腾讯云 AI 产品经理实习一面面经
《面试题目》
- 介绍一个参与过的 AI 项目。
- LLM、Diffusion 模型和 RAG 分别解决什么问题？
- 微调和提示词工程有什么区别？何时优先选择其中一种？
- 如何处理大模型幻觉？
- 设计一款 AI 与具体场景结合的产品，说明痛点、功能和优先级。
- AIGC 在金融或教育等垂直领域有哪些应用？
- 如何把用户反馈转化为 AI 产品需求？
- 如何排序需求？是否使用过 KANO 模型或四象限法？
- Kimi、DeepSeek、通义千问的产品定位有何差异？
- 分析 Cursor 或通义听悟成功的原因。
- 如何为自己并不属于的目标用户群体设计产品？
《参考解析》
- 技术边界：LLM 擅长语言理解与生成；Diffusion 常用于从噪声逐步生成图像等内容；RAG 通过外部检索为生成补充可更新知识。
- 幻觉治理：缩小任务边界、提供可靠上下文、要求引用、结构化校验、高风险人工确认，并用事实性测试集和线上 Bad Case 持续评估。
- 优先级：综合用户价值、业务收益、覆盖规模、实现成本和风险，可用 RICE 等框架；KANO 适合判断基础、期望和魅力属性，但不能替代数据验证。
- 非目标用户研究：通过访谈、观察、可用性测试和行为数据建立证据，避免用个人偏好代替目标用户判断。