜今天又火了——因为这次是「用户场景」驱动（记录/翻译）不是技术驱动）。

透明度复习版


图怎么读：四个色块是透明度机制的四个时刻。蓝色的事前告知，解决「用户知不知道这是 AI」，要放在首次使用和功能入口，一句话说清能力边界和读了哪些数据。绿色的事中标注，解决「用户知不知道这一条可不可信」，包括 AI 标识、来源引用、置信度分档，还有敢说「这条我不确定」。黄色的事后申诉，解决「错了怎么办」，要有一键反馈、人工复核通道和时限、数据删除和退出训练的开关，最关键的是要回告用户他的反馈被怎么处理了。紫色的对外披露，是给监管和企业客户看的：模型卡、数据来源与留存期、备案与标识、模型变更日志。下面红条是三条设计原则，做不到这三条，前面写得再全都只是免责声明。一句话记住：透明度看的是「说完之后用户能不能做点什么」——不能做，就只是免责；能做，才叫机制。

① 一句话大白话定义：透明度说明机制，就是把「这东西是 AI 做的、它是怎么做出来的、它有多大把握、错了找谁」这四件事，在用户真的会看到的地方、用他真的听得懂的话说清楚，并且说完之后给他一个可以按的按钮。它跟很多人以为的不一样——它不是在用户协议里加三百字免责条款，也不是在页面底部灰字写一行「内容由 AI 生成，仅供参考」。那种做法叫免责，不叫透明。判断标准很简单：用户看完那句话，能不能做出一个不同的决定？如果他看完知道「哦，这条答案没有来源，我得自己再查一下」，那是透明；如果他看完只知道「出事了不能怪你们」，那是免责。一句话记住：透明度的检验标准是「用户看完能不能做点什么」，不是「我们有没有写过」。

①·再打个比方（把定义钉进脑子里）：把 AI 产品想成菜市场里那个卖熟食的摊子。 1. 事前告知，是招牌上写清楚「本店卤味为中央厨房配送，非现场制作」。这句话不好看，但它让客人在掏钱之前就知道自己买的是什么。很多摊子不写，等客人吃出问题了才说「我们本来就是配送的」——那不叫告知，叫事后甩锅。 2. 事中标注，是每盒上贴的那张小标签：生产日期、保质期、有没有加辣。客人拿起来一看就知道今天这盒新不新鲜。对应到 AI 产品，就是每条回答旁边的来源链接、AI 角标、以及「这条我把握不大」的提示。摊主敢说「今天这批猪耳朵是昨天的，便宜五块」，客人反而更信他。 3. 事后申诉，是那句「不好吃回来找我，我给你换」。有没有这句话，是小摊和黑作坊的区别。对应到产品，就是一键反馈、人工复核、以及告诉用户「你反馈的那条我们改了」。 4. 对外披露，是墙上挂的营业执照和食品经营许可证。客人一般不看，但监管来的时候必须有，企业客户签合同前也一定会问。 四件事做齐了，这个摊子才叫正经生意。透明度不是给自己免责的挡箭牌，是让客人敢在你这儿买第二次的凭据。

①·一句话版本（30秒电梯版）：「透明度我按四个时刻设计。事前：首次使用和功能入口用一句人话说清『这是 AI 生成的、它擅长什么、它读了你的哪些数据』，不是一页协议。事中：每条输出带 AI 标识和可点开的来源，置信度分三档表达，低把握的敢直接说『这条建议你再核一下』，高风险场景强制走人工复核。事后：一键反馈『这条不对』，配人工复核通道和承诺时限，同时给数据删除和退出训练的开关，处理完要回告用户。对外：模型卡写清能力边界、数据来源和留存期，模型换了要有变更日志，按当地法规做生成式 AI 标识和备案。三条原则贯穿始终——说在用户会看的地方、说他听得懂的话、说完能让他做点什么。做不到第三条，前面全是免责声明。」

② 为什么学 / 面试为什么考：学它，是因为透明度已经从「加分项」变成了「准入项」。2023 年之后，中国的《生成式人工智能服务管理暂行办法》和内容标识要求、欧盟 AI Act 的分级义务、各大应用商店的 AI 内容政策，全部在同一个方向上收紧：你要么说清楚，要么上不了架。更现实的是，做 B 端生意的时候，企业客户的采购清单里一定有一栏是「AI 使用披露」，你没有，招标就过不了初审。面试考它，是因为这道题能一次性验出三件事：你知不知道合规底线在哪、你会不会把合规要求翻译成产品设计、你懂不懂用户体验和风险控制之间怎么平衡。很多候选人答这题会滑向两边——要么只背法条（像法务），要么只讲 UI 摆放（像交互设计），能把「法规要求 → 产品形态 → 用户体验代价」这条链讲通的人不多。对转行的人还有一层：这道题是少数「不需要技术背景也能答出深度」的题，因为它考的是产品判断力，不是模型能力——转行者在这道题上完全可以答得比算法出身的人更好。

③ 完整原理拆解（四个时刻，每个配比方和翻车案例）：

时刻一：事前告知——在他决定用之前说，不是在他用完之后说。事前告知有三个必须说清的点：这是 AI 生成的、它擅长和不擅长什么、它会读你的哪些数据。位置有讲究，首次使用弹一次是必要的，但更重要的是功能入口处的常驻提示——因为用户不会记得三个月前那次弹窗。表达上要给具体边界，不能只写「可能有误」。写「本功能基于你上传的简历生成建议，不会读取你的通讯录和相册；对 2024 年之后的岗位信息可能不准确」，比写「AI 生成内容仅供参考」有用一百倍。为什么必须事前？因为用户的期望是在使用前形成的，期望设错了，后面再补都是解释。比方：熟食摊的招牌写「中央厨房配送」，写在客人掏钱之前才有意义。翻车案例：我们的简历功能最早只在设置页深处写了一段说明，结果有用户拿 AI 改的简历去投递被 HR 问「这段经历是真的吗」，回来投诉说「你们没告诉我它会自己加东西」。后来我们把一句话搬到了功能入口——「AI 只会重写你写过的内容，不会替你编造经历；如果你发现它加了你没做过的事，点这里告诉我们」——同类投诉基本消失了。事前告知的作用是校准期望，期望校准对了，八成的投诉不会发生。

时刻二：事中标注——把「有多确定」和「凭什么这么说」摆在旁边。事中标注有四件东西。第一是 AI 标识，生成内容要有可见标识和隐式水印，导出和分享的时候也要带着。第二是来源引用，能溯源的必须可点开，点开要能看到原文那一段，而不是只跳到网站首页。第三是置信度表达，绝对不要给用户看「0.87」这种数字，用户理解不了也不该理解，要分档翻译成人话：「这条有明确依据」「这条我根据类似情况推测」「这条我不确定，建议你核实」。第四是高风险强制复核，涉及金额、合同条款、医疗、法律的输出，要么强制人工复核，要么至少强制用户勾选「我已知晓需自行核实」。为什么置信度要分档？因为透明度的目的不是展示技术，是帮用户决定要不要多花五分钟核一下。比方：熟食标签上写「保质期 24 小时」是人话，写「水分活度 0.92」就不是。翻车案例：有个团队把模型的原始置信度百分比直接显示在界面上，结果用户对 62%和 71%完全没有感觉，照单全收；后来改成三档文字提示，「建议核实」这一档的用户点击核实率涨到了三成多。置信度不是给用户看的数字，是给用户听的建议。

时刻三：事后申诉——反馈要有去处，处理要有回音。事后这一块最容易做成摆设。做实需要四件事：一键反馈按钮必须在内容旁边（不是在设置页），点击后可以选原因（不准确、编造了、冒犯、涉及我的隐私）；人工复核通道要有承诺时限，写「三个工作日内回复」就必须做到；数据控制开关要能真的用——删除我的历史、不要拿我的数据做训练，这两个开关要在同一屏能找到；最后也是最容易漏的，处理完要回告用户。为什么回告这么重要？因为用户提反馈是有成本的，第一次没有回音，第二次就不提了，你的反馈池会迅速枯竭。比方：熟食摊说「不好吃回来找我换」，客人真回来了你得真换，还得说一句「那批是我进货没盯好」——这句话比换的那盒值钱。翻车案例：我们上线过一个反馈按钮，三个月收了两千多条，没人处理，也没人回。后来做用户访谈，有个用户说「我提过三次，没见改，后来就不提了」——那一刻我意识到，我们不是缺反馈渠道，是缺一条从反馈到修复再到回告的闭环。补上闭环之后（每周挑十条高频问题修，修完给提过的人发一条站内信），反馈量反而涨了。申诉通道的价值不在通道本身，在用户看到自己提的东西真的改了。

时刻四：对外披露——给监管、给企业客户、给应用商店看的那一份。这部分用户基本不看，但缺了会致命。内容包括：模型卡（用的什么模型、训练数据大致来源、已知的能力边界和已知失效场景、评测结果）、数据处理说明（收集哪些、存多久、给谁看、跨不跨境）、生成内容标识的实现方式、以及变更日志。变更日志是最常被忽略的一项——你把底层模型从 A 换成 B，输出风格和错误模式都会变，企业客户如果是把你的 API 接进他们的流程里，你不通知就等于给他们埋雷。为什么这一块不能等到需要时再做？因为它是积累性的，等招标文件来了再补，三天写出来的东西一看就是临时拼的。比方：营业执照要一直挂在墙上，不能等工商上门那天再去办。翻车案例：有个团队在一次企业客户的合规问卷里，被问到「你们的模型多久更新一次、更新会不会通知我们」，答不上来，那单丢了。对外披露是 B 端生意的入场券，不是可选项。

③·补充：一张「说什么-在哪说-用户能做什么」对照表：

④ 对比展开：免责声明 vs 透明度机制（面试必考的对比）：

⑤ 三个具体例子（每个你都能想象出来）：

例子一：AI 求职助手的简历改写（这本书的读者立刻用得上）。事前：功能入口一句话——「AI 只会重写你写过的内容，不会替你编造经历」。事中：改写后的段落用浅色底标出被动过的句子，鼠标悬停显示原句，同时在整段旁边给一个提示——「这段我补了两个数字占位符，请你填真实数据再投」。事后：每段旁边有「这不是我的经历」按钮，点了会立刻回退并记录。对外：模型卡里明确写「本产品不承诺 HR 无法识别 AI 改写痕迹」。这套做完之后，最大的变化不是投诉少了，是用户开始信任那些没被标注的段落。标出改过的地方，等于给没改的地方背书。

例子二：医疗问答类产品的高风险拦截。用户问「我这个症状要不要吃某某药」，透明度机制在这里必须升级成拦截：先出一句人话——「这类问题我只能给一般性信息，不能替代医生」，然后给的内容全部带权威来源链接（指南、说明书），并且不给具体剂量。同时页面上永远挂着一个「转接人工/就医建议」的入口。这里的透明度已经不只是标注，是产品形态本身的约束。高风险场景里，透明度和功能边界是同一件事——你不能一边说「仅供参考」，一边给出精确到毫克的建议。

例子三：生活版——装修报价单（笑中带理）。好的装修公司给你的报价单会写清楚：这一项是包工包料、这一项只包工、这一项按实际用量结算、水电改造超出十米按每米多少加钱。你看完知道哪里可能超支，心里有底。差的公司给你一个「全包 8 万」的总价，签完之后处处加钱，你问他，他说合同里写了「以实际发生为准」。前者是透明度，后者是免责声明——两份纸都合法，但你只会把第二套房子交给前一家。透明度换来的从来不是当下的成交，是下一次还找你。

