通义AI Agent产品经理一面面经
《面试题目》
- 在设计 AI Agent 长期记忆模块时，你会如何权衡向量数据库检索的成本与召回精度？
- 并简要说明短期记忆与长期记忆在架构上的主要区别。
- 许多客户会使用 RPA 实现流程自动化，你认为在哪些具体场景下必须引入 AI Agent，而不是继续使用传统 RPA？
- 两者的核心边界是什么？
- 如果让你设计一款面向电商客服的 AI Agent，你会如何定义它的核心成功指标？
- 除响应速度外，还有哪些指标能体现 Agent 的真实问题解决能力？
- 当用户反馈 Agent 执行任务结果不准确时，作为产品经理，你如何通过可观测性系统定位问题根源：是 Prompt 问题、模型能力问题，还是工具调用问题？
- 结合 Transformer 架构的基本原理，解释为什么在复杂任务拆解中，使用思维链（Chain of Thought）提示技巧通常能提升模型的推理效果。
《参考解析》
- AI产品与 Agent 项目：回答这类问题要先讲清目标用户和业务场景，再说明模型、数据、工作流、评测指标和上线后的真实使用效果。面试官通常更看重你能否把 AI 能力转成可落地的产品闭环，而不是只罗列模型名。
- 用户研究：用研回答要覆盖样本选择、访谈或问卷方法、洞察提炼和需求转化。面试官会追问研究结论是否真正影响产品决策，因此最好用指标或后续迭代结果闭环。