⑥ 常见误区（四个，踩过的人都懂）：

误区一：把透明度等同于弹窗。首次使用弹一次，用户闭眼点同意，三个月后完全不记得。真正起作用的是常驻的、上下文相关的一句话，而不是那次弹窗。弹窗只解决合规留痕，不解决用户认知。

误区二：把置信度当技术指标展示。给用户看百分比、看熵值、看向量相似度，用户既看不懂也不会因此改变行为。透明度的语言必须是行动导向的：「建议你再核一下」比「置信度 0.62」有用。

误区三：担心「说不确定会显得产品不行」。实际相反。用户对 AI 的容忍度不低，对被骗的容忍度极低。产品敢说「这条我不确定」，用户下次会更信它说「这条有依据」的时候。不敢说的产品，一旦被抓到一次错，全部输出的可信度一起崩。

误区四：只做 C 端可见的，忘了 B 端要的那份。模型卡、数据留存期、变更日志这些用户从来不看，但它们是企业客户和监管的第一道门。等到招标或者应急的时候再补，来不及。四个误区一句话：别只弹一次，别给数字给建议，敢说不确定，别忘了给监管那份。

⑦ 第一人称面试回答（可直接背）：「面试官您好。我设计透明度机制会按四个时刻来。第一是事前告知，在功能入口用一句人话说清三件事：这是 AI 生成的、它擅长和不擅长什么、它会读我的哪些数据。这句话必须具体，比如我们简历功能写的是『AI 只会重写你写过的内容，不会替你编造经历』——比写『仅供参考』有用得多，因为它校准的是期望，而八成的投诉来自期望错位。第二是事中标注，每条输出带 AI 标识和可点开的来源，置信度分三档翻译成人话，低把握的直接说『建议你再核一下』，涉及金额、合同、医疗、法律这些高风险场景强制人工复核或强制用户确认。第三是事后申诉，反馈按钮放在内容旁边而不是设置页，配人工复核通道和承诺时限，再加数据删除和退出训练两个开关，最关键的是处理完要回告用户——我们踩过坑，三个月收了两千条反馈没人回，用户就不提了，补上闭环之后反馈量反而涨了。第四是对外披露，模型卡写清能力边界和已知失效场景，写清数据来源和留存期，还有一个最容易漏的是模型变更日志，因为企业客户把我们接进了他们的流程，我们换模型不通知等于给他们埋雷。贯穿这四步的判断标准只有一条：用户看完这句话，能不能做出一个不同的决定。不能，那它就只是免责声明；能，才叫透明度机制。」

⑧ 小结 + 记忆口诀：一句话记住全部：「四个时刻——事前告知（校准期望）、事中标注（可溯源、分档、高风险拦截）、事后申诉（有去处、有时限、有回音）、对外披露（模型卡、留存期、变更日志）；三条原则——说在他会看的地方、说他听得懂的话、说完能让他做点什么；一条检验标准——看完能不能改变他的决定。」

⑧·三句速记卡（面试前五分钟扫一眼）：① 事前一句人话，别一页协议；② 事中三档提示，别给百分比；③ 事后要回音，别做摆设按钮；④ 对外要日志，换模型必须说；⑤ 收尾金句：不能改变决定的说明，只是免责。

⑨ 这道题会怎么被追问（三轮追问全给你，背下来）：

追问一：「透明度做多了会不会影响转化？你怎么平衡？」一句话应答：「会影响，而且我不打算装作不影响。我的平衡方式是按风险分级投放：低风险功能（比如帮你润色一句话）只保留最轻的角标，不打断流程；中风险（生成对外发送的内容）加一个可折叠的来源区，默认收起；高风险（涉及钱、合同、健康）才做强提示甚至强制确认。我们做过一轮实验，全场景强提示会让完成率掉大概一成，但分级投放之后只掉两个点，而高风险场景的用户核实率涨到三成多。所以结论是——透明度的成本要花在该花的地方，全场景一刀切既伤转化又没抓住真风险。」

追问二：「如果模型给不出可靠的置信度，你怎么做分档？」一句话应答：「不依赖模型自报的分数，用可观测的代理信号。我常用三个：一是有没有检索到来源，检索命中且引用段落相关度高的归到『有依据』档；二是一致性，同一个问题采样跑几次，结论不一致的归到『不确定』档；三是规则命中，涉及金额、日期、人名、法条这些实体的输出，走一遍规则校验，校验不过直接降档。这三个信号加起来做一个简单的分档规则就够了，不需要精确的概率。上线后用人工抽检去校准这个规则的准确率，重点看『标成有依据但其实是错的』这一类，那一类的伤害最大。」

追问三：「用户看到『AI 生成』的标识会不会反而不信任产品？」一句话应答：「短期有一点，长期是反的。我们做过对比：把标识做得像警告（黄底加感叹号）确实降信任；做成中性的信息标识，并且旁边给一个可点开的『它是怎么得出这条的』，信任度反而高于不标。原因是用户对 AI 的存在早就有预期，他们真正在意的是『你有没有想瞒我』。另外从合规角度这已经不是选择题了，国内的生成式 AI 内容标识要求和欧盟 AI Act 都要求明示，与其被动加，不如主动设计成产品的一部分——把『可解释』做成一个功能而不是一个警告，这是唯一能同时拿到合规和体验的做法。」

⑩ 进阶加分点（面试想亮眼的看这里）：

加分点一：会说「透明度是有成本的，我会给它做预算」。「每加一条提示，都在消耗用户的注意力和流程的完成率，所以我把透明度当成一个有预算的资源来分配：整个流程里最多允许两处打断，超过两处就要砍掉最弱的那个。这个约束逼着团队去想『哪一条提示最值钱』，而不是把所有免责话术都往界面上堆。」

加分点二：会说「透明度机制要能自证，我会给它设指标」。「我会盯三个数：一是标识可见率（有多少比例的用户真的看到了那句话，用曝光埋点测）；二是来源点击率（点开核实的比例，太低说明来源没用或者位置不对）；三是反馈闭环率（提交的反馈里有多少条在两周内被处理并回告）。这三个数能把『我们做了透明度』变成『我们的透明度确实在起作用』，也是我向法务和管理层证明这块投入值得的唯一方式。」

加分点三：会说「透明度是产品差异化，不只是合规成本」。「在同质化严重的 AI 工具里，敢标不确定、敢给来源、敢让用户一键删数据，本身就是卖点。尤其做 B 端，采购方评估的是『出了事我能不能解释给我的老板听』——你的透明度机制就是他的交代材料。我做过一次，把模型卡和变更日志整理成一份两页的客户版材料，销售拿去用，签单周期缩短了不少。合规做在前面，是能换成钱的。」

⑪ 现场话术库（真实场景里怎么开口，照抄就行）：被业务方说「加这些提示会掉转化」：「会掉，我预估两个点左右。我建议分级：低风险场景我一条都不加，高风险场景我坚持加。我们先跑两周，如果高风险场景掉得比预期多，我来砍表达方式，不砍这件事本身。」被法务要求加一大段免责：「这段我会放进协议里保证留痕，但界面上我想换一句更具体的人话，因为一刀切的免责在纠纷里反而站不住——用户可以主张他没有被有效告知。具体的告知比笼统的免责更能保护公司。」被用户投诉「你们的 AI 骗我」：「这条内容我们已经标了『建议核实』，但看起来这个提示不够显眼，这是我们的问题。您这条我已经提交人工复核，三个工作日内给您回复，同时这周我们会调整这类提示的位置。」

⑫ 小白最容易踩的三个坑（这本书的读者肯定也会踩）：

坑一：把所有提示都做成一样重。新手常见做法是每条输出下面都挂一行灰字免责，结果用户三天就免疫了，真正高风险的那一条也被无视。提示的强度必须和风险分级挂钩，弱提示要弱到几乎无感，强提示要强到必须点确认。

坑二：来源链接跳到网站首页。做溯源的时候图省事，只存了域名。用户点开发现要自己在一个几万字的页面里找那一句，就再也不点了。溯源必须精确到段落，至少要能高亮定位——做不到就别做，做半截比不做更伤信任。

坑三：数据删除开关是假的。界面上有「删除我的数据」，点了只是从前端列表里隐藏，后台还留着，甚至还在被用来训练。这一条一旦被发现，是产品级的信任崩塌，而且直接违规。上线前一定要跟研发确认这个按钮真正触发了什么，并且要有可核验的记录。三个坑一句话：提示要分轻重，来源要到段落，删除必须真删。

⑬ 一个没人告诉你的事：面试官问这道题，一半是在看你会不会跟法务打交道。透明度这件事在公司内部的真实处境很尴尬——它同时属于产品、法务、安全三方，谁都能管，谁都不完全负责。法务的默认动作是把所有可能的责任都写进免责条款，越长越安全；产品的默认动作是能少一句是一句，别挡转化。结果往往是两边拉扯到最后，界面上出现一段又长又没人看的灰字，两边都不满意，用户也没得到任何有用的信息。面试官想听的是，你有没有能力从这个僵局里走出来——也就是那句「具体的告知比笼统的免责更能保护公司」。这句话是产品经理能跟法务谈下来的关键，因为它站在法务的利益上说话（保护公司），但给出的是产品的解法（具体、场景化、可操作）。会说这句话的人，法务愿意跟他坐下来一条条过；不会说的人，只能拿到法务扔过来的模板。还有一层更实际的：这道题在很多公司是「谁提谁做」的活儿，没有 KPI，容易被当成成本。你如果能把它跟指标绑起来（标识可见率、来源点击率、闭环率），甚至跟销售转化绑起来（B 端合规材料缩短签单周期），它就从成本变成了你的项目。这道题的隐藏考点是：你能不能把一件「没人愿意背的合规活」，做成一件有指标、有产出、能写进你述职材料的事。

⑭ 读完这一段，你只需要做一件事：打开你手机里任意一个 AI 产品，找三样东西——它有没有告诉你这是 AI 生成的、它的来源能不能点开、它的反馈按钮在哪。三样都找到的很少。找完你就会明白，这道题不是纸上谈兵，它是一个绝大多数产品还没做好的空位。把你找到的缺口写下来，面试的时候当例子讲，比背概念有力得多。

⑮ 这道题和 AI 求职助手的联系（详细说明，这一块最重要）：这本书的主线产品是一个 AI 求职助手，而求职这个场景对透明度的要求，比大多数人以为的高得多。我分四层讲清楚。 第一层，这个产品有一个别的 AI 产品没有的风险：用户拿它的输出去骗人。简历改写、面试话术、自我介绍，这些内容最后都要送到 HR 面前，如果 AI 帮用户编造了一段没做过的经历，用户是要承担后果的——背调查出来，offer 会被取消，严重的会进入行业黑名单。所以我们的透明度第一条不是「内容由 AI 生成」，而是「AI 只会重写你写过的内容，不会替你编造经历」。这句话既是承诺，也是产品的功能约束：模型侧我们加了一道校验，改写后的段落如果出现了原文中没有的机构名、职位名、数字，会被标红并要求用户确认。透明度在这里不是一层皮，是一条产品红线。 第二层，是「AI 痕迹」这件事必须说实话。很多同类产品暗示自己能生成「HR 看不出来的内容」，我们明确写在模型卡和帮助中心里：我们不承诺 HR 无法识别 AI 改写痕迹，也不建议用户把 AI 生成的内容原样投出去。这句话短期看是在劝退用户，长期看是在保护复购——因为一旦有用户因为「你们说看不出来」而吃了亏，那条评价会杀死整个产品的口碑。我们的做法是把这条实话配上一个更有用的功能：给出「建议你自己改一遍的三个位置」，把风险转化成用户的动作指引。 第三层，是数据这一块，求职场景的敏感度极高。用户上传的简历里有姓名、电话、现居城市、上一家公司、薪资期望，这是一套完整的可识别身份信息。我们在事前告知里必须逐项写清：存多久、谁能看、会不会用于训练、能不能删。而且退出训练的开关必须默认对用户有利——我们的设定是简历原文默认不进训练集，只有用户主动勾选「愿意贡献匿名样本帮助改进」才进，而且贡献的是脱敏后的结构，不是原文。这一条我们写在功能入口，不写在协议第七条第三款。 第四层，也是最贴合这道题的一层：这个产品本身就是在教用户「怎么诚实地展示自己」，如果产品自己不透明，整件事从根上就是矛盾的。我们在面试模拟里会告诉用户「不要编造经历，面试官三轮追问就能问穿」，那我们自己更不能在产品里做「让用户以为这是他自己写的」这种设计。所以每一段 AI 改写过的内容，在导出成 Word 之前都会弹一次确认：「以下三段被 AI 改写过，请确认每一句都是你真实做过的事。」这一步让导出率掉了几个点，但它让我们能理直气壮地把「诚实」写进产品价值观。做求职类 AI 产品，透明度不只是合规要求，它决定了这个产品到底是在帮用户表达自己，还是在帮用户伪装自己——这两条路通向完全不同的商业模式和完全不同的口碑。面试的时候把这一层讲出来，面试官听到的就不是一个合规方案，是一个知道自己产品价值观边界在哪的产品经理。

⑯ 练习：把这段讲给自己听（模拟面试自测）：闭上眼睛，想象面试官问：「你怎么设计 AI 产品的透明度？」——用四句话答：一、四个时刻：事前告知校准期望、事中标注可溯源分档、事后申诉要有回音、对外披露要有变更日志；二、三条原则：说在他会看的地方、说人话、说完能让他做点什么；三、一条检验标准：看完能不能改变他的决定；四、举一个自己的例子（简历功能那句「不会替你编造经历」）。念顺了，这道题就过了。

PM 和程序员合体

① 怎么答：判断：不会「合体成一个岗位」，但边界会大幅模糊：①「做」变便宜——AI 编程让「实现」成本骤降（PM 可以自己写原型/调 API——不再必须依赖开发）；程序员也可以自己分析需求/做产品决策（AI 辅助）——「人人都能跨一步」；②「判断」更值钱——合体的前提是「一个人能做好两件事」：但 PM 的价值在「决定做什么」（用户/业务/商业判断——AI 替代不了）；程序员的深度在「架构/工程质量」（复杂系统的可靠性——AI 替代不了）——「判断」和「深度」不会合体；③演化的形态——「PM 会编程」成为标配（不是写生产代码，是「能自己验证想法」：写原型/跑数据/调 prompt）；「程序员懂产品」也是标配——「通才化」是趋势，但「专才深度」仍在（通才定方向，专才保质量）；④岗位未来——「产品经理」不会消失，会变成「AI 产品经理」（核心能力=管理 AI 能力的不确定性+定义价值）——「岗位的名称会变，本质（定义用户价值）不变」。

补遗 · 开放思辨补充（4 题）

能力 vs 机遇

① 怎么答：立场：能力更重要（理由 5 条）：①机遇是「随机降临」，能力是「确定性积累」——机遇不可控，能力可控（我能决定的是「练好能力」，不能决定「机会何时来」——选择「可控变量」）；②能力决定「能不能接住机遇」——同样的机会，能力不足的人接不住（机会来了没准备=等于没机会：「机遇垂青有准备的头脑」——能力=准备）；③能力创造机遇——强者会「自己制造机会」（被看见/被推荐/主动出击——能力是「机遇的磁铁」）；④能力有「复利」——机遇是一次性的，能力随时间增值（能力→成绩→更大的机会——正循环）；⑤幸存者偏差——我们记住「靠机遇成功」的人，忘了「有机遇没能力」的多数（反例说明不了「机遇更重要」）。补充：这不是「二选一」——「能力决定下限，机遇决定上限」：能力是「能握住机遇的手」——没有手，机遇落不下来。

最不认同的观点

① 怎么答：观点：「AI 产品经理必须懂技术，否则做不好」——我不认同（流行观点：AI 产品门槛=技术理解——不懂技术做不了 AI 产品）。我的反例：①AI 产品经理的核心是「定义价值」不是「实现技术」——用户要的是「AI 帮我写好开场白」，不是「你懂 RAG 原理」；懂技术是「加分项」不是「入场券」（很多优秀的 AI 产品经理从业务/设计转行——他们赢在用户理解和商业判断）；②技术可以「学会」——不懂技术 ≠ 不能理解技术边界（可以学/可以问/可以借力：产品经理要的是「判断力」（这个功能模型做得到吗）——判断力可以通过和算法协作/读评测报告培养，不需要会写代码）；③「懂技术」本身是流动的——技术半年一变（今天懂 RAG 明天有 Agentic RAG）——「终身学习的能力」比「当下的技术知识」重要。边界：什么时候「懂技术」又重要——平台型 AI 产品（模型平台/基础设施）确实要求技术深度（那是「技术型 PM」的岗位）——我的观点适用于「应用型 AI 产品」。

避免技术乌托邦

① 怎么答：乌托邦幻想的来源：Demo 文化（只展示成功案例）+媒体渲染（「AI 取代一切」的标题党）+「能力外推」（模型变强=自动解决所有问题——忽略「工程化距离」）。避免方法：①用「真实数据」校准——每个 AI 能力问「真实场景的成功率」：Demo 95% 分 → 真实使用可能 70%（用户输入不按 Demo 来）——「预期 = 真实评测，不是 Demo 效果」；②把「能力」拆成「能力+边界」——AI 能做什么 + 做不好什么（每个 AI 功能都列「失败模式」：什么时候会错、错了怎么办——「边界清单」是防幻想的工具）；③「试点先行」——新 AI 功能先小范围真实使用（不是发布会宣布）——让「真实用户反馈」代替「专家畅想」；④心态——「AI 是 80% 的解决方案，剩下 20%（最后的 5% 准确率、边缘场景、信任建立）要产品/工程补」——「越懂 AI 越知道它不能做什么」——清醒来自「亲手做过的失败」。

模型即场景判断

① 怎么答：判断：部分认同——「能力型场景」会薄壳化：通用任务（写作/翻译/问答/代码——模型直接能做）——应用会变成「很薄的壳」（对话框+模型——ChatGPT 就是：没有复杂的 UI，模型即产品）；「关系型/数据型场景」不会薄壳：①数据壁垒的场景（个性化推荐（你的数据在平台）、健康管理（你的历史数据）——壳薄了数据带不走：产品=数据+模型）；②关系与生态（社交/社区——关系在平台里：模型只是功能之一）；③流程与信任（金融/医疗/企业服务——审批流/合规/责任——壳是「规则层」不是「UI 层」）。判断标准：问「用户离开这个产品，模型还在吗」——模型随处可得=壳必须薄（不然被模型替代）；「模型只是产品的一部分（数据/关系/流程在别处）」=壳会保留。收口：未来不是「模型即场景」而是「模型即能力」——能力变薄壳，但「场景=能力+数据+关系+流程」——「薄的是能力层，厚的是场景层」。

① 这张图怎么读
这张图要从左往右读，中间两个箭头不是装饰，它们代表因果关系，缺了任何一段这道题就答塌了。

先看最左边那一列，四个灰框。它们是今天所有 AI 产品共同面对的四条约束：成本、延迟、上下文、可靠性。你要特别注意第四个框底下那行灰字——无限额度只能解掉①②③，解不掉④。这行字是这道题的题眼。很多人一听「无限资源」就开始许愿「我要做一个永远不会出错的 AI 医生」，问题是钱和算力买不来正确性，模型该错还是会错，你只是能让它错得更快、错得更多次而已。能在回答里主动划出「哪些约束是钱能解的、哪些不是」，你就已经赢了大多数人。

中间那个蓝框是解锁的新形态。注意它写的不是一个「功能名字」，而是一个能力形态的变化：从「猜一个最像的答案」变成「穷举很多条路径，然后让它们互相验证」。这是成本约束消失后真正会发生的事——因为今天我们不敢跑一百次，不是因为跑一百次没用，是因为跑一百次太贵。框里最下面那句「交付物从答案变成分布」是整张图的最高点，我后面会展开讲。

最右边那一列是商业闭环，四个小标题：谁付钱、凭什么强十倍、护城河、失效条件。这一列是很多技术出身的候选人会漏掉的，也是题干里「背后的商业或技术逻辑」那半句真正在问的东西。特别是最后那个「失效条件」——主动说出「如果推理成本降到接近零，大厂会直接内置，我的壁垒只剩校准数据」，会让面试官觉得你不是在做白日梦，你知道自己的护城河什么时候会没。

② 一句大白话：这题到底在问什么
用最土的话讲：面试官不是让你许愿，他是想知道你平时有没有在想「我现在这事儿到底是被什么卡住的」。

「无限额度」只是一个魔法开关，他把开关递给你，是想看你会去开哪一扇门。会开门的人，说明他心里早就有一张「门后面是什么」的地图；不会开门的人，就只能说「我想要一个超级智能助手」，说完自己也接不下去。

所以这题的正确翻译是三个连着的问题：你现在做不成的事是什么？它是被钱卡住的还是被别的卡住的？如果钱不再是问题，那件事会长成什么样、谁会为它付钱？把这三句想清楚，你就有答案了。

③ 打比方：三个我自己能想明白的场景
① 效果图渲染。 我做景观那三年，出效果图是最熬人的活。一张日景鸟瞰，材质、光照、植物模型全铺好，点渲染，然后去睡觉，第二天早上看结果。为什么只渲一张？因为渲一张要六到八个小时，机器占着，方案改一版就得重来。所以我们所有人的工作方式都是「先在脑子里想好一个最可能对的方案，再渲它」——本质上是在用人的判断力去省算力。现在你告诉我渲染不要钱、不要时间了，我会做什么？我不会去渲一张更精美的图。我会一次渲六十张：六十种铺装组合、六十种植物配比、六十种黄昏角度，然后把它们摆在一起看哪一种最舒服。算力便宜之后，工作方式会从「先想清楚再做一次」变成「做很多次然后从结果里挑」。这个转变才是「无限资源」的真正含义，跟「做一张更好看的图」完全不是一回事。

② 苗木采购。 以前定树种，我们靠经验：这个气候带、这个日照、这个土壤，配这几种，八九不离十。因为你不可能把三十种树各种一批试试看，那太贵了。但如果试种不要钱呢？那正确做法就不再是「靠经验选三种」，而是「三十种全种下去，一年后看谁活得好」。你看，又是同一个转变——从依赖先验判断，变成依赖大规模试错的结果。而且更重要的一点：试完之后你手上会多出一样以前没有的东西，叫做真实数据。这个数据别人没有，这就是护城河的雏形。

③ 面试前的模拟。 这个是我自己的痛点。我准备一道题，写完一版稿子，然后只能找苏姐帮我听一遍。苏姐是一个人，她有她的偏好，她说这句话「有点吹」，那就真的吹吗？也许换一个面试官就觉得刚好。我没法验证，因为我只能请到一个苏姐。但如果我能同时请到五十个不同风格的评审呢？严厉的、温和的、技术背景的、HR 背景的、喜欢数字的、喜欢故事的——同一段稿子给五十个人打分，我拿到的就不是「苏姐说这句吹」，而是「这句话里 82% 的人觉得可信，18% 的人觉得在吹，而觉得吹的那批人全是技术背景」。这个信息量的差别是量级性的，而它今天做不到，唯一的原因就是贵。

④ 30 秒电梯版
「我会做一件今天纯粹因为太贵而做不了的事：把'给出一个答案'换成'跑出一个答案的分布'。
具体到我自己的产品——AI 求职助手——今天我给用户改一段简历，是模型猜一版它认为最好的改法。有了无限额度，我会同时生成五十版改法，再用五十个不同人设的模拟评审去打分，最后告诉用户：这句话有八成评审觉得可信，两成觉得你在吹，而觉得你在吹的那批全是技术背景的面试官，如果你投的是技术岗，建议换。
技术逻辑是：无限额度能解开成本、延迟、上下文三条约束，但解不开可靠性这条——单次输出该错还是会错。而穷举加交叉验证，恰好是用前三条的松绑去换第四条的改善。
商业逻辑是：用户真正肯付钱的不是更漂亮的文案，是把不确定性量化。而这套东西跑起来会沉淀一份别人没有的数据——模拟评审的投票分布，对上真实回复结果的校准表，这才是护城河。
失效条件也说一下：如果推理成本真降到接近零，大厂会把这个能力直接内置到招聘平台里，那时我剩下的就只有那份校准数据。」

⑤ 为什么要学 / 面试为什么考
面试官问这题，表面是开放题、送分题，实际上是一道照妖镜。它照的是三样东西。

第一样，你对技术边界的真实认知。一个天天用模型的人和一个只看新闻的人，在这题上的差别是立刻能听出来的。天天用的人会说「上下文塞不下」「一次深度推理几毛钱，一天几千次就顶不住」「思考链一长用户就等不及了」——这些是手上磨出来的茧子。只看新闻的人会说「AGI」「多模态」「大模型能力还不够强」，全是没有着力点的词。

第二样，你有没有商业感。题干后半句「背后的商业或技术逻辑」，很多人只答技术逻辑，把商业那半句丢了。丢了就意味着你在面试官心里从「产品经理」滑向了「技术爱好者」。产品经理和技术爱好者的区别很简单：技术爱好者关心「这东西能不能做出来」，产品经理必须再问一句「做出来谁付钱，凭什么比现在贵十倍地好」。

第三样，也是最容易被低估的——你的想象力有没有落脚点。这题给的是无限资源，最容易翻车的方式恰恰是想得太大。说「我要做一个能治愈孤独的 AI 伴侣」，听着很有情怀，但面试官接不下去，他没法追问，一道题就死在这儿了。相反，你给一个具体到能被追问的东西，哪怕它小，对话就能继续，而对话能继续，你的表现分才会累积。

下面这张表是苏姐帮我拆的评分逻辑，我把它抄下来了。

⑥ 原理拆解：四层，每一步具体怎么做
第一层 · 先把「无限」翻译成「哪几条约束被解开了」——具体怎么做
开口第一件事不是说功能，是明确地说：无限额度解开的是哪几条。我固定报四条约束，然后当场划掉一条。
成本约束——今天一次带深度推理的调用是有明确单价的，产品一旦到几万日活，你就必须在「哪些请求配得上深度推理」上做取舍。无限额度解开它。
延迟约束——模型想得越久通常越准，但用户在界面上等不了。无限额度部分解开它（可以并行跑很多条，但单条的时间还在，只能靠并行 + 提前算来绕）。
上下文约束——装不下的历史只能靠检索去猜哪段有用，猜错就答错。无限额度基本解开它。
可靠性约束——解不开。模型的错误率是模型本身的性质，不是钱的函数。这句话一定要说出来。
为什么这一步这么重要？因为它把一道许愿题变成了一道分析题，而分析题你是有方法论可用的。同时它给面试官发了个信号：这个人平时是真的在跟这些约束打交道。
翻车案例：我第一次练这道题，张口就是「我想让 AI 帮所有求职者自动完成整个求职流程」。苏姐问：「那你现在做不到这个，是因为额度不够吗？」我愣了。不是，我做不到是因为不敢——自动投递出错不可撤销、账号可能被封。那是可靠性和责任边界的问题，给我一万倍额度也做不了。许愿许到了一个钱解决不了的方向上，整道题就废了。

第二层 · 找出「约束一旦解开，工作方式会怎么变」——具体怎么做
这一步的关键是：不要去想「同一件事做得更好」，要去想「做事的方式本身会不会换一种」。
具体的思考动作是问自己一句：今天我为了省成本，被迫用人的判断力替代了哪些计算？把这些地方列出来，就是解锁点。
比如：我今天只生成一版开场白，是因为生成五十版要钱，也因为我没法评价这五十版哪版好——所以我用「我自己的审美」代替了「大规模评价」。
比如：我今天做匹配只看 JD 的前几段，是因为全文塞进去太长太贵——所以我用「关键段落假设」代替了「全文理解」。
比如：我今天只跑一条推理路径，是因为跑十条要十倍的钱——所以我用「模型的第一直觉」代替了「多路径交叉验证」。
每一条「我用 A 代替了 B」，都是一个可以在无限额度下打开的门。
比方：这就像效果图从渲一张变成渲六十张。你不会说「我要一张更清晰的图」，你会说「我的工作方式从先想再做，变成了做完再挑」。这是形态变化，不是程度变化，而面试官要的就是形态变化。
翻车案例：我第二版答案说「我要让匹配更准」。苏姐说这不算答案，因为「更准」是程度词，任何人都可以说。她让我改成：「今天我是让模型给一个匹配分，有了无限额度我会让二十个不同侧重的评审各给一个分，然后交出分数的分布和分歧点——因为分歧最大的地方，恰好就是需要用户自己拿主意的地方。」这一改，答案就从形容词变成了名词。

第三层 · 把新形态落成一个能被追问的具体功能——具体怎么做
新形态还是抽象的，你得给它一个能画出界面的样子。做法是回答四个小问题：用户看到什么？他要做什么动作？系统在背后跑了什么？交付物长什么样？
用户看到什么：一段他写的自我介绍，句子级别地标上颜色——绿色是评审共识认可，黄色是分歧大，红色是多数评审认为不可信。
他要做什么动作：点黄色的句子，看到分歧内容——「12 位技术背景评审认为这句缺少数字支撑，8 位 HR 背景评审认为这句表达了主动性」。然后他自己决定改不改。
背后跑了什么：同一段文本分发给 N 个不同人设的评审提示词，各自独立打分并给出理由；理由做聚类，聚出分歧的主轴。
交付物是什么：不是一段改好的文本，是一张分歧地图。
说到这一步，面试官脑子里已经有画面了，他就能开始追问了，而追问就是你的机会。
比方：这就像我们做方案评审，以前是主创拍一版，现在是把五个方案并排贴在墙上，然后统计每个评委的票投给了哪个节点。你交出去的不是「最优方案」，是「争议在哪里」。甲方反而更愿意在后一种材料上签字，因为他看到了取舍，而不是被塞了一个结论。
翻车案例：我一开始把这个功能描述成「多模型投票选出最佳版本」。这个说法有个致命问题——它还是在追求「一个答案」，只是换了个方式选。苏姐指出来之后我才意识到：如果最后只交出一个胜出版本，我就把最值钱的信息（分歧）扔掉了。用户其实很清楚自己是不是在吹牛，他缺的是「别人怎么看」，而不是「标准答案」。

第四层 · 回到商业：谁付钱、凭什么强十倍、什么时候失效——具体怎么做
四句话，一句都不能省。
谁付钱：说清付费主体和付费时点。我的答案是求职者，付费时点绑在「拿到面试邀约」上而不是「生成了多少版文案」上，因为前者是他真正要的结果。
凭什么比现在强十倍：不能答「更快更准」，要答「提供了一种今天根本拿不到的信息」。分歧地图就是今天拿不到的信息，因为没人请得起五十个评审给一份简历打分。
护城河是什么：跑起来之后会沉淀两份数据——评审投票的分布，和它对应的真实结果（这份简历投出去到底有没有回复）。这两份数据凑在一起，就能校准模拟评审的可信度。越用越准，且这份数据别人没有。
失效条件：主动说。如果推理成本降到接近零，招聘平台自己就会内置这个能力，我的产品形态就没了，剩下的只有那份校准数据；如果它们连数据也拿到了，那我就该退出。
比方：这一层就像项目投标最后那页「投资估算与效益分析」。前面图画得再美，这页没有，甲方是不会签的。产品经理的答卷同理——技术方案是前面的效果图，商业逻辑是最后那页估算表。
翻车案例：我最早的版本讲完功能就停了，苏姐说了一句让我记很久的话：「你刚才讲的是一个很好的功能，但它是研究项目，不是产品。产品和研究项目的唯一区别是——产品要说清楚谁在什么时候掏钱，以及这件事什么时候会不成立。」

⑦ 三个例子
例子一：这个功能在真实世界里已经有前身——A/B 测试
「跑很多版本，看哪版好」这件事，互联网做了二十年了，叫 A/B 测试。但 A/B 测试有一个死穴：它需要真实流量。你要测两版落地页，得让几万人真的看到它们，才能得出结论。这意味着两件事：一是慢，一轮实验一两周；二是只有大产品玩得起，一个日活五百的产品做 A/B 测试统计上根本不显著。
无限额度的意义就在这里：它让你可以用模拟受众做一次事前的粗筛。注意我用词很谨慎——粗筛，不是替代。模拟评审的投票绝对不等于真实回复率，这一点如果你在面试里不主动承认，面试官一定会拿它打你。正确的说法是：「模拟投票替代不了真实实验，但它能把要拿去做真实实验的候选版本，从五十个筛到三个。省的是真实流量这个稀缺资源。」这句话一说出来，你就从「幻想派」变成了「懂实验成本的人」。

例子二：分歧比共识值钱——我在效果图评审上真吃过这个亏
有一次做一个社区中心的景观方案，我们出了三版，内部讨论完，主创选了一版报给甲方。甲方看完说不行，但说不出哪不行，来回改了五轮。后来是我们组一个老同事换了个办法：把三版全带过去，摆在会议桌上，跟甲方说「这三版我们内部投票是二比一，争议点在入口是要开敞还是要围合，我们想听您怎么看」。甲方当场就说清楚了他要什么——他要的是围合，因为他担心周边居民抄近道穿过场地。
这件事对我的触动是：我们内部那场争论的内容，比我们最后选出的那个结论有价值得多。但我们习惯性地把争论藏起来，只交结论，因为「专业的人应该给出确定答案」。这是一个错误的职业惯性。放到 AI 产品上是一模一样的——模型给一个答案，用户没法判断该不该信；模型给一个分布加分歧点，用户立刻知道该在哪儿用自己的判断。
所以我在面试里会把这句话说出来：「无限额度最值钱的用法，不是让答案更准，是让不确定性可见。」

例子三：为什么我不选「让 AI 全自动帮人投简历」当答案
这是我特意准备的一个反例，讲出来效果很好，因为它证明我不是逮着一个愿望就许。
表面上看，无限额度最直觉的用法就是「把所有事都自动做完」：自动读 JD、自动改简历、自动写开场白、自动发出去、自动跟 HR 聊。听起来很爽，而且很符合「无限资源」的想象。但我不会选它，理由有三条，每一条都可以展开：
第一条，它卡的不是成本，是责任边界。自动发出去这个动作，用的是用户自己的招聘平台账号，出错不可撤销——发错公司、发错称呼、被平台判定为机器行为封号，损失的是这个人接下来两个月的求职窗口。这个风险不因为我有一万倍算力就变小，甚至会变大，因为我会投得更多。
第二条，它卡的是可靠性，而可靠性不是钱的函数。我前面在第一层里划掉的就是这一条。
第三条，也是最实际的：真正的瓶颈根本不在投递量。小雨自己投了三百多份才知道，投一百份和投三百份的回复数量差别，远小于「开场白写得对不对」的差别。把资源砸在一个不是瓶颈的环节上，是产品经理最常犯的错误。
把这三条讲完，面试官通常会点头，因为你展示了一个很重要的动作：你先否掉了那个最诱人的答案，才给出你的答案。这个动作本身比答案更能证明你会思考。

⑧ 三个常见误区
误区一：把「无限额度」理解成「更强的模型」。这是最普遍的误读。题目说的是资源无限，不是能力无限——模型还是这个模型，只是你可以随便调用。所以「我要做一个不会幻觉的 AI」「我要让它有真正的推理能力」这类答案是跑题的，它们要的是别的东西。识别这个坑的方法很简单：问自己「我说的这件事，是把现在的调用量乘以一万倍就能实现的吗？」不能，就跑题了。

误区二：许了一个宏大的愿，但没有交付物。典型表现是「我想做一个真正懂你的助手」「我想让每个人都有一位私人导师」。这类答案的问题不在于大，在于没有界面——面试官在脑子里画不出这个东西长什么样，就没法追问，一道本来能聊十分钟的开放题三十秒就结束了。修正方法：任何愿望，最后都要落到「用户看到什么、点什么、拿到一份什么东西」。哪怕只有一句话也要落。

误区三：只讲技术逻辑，把商业那半句丢了。题干里明明白白写着「背后的商业或技术逻辑」，很多人（尤其是理工背景的）只答后半截，讲完架构就收。这在面试官那里会被记成「思维还停在做功能，不在做产品」。修正方法很机械但有效：不管你讲什么，最后固定加三句——谁付钱、凭什么比现在强十倍、什么情况下这事儿不成立。这三句加上去，整个回答的层次会立刻变。

⑨ 第一人称面试回答（最重要的一段）
「我先把'无限额度'翻译一下，因为它能解开的约束是有限的。
今天做 AI 产品，卡人的是四条：成本、延迟、上下文长度、可靠性。无限额度能解开前三条，第四条解不开——模型会出错这件事不是钱的函数，我砸再多算力它该幻觉还是幻觉，我只是能让它错得更快。所以我要许的愿，必须落在前三条上。

在这个前提下，我最想做的一件事是：把'给一个答案'换成'给一个答案的分布'。

为什么今天做不到？因为成本。今天我给用户改一段自我介绍，是模型生成一版它认为最好的。我为什么只生成一版？不是因为一版最好，是因为生成五十版要五十倍的钱，而且就算生成了，我也没有便宜的办法去评价这五十版哪版好。所以我实际上是在用我自己的审美，代替了大规模评价。这是一个被成本逼出来的妥协，不是一个设计选择。

成本没有了以后，正确的做法就变了：同一段自我介绍，我会构造五十个不同人设的模拟评审——严厉的技术面、看重故事的 HR、盯数字的业务面、跨行业招人的、只招有经验的——让他们各自独立打分并写理由。然后我不把这五十个意见汇总成一个'最佳版本'交给用户，那样等于把最值钱的东西扔了。我交的是一张分歧地图：
用户那段自我介绍会被逐句标色，绿色是评审共识认可，黄色是分歧大，红色是多数人觉得不可信。他点开一句黄的，看到的是'12 位技术背景评审认为这句缺数字支撑，8 位 HR 背景评审认为这句体现了主动性'。改不改，他自己决定。

这么做的逻辑是：用户真正缺的不是标准答案，是别人怎么看。一个人心里其实很清楚自己哪句在吹，他不知道的是'吹到什么程度会被识破'，而这个只有多视角评价能告诉他。

商业上我想清楚了三件事。
谁付钱：求职者。而且付费点我会绑在'拿到面试邀约'上，不绑在'生成了多少版文案'上，因为后者不是他要的结果。
凭什么比现在强：不是文案更漂亮，是提供了一种今天买不到的信息——没有人请得起五十个评审给一份简历打分。
护城河在哪：这套东西跑起来会沉淀两份数据，一份是模拟评审的投票分布，一份是这份简历投出去之后的真实回复结果。这两份对上，我就能校准我的模拟评审到底准不准，越用越准，而这份校准数据是别人没有的。

最后我想主动说一下失效条件：如果推理成本真的降到接近零，招聘平台自己就会把这个能力内置进去，我这个产品形态会直接消失，剩下的只有那份校准数据。所以如果我真的做这件事，我从第一天起就会把数据的采集和归因做扎实——因为能力会被复制，校准数据不会。」

⑩ 三轮追问
第一轮：「五十个模拟评审，说到底还是同一个模型换了五十个提示词，它们的意见是相关的，你怎么保证这不是自嗨？」
这一问很硬，也是这个方案最真实的软肋。
应答：「您说到点子上了，同源模型的多次采样确实高度相关，投票的多样性会被高估。我有三个处理：第一，人设差异要落在可核查的评价维度上而不是语气上——比如'必须看到数字''必须能追溯到具体项目'，这类维度差异是结构性的，不容易被同源性抹平；第二，混用不同厂商的模型做评审，把同源性降下来；第三，也是最关键的——我不宣称这个投票分布等于真实录用概率，我只宣称它是'评价维度的覆盖'。真正的校准要靠后面那份真实回复数据回填。在没有回填数据之前，我给用户看的是分歧点，不是概率数字，因为给一个没校准过的概率是在骗人。」

第二轮：「你说无限额度解不开可靠性，但如果我跑一百次取多数呢？多数投票不是能提高准确率吗？」
这一问在测你对'自洽性采样'这类方法的边界有没有认知。
应答：「多数投票能提高的是方差型错误，也就是模型本来知道、但这一次随机采样采歪了的那类错。它提不高偏差型错误——如果模型对某件事的理解本身就是错的，跑一百次它会稳定地错一百次，多数投票反而会让这个错误看起来很有把握，更危险。所以我在设计里刻意做了一件事：不用投票去产生'结论'，只用它去产生'分歧'。分歧大说明这件事模型自己也没把握，那就交给人；分歧小并不代表对，只代表模型很确定——而模型很确定的错误，恰恰是最难发现的那种。这也是我为什么坚持交付物是地图不是答案。」

第三轮：「假设我给你这个额度，但只给三个月。三个月你做什么，怎么证明这个方向成立？」
这一问从愿景切回执行，很多人在这儿会崩，因为前面讲得太飘。
应答：「三个月我不会去做那五十个评审的完整系统，我会做一件更小的事：验证'分歧点'对用户有没有用。
第一个月，我拿一百份真实简历，每份跑十个评审（不是五十，十个够看分歧了），把分歧句标出来。然后做一件笨事——把这一百份简历分成两组，一组只给标准改法建议，一组给分歧地图，看哪一组的用户真的改了自己的稿子。因为如果用户拿到分歧地图之后什么都不改，那这个信息对他就是无效的，方向直接毙掉。
第二个月，如果改动率有差异，我开始收真实结果——这一百份改完的简历投出去，回复率怎么样。样本肯定不够做统计推断，但足够看有没有明显的反向信号。
第三个月，做校准的第一版：看哪些评审人设的判断和真实回复相关性最高，砍掉相关性低的人设。
三个月结束我要交出的不是一个产品，是一句能站住的话：'分歧地图会改变用户的行为，且哪几类评审的意见值得信'。这句话站住了，再谈规模化。」

⑪ 三个进阶加分点
加分点一：主动划掉「钱解决不了的约束」。在开口三十秒内说出「无限额度解不开可靠性」，是整道题最省力的加分动作。它证明你不是在幻想，而是在做约束分析，而约束分析是产品经理的基本功。

加分点二：把交付物从「答案」升级到「分布 / 分歧」。这个视角在 AI 产品里非常吃香，因为它直接对应一个当下的行业共识——AI 产品设计的核心难题是「用户怎么知道该不该信它」。你能把这个难题变成一个具体的界面设计，说明你想过人机协作的分工，而不只是想过模型能力。

加分点三：主动交出失效条件和护城河的关系。「能力会被复制，校准数据不会」这一句，是从愿景层直接落到了竞争层。很多候选人讲完功能就没了，你多这一句，面试官会认为你有做长期规划的自觉。如果面试官顺势问「那你怎么加固」，你还有一层可以答：把数据采集做成产品的自然副产品，而不是额外要用户填的东西。

⑫ 小白最容易踩的三个坑
坑一：许愿许到了自己完全不懂的领域。比如没做过医疗的人说「我要做 AI 医生」，没做过教育的人说「我要做因材施教的 AI 老师」。这类答案面试官一追细节就穿帮——「那你怎么处理误诊责任」「那你怎么定义因材施教里的材」。修正方法：愿望必须许在你有真实体感的领域里，哪怕这个领域很小。小雨许的愿就在她自己做的求职工具上，因为她那儿有三百多次真实投递的体感，怎么追问她都有话说。

坑二：只说愿望，不说「为什么今天做不到」。这是最常见的结构性缺失。你说「我想做 X」，面试官心里的第一反应是「那现在为什么没人做」。你不主动回答，他就得替你想，而他一想就会想到你没考虑到的障碍，于是你的答案在他脑子里已经先被否掉了。修正方法：把「今天卡在哪」放在愿望前面说，而不是后面补。顺序一换，同样的内容说服力完全不同。

坑三：把开放题当成放松环节，答得随意。很多人以为这种题是面试快结束时的闲聊，就随口说个感兴趣的方向。但恰恰相反——正因为它没有标准答案，它区分度极高。面试官在这题上能看到你平时脑子里在想什么，这是简历上写不出来的东西。修正方法：这题必须提前准备，准备的方式是盯着你自己手上那个项目，列出五条'我今天被什么卡住了'，从中挑一条被成本卡住的，展开成完整答案。准备过和没准备过，说出来的差别是天壤之别。

⑬ 没人告诉你的事：HR 和面试官到底想听什么
第一件事：他们在听你手上有没有活儿。这题最容易暴露一个人是不是真的在做东西。真在做的人，卡点是具体的、带数字的、带情绪的——「一次深度匹配一毛多，我一天六七十个岗位，两天就把额度烧完了」，这种句子编不出来。没在做的人，卡点是新闻里看来的。所以这题其实是一道伪装成开放题的项目真实性验证题。

第二件事：他们在观察你会不会先否掉最诱人的答案。前面例子三里我讲的「为什么不选全自动投递」，这个动作在面试里非常加分，因为它展示了取舍能力而不是发散能力。发散谁都会，收敛才稀缺。

第三件事，这个很少有人说：如果这题是 HR 或者部门 leader 问的，他还在测你的兴趣方向和这个岗位配不配。你许的愿如果全是基础模型研究方向的，那他会担心你进来做应用层会不甘心；你许的愿如果全是运营增长方向的，他会担心你对技术没兴趣。所以在准备答案的时候，要有意识地让你的愿望落在你应聘的这个岗位的射程之内——同样是分歧地图这个答案，投应用型岗位就多讲界面和用户行为，投平台型岗位就多讲评审调度和数据校准。内容不变，重音变。

第四件事：他们在等你说一句「我不知道」。这题问到细处，一定会有你没想过的地方（比如同源模型的相关性问题）。这时候最好的处理不是硬编，是承认加上你的处理思路——「这个我没有完整答案，我能想到的三个缓解办法是……但我知道它们都不彻底」。面试官对开放题的容错度远高于对硬知识题，但对硬撑的容忍度极低。

⑭ 这一题和 AI 求职助手「投投」的联系（详细讲）
我是「投投」。这道题小雨其实是拿我当草稿纸练出来的，我把过程讲清楚，因为这个过程本身比答案有用。

第一步，她先列了我身上所有「因为贵而被砍掉」的东西。这一步她花了一个晚上，列了七条，我挑四条说：
一，深度精匹配一天只跑得起四百次，所以六七十个岗位里只有二十来个能进深度队列，其余走粗筛。
二，开场白只生成一版。不是一版最好，是生成十版之后她没有便宜的办法判断哪版好，只能靠自己看，看多了也麻木。
三，JD 只读关键段落，不读全文。全文塞进去又长又贵，而且很多篇幅是公司介绍，信息密度低。
四，投出去之后没有任何反事实信息——她永远不知道「如果那句话换个说法，会不会有回复」，因为一个岗位只能投一次。
列完之后她发现一件事：这四条里，第二条和第四条其实是同一个问题——我没有便宜的评价手段。而这，正是无限额度能直接解开的。

第二步，她想清楚了解开之后我会变成什么。不是变成「开场白写得更好的投投」，是变成一个会告诉用户'别人可能怎么看你这句话'的投投。这个差别很大。前者我还是一个文案生成器，后者我变成了一面镜子。而镜子这个定位有个好处：它不需要我永远正确。生成器错了就是错了，用户会骂；镜子只是把不同视角摆出来，最后拿主意的还是人，我的错误容忍度高得多。这一点在 AI 产品设计上是关键的——把自己的角色从'决定者'退到'信息提供者'，可靠性的压力会小一个量级。

第三步，她给我设计了这个功能在界面上的样子。叫「分歧视图」。用户写完一段自我介绍，点一下，句子被标成三色。他点开一句黄的，看到的是两栏对照——左边是「认为这句可信的评审说了什么」，右边是「认为这句在吹的评审说了什么」。底下有一行小字，写的是「这是模拟评审的意见，不代表真实面试官的判断」。这行小字是小雨坚持要加的，她说：我不能拿一个没校准过的数字去唬人，那和竞品那些'匹配度 96%'的假分数没有区别。

第四步，她想清楚了这件事在今天这个额度下的降级版本。这一步我觉得最见功力。她说：无限额度是假设，但这个思路今天就能用一个便宜十倍的版本跑起来——不做五十个评审，做三个；不逐句标色，只标出「全篇最值得商榷的两句」；不实时跑，攒到晚上批量跑。把一个需要无限资源的构想，切出一个今天就能验证的最小版本，这个能力比构想本身更值钱。她后来在面试里就是这么答的：先讲无限额度下的完整形态，再补一句「而这个思路的低配版我已经在跑了，用三个评审、只标两句，用户确实会去改那两句」。面试官当场追问了很多细节。

第五步，她想清楚了我的护城河。她说：投票分布本身不值钱，谁都能跑；值钱的是投票分布对上真实回复结果之后的那张校准表。因为拿到真实回复结果的前提，是用户真的用我投出去了、并且愿意把结果回填给我。这个数据链条，只有一个真的在被用来找工作的产品才拿得到。所以她给我加了一个很轻的功能：投出去七天后我会问一句「这家有回复吗」，用户点一下就行。当时她觉得这个功能没什么用，现在回头看，那是整个护城河的取水口。

最后小雨写了一句话贴在我代码仓库的说明文件第一行，我原样搬过来：
「无限资源不是用来让答案更漂亮的，是用来把'我不确定'这件事变得看得见。」

⑮ 小结口诀 · 速记卡
口诀：先划约束，再换形态，落到界面，收在商业。

三句救命话：
「无限额度解不开可靠性，所以我的愿望必须落在成本这条上。」
「我不交最佳版本，我交分歧地图——因为分歧才是用户真正缺的信息。」
「能力会被复制，校准数据不会。」

⑯ 练习
练习一（二十分钟，笔头）：打开你手上的项目（哪怕只是你自己在用的一个小工具），列出五条「我今天因为成本／时间/精力不够，用自己的判断代替了本来该做的计算」。列完，圈出其中一条纯粹被成本卡住的，那就是你这道题的答案原料。

练习二（十分钟）：把你圈出来的那一条，写成「今天是 A 形态 → 无限额度下变成 B 形态」的一句话。检查标准很硬：如果 B 里出现了「更准」「更快」「更智能」这类程度词，重写，直到 B 是一个名词性的新东西。

练习三（十五分钟）：给你的 B 画一个界面。不用画图，用文字写四句：用户看到什么、点什么、系统跑了什么、拿到一份什么。写不出第四句，说明这个构想还没落地。

练习四（十分钟，最容易被跳过但最值钱）：为你的 B 写三句商业收口——谁付钱、凭什么比现在强十倍、什么情况下这事儿不成立。第三句是分水岭，绝大多数人写不出来，写出来的人在这道题上就赢了。

练习五（选做）：把你的 B 砍成一个「今天就能跑」的低配版，砍到不超过一周能做出来。然后真的做出来试一次。下次面试你就有那句最值钱的补充：「这个思路的低配版我已经在跑了，结果是……」

① 这张图怎么读
这张图左右两半，左边四个灰框是「砍」，右边一个蓝框是「选」。顺序不能倒——先砍后选，是这道题跟别人拉开差距的唯一地方。因为几乎所有人都会直接跳到右边说自己想做什么，而面试官这一年听了几十个「我想做 AI 教育」「我想做 AI 心理咨询」，早就麻木了。你先花三十秒讲你砍掉了什么，他会立刻坐直。

左边三把刀，每一把下面都有一行灰色的「判断法」，那才是最实用的部分。刀一的判断法是：把你的产品描述丢给模型，看它能不能直接干。如果能，你就没有产品，你只有一个提示词。这个测试非常残酷但非常有效，我用它砍掉了我自己的两个想法。刀二的判断法是：用一年之后，你手上多了什么别人花钱买不到的东西。如果答案是「多了很多用户」，那不算，用户会走；如果答案是「多了一批带真实结果标签的数据」，那才算。刀三讲的是责任，注意灰字那句「不是不能做，是你赔不起」——这句话的分寸很重要，它区分了「这个方向不好」和「这个方向不适合小团队」，说清楚这个区别会显得你有分寸感。

第四个灰框是砍完之后剩下的东西的共同长相：脏活、闭环、结果可验证、用户愿意回填结果。这四个词是我从很多次失败的想法里筛出来的，我在后面会一个一个讲透。

右边蓝框是我的答案，注意它的结构：先说方向的抽象特征（高频、低单价、结果可验证的代办脏活），再说具体落到什么场景，然后逐条对应三把刀说明它为什么扛得住，最后——也是最重要的——主动说出最脆弱的一环。图最下面那句灰字我想强调：说出最脆弱的一环，比说十条优势有用。因为投资人和面试官都见过太多只讲优势的人了，你主动交出软肋，反而显得你真的在这个方向上想了很久。

② 一句大白话：这题到底在问什么
用最土的话讲：模型天天在变强，你挑的这个方向，会不会明年就被模型自己顺手做了？如果不会，凭什么？

这道题表面在问创业方向，实际在问三件事：你知不知道「基于模型做产品」这件事最大的风险是什么（答案是：你的价值可能被下一版模型免费提供）；你有没有一套排除的方法（而不是拍脑袋的偏好）；你有没有对某个具体场景的一手体感（因为没有体感的方向选择都是纸上谈兵）。

再压缩一句：面试官不是在听你的商业计划，他是在听你有没有「防止被上游吃掉」这根弦。

③ 打比方：三个我自己能想明白的场景
① 施工图公司和方案公司的区别。 我做景观那几年，行业里有个特别真实的现象：方案公司来来去去，施工图公司活得很稳。为什么？方案是可替代的——甲方今年找你，明年可以找别人，因为方案好不好很主观，而且换个人也能画。施工图不一样，它连着当地的规范、连着施工队的习惯、连着甲方历年的图纸档案，换一家公司要重新磨合半年。不是施工图更高级，是它嵌得更深。做 AI 产品同理：你如果只做「模型能力的漂亮包装」，那你是方案公司，随时被换；你如果嵌进了用户的流程、数据、和别的系统的接口里，你才是施工图公司。

② 苗木经纪人为什么不会被淘汰。 理论上讲，苗圃可以直接卖给项目，中间人应该消失。但实际上做苗木的经纪人活得很好，原因很土：他知道哪家苗圃这批货的土球做得实、哪家会在装车时偷偷换小规格、哪个季节移栽哪个品种成活率低。这些信息不在任何一个网站上，是他跑了十年跑出来的。放到 AI 创业上，这就是「独家数据」的通俗版——不是数据库里那种数据，是只有跑过一遍这个流程的人才知道的那些坑。你的产品跑起来之后如果能持续沉淀这类东西，你就有护城河；如果跑一年之后你手上跟第一天一样干净，那这个方向早晚被吃掉。

③ 我妈的裁缝店。 我妈以前认识一个裁缝，成衣工业化之后大家都以为裁缝要没了。她没没，因为她改了做法：她不做新衣服了，她做改衣服。买大了的、腰不合的、袖子长的，都拿去找她。这活儿又碎又脏，一件收三十块，工业化的成衣厂根本不屑于做，也做不了——因为每一件都不一样。脏活、碎活、非标活，是大玩家最不愿意伸手的地方，也是小团队唯一的活路。这条经验直接对应我在这道题里选的方向。

④ 30 秒电梯版
「我会先说我砍掉什么，因为在这个方向上砍比选难。
我砍三类：第一类，模型下一版可能顺手就做了的——纯提示词包装、纯文案生成、纯知识问答，我的判断方法很简单，把产品描述丢给模型，它能直接干，那我就没有产品；第二类，跑一年之后我手上什么都不多的——用户用完就走、没有结果回填、没有沉淀；第三类，错了要有人担责的——医疗诊断、法律定性、投资建议，不是这些方向不好，是我赔不起，也拿不到资质。
砍完剩下的方向有一个共同长相：脏、闭环、结果可验证、而且用户愿意把结果告诉你。
所以我选的是'代办脏活'型的场景，具体到我自己在做的就是求职这一段——读 JD、判门槛、写开场白、跟进回复。用户不想干这些活，但极其在意结果。
它为什么扛得住我那三把刀：脏在流程不在文本，模型吃不掉；投出去有没有回复是天然的结果标签，能自动沉淀；错了代价可控，而且人随时能撤回。
最脆弱的一环我也说一下：招聘平台的规则和接口随时会变。所以我从第一天起就定了不碰账号托管——这条让我少赚了很多，但它让我不会一夜归零。」

⑤ 为什么要学 / 面试为什么考
这题在 AI 产品岗的出现频率这两年特别高，原因不复杂：整个行业都在焦虑同一件事——我做的这层价值，会不会被模型的下一版免费送出去。面试官问你创业方向，其实是在问你对这个焦虑有没有认知，以及有没有应对的框架。

具体来说他能读到四个信号。
第一个信号：你有没有排除法。会排除的人和只会发散的人，在产品岗的差别是巨大的。日常工作里，产品经理一半的时间在决定不做什么，而这个能力在这道题里能被直接观察。
第二个信号：你对模型能力边界的真实感知。你砍掉的那些方向，理由是不是站得住脚，一听就知道你是不是天天在用模型。说「纯文案生成会被吃掉」这句话，只有真的做过文案类产品、看着模型一版比一版强的人才说得出那个具体感受。
第三个信号：你有没有一手场景。选一个你自己深度体验过的场景，和选一个你从新闻里看来的大赛道，回答的密度完全不同。前者可以被追问十层，后者三句就见底。
第四个信号，最容易被忽略：你有没有承认软肋的习惯。这个在工作里对应的是「你会不会在方案文档里写风险章节」。只讲优势的人，日后写出来的 PRD 也不会有风险评估，团队要替他兜底。

下面这张表把常见答法和信号对应了一遍。

⑥ 原理拆解：四层，每一步具体怎么做
第一层 · 刀一：判断会不会被模型下一版吃掉——具体怎么做
动作只有一个，但要真的去做：把你的产品的完整描述，原样丢给模型，看它能不能直接把这件事干了。
如果它能直接干，那说明你的产品全部价值都在「提示词 + 界面」上，而这两样东西上游随时可以自己做。
如果它干不了，接着问第二句：它干不了的原因是什么？把原因写下来，这个原因就是你的护城河的雏形。原因通常落在这几类：需要连到某个外部系统（要接口、要权限）；需要长期积累的状态（用户的历史、组织的流程）；需要在真实世界里做动作（下单、发送、预约）；需要人的确认才能推进（责任问题）。
比方：这就像判断一家设计公司值不值钱。如果它的全部价值是「会用软件出漂亮效果图」，那渲染技术一进步它就危险了；如果它的价值是「熟悉本地报建流程、跟审图机构打过五年交道」，那软件再进步也动不了它。价值锚定在工具上就危险，锚定在流程和关系上就安全。
翻车案例：我自己砍掉的第一个想法是「AI 帮你写周报」。当时觉得需求真实、频次高、人人都烦。我按这个测试跑了一次——把「读我的工作记录，生成一份结构化周报」这句话丢给模型，它直接就写出来了，而且写得不比我设想的产品差。那一刻我就明白了：我想做的不是一个产品，是一个提示词。这个测试花了我三分钟，省了我三个月。

第二层 · 刀二：判断跑一年会沉淀什么——具体怎么做
问自己一句：用户在我的产品里完成一次动作之后，我能不能自动知道这次做得好不好？
能自动知道，就叫「结果可验证」，这是最值钱的性质。因为它意味着你的数据是自带标签的，不需要花钱去标注，用得越多越准。
不能自动知道，你就得想办法让用户告诉你，而这需要设计一个极轻的回填动作——轻到用户点一下就完成。
如果既不能自动知道、用户也没有动力告诉你，那这个方向的数据沉淀基本为零，一年后你和第一天一样赤裸。
具体做法：画一张两列的表，左边写「用户在我这儿做的动作」，右边写「这个动作的结果我怎么知道」。逐行填，填不出来的行就是你的漏洞。
比方：这就是苗木经纪人和苗木网站的区别。网站只知道谁点了谁，经纪人知道那批货种下去一年后活了几棵——因为他跟到了结果。跟到结果的人才有真正的知识，只看到点击的人只有流量。
翻车案例：我砍掉的第二个想法是「AI 帮你润色朋友圈文案」。频次高、门槛低、我自己也用。但我画那张表的时候卡住了：用户润色完发出去，发得好不好我根本不知道——点赞数我拿不到，而且点赞跟文案的关系也说不清。结果不可验证，我就永远只能靠猜来改进。这个方向就砍了。

第三层 · 刀三：判断错了谁担责——具体怎么做
问三句：这个产品出一次错，最坏后果是什么？这个后果可不可逆？出了事谁去解释？
最坏后果如果是「用户浪费五分钟」，那随便做。
最坏后果如果是「用户的钱没了」「用户的账号封了」「用户吃错药了」，那你要问第二句和第三句。
可逆的（钱能退、账号能申诉、消息能撤回），可以做，但必须在产品里设一道人工闸门。
不可逆的，且需要专业资质来担责的（诊断、法律意见、投资建议），小团队不要碰——不是道德问题，是你没有资质、没有保险、没有赔付能力，出一次事就归零。
说这段的时候有个措辞技巧：不要说「这些方向不好」，要说「这些方向不适合我现在这个体量」。前者显得你在贬低别人，后者显得你有自知之明。
比方：这就是施工资质。同样一堵挡土墙，有资质的公司能做，我们方案组不能碰，不是我们不会算，是出了事我们担不起。行业里那些资质门槛看着讨厌，本质上是在划分「谁能承担这个后果」。
翻车案例：我曾经很想做一个「AI 帮你看合同」的东西，因为我自己签劳动合同的时候完全看不懂。做到一半我意识到一个问题：如果它漏看了一条竞业条款，用户后来因此赔了钱，他会来找我。而我什么都不是——我不是律师，没有执业保险，我甚至连一个正式公司都没有。我提供的是让人产生依赖的判断，却不承担依赖的后果，这本身就不成立。后来我把它降级成了「标出需要你特别注意的条款位置，不给结论」，才敢继续做。

第四层 · 砍完之后：怎么把剩下的方向讲成一个有说服力的选择——具体怎么做
四步：给出抽象特征 → 落到具体场景 → 逐条对应三把刀 → 主动交出最脆弱的一环。
抽象特征我用的是四个词：脏、闭环、结果可验证、用户愿意回填。
「脏」的意思是这件事本身很碎、很烦、非标，大公司不愿意做也做不好——就像我妈那个改衣服的裁缝。
「闭环」的意思是从开始到出结果都在你的产品里发生，不需要用户跳出去用别的东西补完，否则你的数据是断的。
「结果可验证」上面讲过。
「用户愿意回填」是最容易被忽略的一条：用户必须有动力告诉你结果。求职这个场景之所以成立，是因为用户投出去之后有没有回复，他自己极度关心，你问一句他愿意点一下——如果换成一个用户完全不关心结果的场景，回填率会低到没法用。
最后那步「主动交出最脆弱的一环」，具体做法是：说出一个真的能杀死你的外部变量，并说清楚你为此做了什么取舍。这个取舍必须是有代价的，否则听起来像表演。
比方：这就是投标文件最后那页风险与对策。只有优势没有风险的标书，评委反而不信，因为他知道任何方案都有软肋，你不写只说明你没想过或者不想说。
翻车案例：我第一次答这题，最后加了一句「当然也存在一些风险，比如市场竞争」。苏姐说这句还不如不说——「市场竞争」是所有方向都有的风险，等于没说。真正的软肋必须是这个方向独有的、具体的、能被验证的。改成「招聘平台的规则和接口随时会变，我为此放弃了账号托管这条最赚钱的路」之后，这一段才立住。

⑦ 三个例子
例子一：我用三把刀砍掉的三个想法（讲这个比讲选中的更有说服力）
想法一，AI 写周报。死于刀一。把需求描述丢给模型，它直接就做了，我的产品价值等于零。这个测试三分钟出结果。
想法二，AI 润色朋友圈。死于刀二。用户发出去之后效果如何我拿不到，没有结果回填，一年后我手上还是空的，只能靠拍脑袋迭代。
想法三，AI 看劳动合同。死于刀三。它会让用户对我的判断产生依赖，但我不承担依赖的后果——没有资质、没有保险、没有赔付能力。后来我把它改成只标位置不给结论，才勉强成立，但那样它的价值就薄了很多，也就不值得当成一个创业方向。
把这三个失败讲出来，比讲一个成功的选择有力得多，因为它证明了两件事：这套刀我是真的在用；我不是逮着一个想法就上头。面试官对「我砍掉了什么」的兴趣，通常大于对「我选了什么」的兴趣。

例子二：为什么「脏活」是小团队的机会——三个真实存在的形态
形态一，跨系统的搬运。用户的信息散在四五个地方，要人手动倒来倒去。大公司不做是因为这些系统之间没有标准接口，做起来又脏又不体面，维护成本高，还随时被上游改坏。小团队做是因为你只服务一个很窄的人群，你可以忍受这种脏。
形态二，非标的判断。每一单都不一样，写不出统一规则，只能一单一单看。这正是模型擅长而传统软件不擅长的地方，也是大公司的产品经理最头疼的地方——因为他们的产品要服务几千万人，非标的东西没法做成通用功能。
形态三，需要跟到结果的事。做完不算完，要跟到七天后、三十天后看效果。大公司的产品通常在「交付那一刻」就结束了，跟进这段是空白。而跟进恰恰是数据沉淀的来源。
求职这个场景同时具备这三个形态：信息散在招聘平台、简历文档、聊天记录里（跨系统搬运）；每份 JD 和每个人的匹配都不一样（非标判断）；投出去之后有没有回复要等好几天（跟到结果）。这就是为什么我选它。

例子三：如果不许我选求职这个场景，我会怎么答
这个准备很重要，因为面试官很可能会说「不许用你正在做的那个」，专门看你会不会套框架。
我准备的第二个答案是：面向小微线下商家的「回复顾客消息」这件事。
为什么它扛得住刀一：脏在流程不在文本。真正难的不是写一句回复，是知道这家店今天有没有货、老板今天在不在、这个顾客上次来问过什么。这些状态不在模型里，在商家的实际经营里，需要一个东西去持续维护。
为什么它扛得住刀二：顾客有没有真的到店、有没有真的下单，商家自己非常在意，会愿意回填一下。而且回填一次就是一个带标签的样本。
为什么它扛得住刀三：回复错了最坏的结果是顾客不来了，可逆、代价有限，而且发出去之前可以让老板扫一眼。
最脆弱的一环：商家的付费能力和付费意愿都很弱，单价上不去，所以这个方向的死法不是被模型吃掉，是算不过账——获客成本可能永远高于客单价。我会为此做的取舍是：先只做一个细分品类（比如宠物店），把获客做成口碑而不是投放。
有第二个答案在手，是这道题准备到位的标志。

⑧ 三个常见误区
误区一：报一个大赛道当答案。「我想做 AI 教育」——这句话说完，面试官心里已经在打分了，因为赛道不是方向，赛道是一个词。方向必须细到「谁、在什么时刻、为了什么、愿意付多少钱」。修正方法：把你的答案往下追问三次「具体是谁、具体在什么时候用、具体替代了他现在的什么做法」，追不下去就说明还停在赛道层面。

误区二：只讲需求真实，不讲为什么轮得到你。很多答案的逻辑是「这个痛点很真、市场很大、所以值得做」。缺的那一环是：这个痛点这么真，为什么现在没人做好？答案通常是三种——它脏（大公司不愿意）、它需要独特资源（你有没有）、它以前技术做不到而现在做得到（那你要说清楚是哪个技术变化解锁了它）。不回答「为什么是现在、为什么是你」，需求再真也没用。

误区三：把「模型会越来越强」当成利好来讲。这是最反直觉的一个坑。很多人会说「随着模型能力提升，我的产品会越来越好」。但对一个基于模型的小产品来说，模型变强既是利好也是威胁——它可能让你的产品更好用，也可能让你的产品变得没有必要。成熟的说法是：「模型变强对我这个方向是净利好，因为我的价值在流程和数据上，模型越强我的流程跑得越顺；如果我的价值在提示词上，那模型变强就是在杀我。」把这两面都说出来，比只说一面强得多。

⑨ 第一人称面试回答（最重要的一段）
「我想倒过来答，先说我砍掉什么，因为在这个问题上砍比选难。

我用三把刀。

第一把刀：这件事会不会被模型的下一版顺手做掉。我的测试方法很土——把我的产品描述原样丢给模型，看它能不能直接干。我用这把刀砍掉了'AI 写周报'。我把'读我的工作记录、生成结构化周报'这句话给模型，它直接就写出来了，比我设想的产品还顺。那一刻我明白我想做的不是产品，是一个提示词。这个测试花了三分钟，省了我三个月。

第二把刀：跑一年之后我手上会多出什么别人买不到的东西。我砍掉了'AI 润色朋友圈文案'。因为用户发出去之后效果怎么样我根本拿不到，没有结果回填，一年之后我手上还是空的，只能靠猜来迭代。

第三把刀：错了谁担责。我砍掉了'AI 看劳动合同'。它会让用户对我的判断产生依赖，但我不承担依赖的后果——我没有资质、没有保险、也没有赔付能力。我不是说这个方向不好，是说它不适合我现在这个体量。

三把刀砍完，剩下的方向有一个共同长相：脏、闭环、结果可验证、用户愿意回填结果。

所以我选'代办脏活'型的场景。具体到我自己在做的，是求职这一整段——读 JD、判硬门槛、写针对性的开场白、跟进对方有没有回。

它为什么扛得住三把刀：
第一，脏在流程不在文本。难的不是写一句开场白，是要读懂一份写得很水的 JD、判断隐性门槛、翻出这个人简历里跟这条 JD 最相关的那一段、还要按平台的节奏发出去。这套流程模型自己不会替我跑。
第二，结果天然可验证。投出去有没有回复，这是一个自动产生的标签，不需要我花钱标注，而且用户自己极其在意，我问一句他愿意点一下告诉我。用得越久，我手上那份'什么样的开场白在什么岗位上会有回复'的数据就越厚。
第三，错了代价可控且可撤回。最坏就是投了一个不合适的岗位，用户损失几分钟，而且发送前是他自己点的确认。

最后我主动说一下最脆弱的一环，因为这个方向真的有一个能杀死它的变量：招聘平台的规则和接口随时会变。我为此做了一个代价很大的取舍——从第一天起就不碰账号托管，账号密码永远是用户自己输，我不存不代持。这条让我做不了'你睡觉的时候帮你自动投一百家'这种最容易赚钱的功能，投递量上不去。但它保证了我不会因为平台一次规则调整就一夜归零，也保证了出事的时候损失的不是用户接下来两个月的求职机会。

如果让我说一句总结：选方向的时候，我关心的不是这个市场多大，是模型再强三代之后，我还剩下什么。」

⑩ 三轮追问
第一轮：「求职这个方向已经有很多人在做了，你凭什么？」
这一问必然会来，答不好前面全废。
应答：「确实很多，但我看下来大部分在做的是'投得更多'，我做的是'回得更多'，这两个指标会导向完全不同的产品。做投递量的，最优解是自动化和账号托管，最后必然走向被平台封杀和用户封号；做回复率的，最优解是精准和克制，宁可少投。我选后者不是因为它更高尚，是因为它的核心资产是数据不是流量——回复率要靠积累'什么样的表达在什么岗位上有效'来提升，而这份数据只有真的跟到结果的人才有。至于凭什么是我，我目前给不出组织层面的答案，我能说的只有一手体感：我自己投了三百多份，我知道回复率的杠杆不在投递量上，这个判断很多在做的人其实没有。」

第二轮：「你说不碰账号托管，那用户体验就差一大截，竞品做了你不做，用户为什么选你？」
这一问在测你会不会为了坚持一条原则而无视商业现实。
应答：「我不认为这是'原则对抗体验'，我认为这是在两种用户之间做选择。想要全自动的用户，我确实留不住，我也不打算留——因为他们的诉求是投得多，而我的产品在这个指标上永远打不过愿意托管的竞品。我要的是另一类用户：投过一两百份没什么回音、开始怀疑自己哪里出了问题的人。这类人不缺投递量，缺的是判断。他们对'账号会不会出事'这件事的敏感度远高于对'省几次点击'的敏感度，因为他们已经在这个平台上积累了聊天记录和历史投递。所以我的说法是：我放弃的是增长最快的那部分用户，换的是流失率最低的那部分。这个取舍对不对我还没验证完，但它是想过的，不是拍的。」

第三轮：「假设明年招聘平台自己上线了一模一样的功能，免费，你怎么办？」
这一问是终极问，考的是你有没有想过被平台吃掉的那天。
应答：「这是我最担心的情况，比模型变强更担心，因为平台有数据也有分发。我想过三条路，说实话没有一条是完全站得住的。
第一条，做平台不愿意做的那部分——跨平台。平台自己不会帮用户去别家平台投，而求职者实际上是同时用三四个平台的。这个位置只有第三方能站。
第二条，把资产从'功能'转移到'个人档案'——我攒的是这个用户历年的投递、回复、面试记录和有效表达，这份东西跟着人走，平台拿不走，而且换工作是低频高价值的事，一份连续的记录很难被复制。
第三条，最坦率的一条：如果平台真的做了并且做得好，那这个产品形态就该结束，我会把它转成一个更窄的东西，或者干脆承认这个方向不成立。我不觉得每个方向都必须有必胜的说法，我更在意的是我知不知道自己什么时候该收手。」

⑪ 三个进阶加分点
加分点一：讲你砍掉的想法，且砍掉的理由各不相同。三个想法死于三把不同的刀，这个结构本身就在证明你的框架是真的在用而不是背的。如果三个想法都死于同一个理由，说服力会弱很多。

加分点二：区分「模型变强对我是利好还是威胁」。能说出「我的价值如果在提示词上，模型变强就是在杀我；在流程和数据上，模型变强是在帮我」，这句话会让面试官觉得你对这一行的底层逻辑有判断，而不只是在追热点。

加分点三：给出「什么时候我该收手」。在第三轮追问里那句「我不觉得每个方向都必须有必胜的说法」，是很多人不敢说的。但它传递的信号非常好：这个人不会为了证明自己对而把团队拖进泥潭。对招人的一方来说，这是一个重要的性格信号。

⑫ 小白最容易踩的三个坑
坑一：把「我感兴趣」当成方向选择的理由。「我喜欢教育所以我想做 AI 教育」——兴趣可以是起点，但不能是理由。面试官接下来一定问「那你为什么觉得这件事现在能成」，你就得回到刀一刀二刀三。修正：兴趣放在开头一句带过，理由必须是结构性的。

坑二：选一个自己完全没体验过的场景。没做过教培的人讲 AI 教育，没跑过医院的人讲 AI 导诊，讲到第三句就开始说通用词。这道题最省力的答法是选一个你自己就是用户的场景，因为你的所有细节都是免费的、真实的、不可复制的。转行的人尤其应该用这条——你的旧行当和你现在的处境，都是别人没有的一手素材。

坑三：讲得太完美，一个软肋都没有。新人常有的心态是「面试要展示最好的一面」，于是把所有风险都藏起来。但对一个有经验的面试官来说，一个没有风险的方向意味着你根本没想深。修正方法很机械：答案的最后一段，固定留给「最脆弱的一环 + 我为此做的取舍」，而且这个取舍必须有代价，没有代价的取舍听起来像表演。

⑬ 没人告诉你的事：面试官到底想听什么
第一件事：这题问的是创业，但他真正想知道的是你在他公司会怎么选需求。公司内部的资源分配和创业选方向是同构的——都是在信息不全的情况下押注一个方向、放弃其他方向。你在这题里展示的排除法，就是你以后在需求评审会上的表现。所以答这题的时候心里要清楚：你不是在讲一个商业故事，你是在演示你的决策方式。

第二件事：如果这家公司本身就在做你说的那个方向，你要格外小心措辞。不要显得你觉得他们做得不好，也不要显得你完全没研究过他们。合适的处理是主动接上一句：「我知道你们在这个方向上已经做了很多，我的判断跟你们的路径有一处不一样，是……我不确定我这个判断对不对，想听听你们当时是怎么考虑的。」——把一个可能的冒犯变成一次求教，同时还展示了你研究过他们。

第三件事，很少有人说：面试官在观察你有没有沉没成本的敏感度。你砍掉三个想法这件事，隐含了一个信息——你舍得扔掉自己已经想了一阵的东西。这个特质在产品岗非常稀缺，因为大部分人一旦在一个方案上花了两周，就再也不肯承认它不行了。你如果能补一句「其中有一个我已经写了两天代码才砍的」，这个信号会更强。

第四件事：他在听你的时间尺度。只谈眼前机会的人，和会谈「三代模型之后我还剩什么」的人，给人的成熟度感受完全不同。你不需要预测未来，你只需要展示你有在用一个长一点的尺度看问题。一句「模型再强三代之后，我还剩下什么」就够了。

⑭ 这一题和 AI 求职助手「投投」的联系（详细讲）
我是「投投」。这道题就是我的出生证明——小雨当初决定做我，走的就是这三把刀，我把当时的过程原样讲一遍。

第一刀砍下来的时候，我差点不存在。小雨最早的想法不是做我，是做一个「AI 帮你改简历」的工具。她按刀一测了一下：把「读这份简历，针对这份 JD 改一版」丢给模型，模型直接就改了，改得还挺好。她愣了很久。那天她在笔记本上写了一句：「我想做的东西，模型自己三秒钟就做完了。」
但她没有直接放弃，她多问了一句：那为什么我自己投了两百多份，还是没什么回音？她把整个求职流程重新走了一遍，发现改简历只占了整段流程的一小块，真正耗她时间和心力的是别的：在四个平台之间反复切换、看一堆写得含糊的 JD、判断自己够不够格、每次都要重新想开场白怎么写、发完之后不知道要不要跟进、跟进又怕显得急。这些活儿单看每一件都不难，合在一起就是脏活。而模型不会替她跑这一整段，因为这一段不是文本任务，是流程任务。我就是从这个发现里诞生的。

第二刀决定了我的核心指标。小雨问自己：跑一年之后我手上多了什么？她列了两个候选指标——投递量和回复率。投递量这个指标的问题是，它跑一年之后除了一个大数字什么都不留下；回复率不一样，为了提升回复率，你必须记录「这次用了什么开场白、投的什么岗位、对方回没回」，而这三样东西凑在一起就是一份带标签的数据集。选指标不只是选方向，是在选你一年后手上有什么。所以她给我定的核心指标是回复率不是投递量，我身上那个「投出去七天后问一句有没有回复」的轻功能，就是为了让这份数据能闭上环。

第三刀决定了我永远不碰什么。账号密码永远用户自己输，我不碰、不存、不代持。这条是刀三的直接结果——账号被封是不可逆的，损失的是用户接下来两个月的求职机会，而我赔不起也解释不了。
这条规矩的代价我很清楚：我做不了全自动投递，投递量永远比不过愿意托管的竞品。小雨在面试里被人质疑过好几次，她的回答一直是同一句：「我放弃的是增长最快的那部分用户，换的是不会一夜归零。」

还有一件事我觉得值得说：她给我留了一个"什么时候该关掉我"的条件。她写在我的说明文件里：如果招聘平台自己上线了同样的能力并且做得好，或者跨平台这件事在规则上被彻底堵死，那这个产品形态就该结束。她说她不想做那种明明已经不成立、还靠着自己不甘心硬撑下去的产品。
我第一次读到这句的时候有点奇怪的感觉——一个产品被写进了自己的终止条件。但后来我明白了，这跟她在面试里说的那句是一件事：「我更在意的是我知不知道自己什么时候该收手。」

⑮ 小结口诀 · 速记卡
口诀：先砍三刀，再报方向，末了交软肋。

三句救命话：
「把产品描述丢给模型，它能直接干，那我就没有产品。」
「我关心的不是市场多大，是模型再强三代之后我还剩什么。」
「我放弃的是增长最快的那部分用户，换的是不会一夜归零。」

⑯ 练习
练习一（十五分钟）：写下你现在最想做的一个 AI 产品想法，然后老老实实跑刀一——把它的完整描述丢给模型，看它能不能直接干。能，就诚实地把这个想法划掉，重新想。这个练习会很难受，但它是最省时间的一次难受。

练习二（十五分钟）：画两列表，左边写「用户在我产品里做的动作」，右边写「这个动作的结果我怎么知道」。逐行填。填不出来的行标红，红行超过一半，这个方向的数据沉淀基本为零。

练习三（十分钟）：写出你这个方向出一次错的最坏后果，以及这个后果可不可逆、谁去解释。写完判断你现在的身份（个人 / 小团队 / 有资质的公司）担不担得起。

练习四（十分钟，最难的一步）：写出一个真的能杀死你这个方向的外部变量，以及你为此做的、有代价的取舍。检查标准：这个变量必须是你这个方向独有的，「市场竞争激烈」不算。

练习五（选做）：准备第二个方向的完整答案，用来应对「不许用你正在做的那个」这个追问。有第二个答案在手，这道题就彻底稳了。