在半个月内密集面试38家AI产品公司后，这位面试狂人将海量实战转化为一套高效复盘系统。从Claude驱动的真题库构建到本地化H5工具开发，他揭示了如何将面试转化为免费行业调研，并提炼出AI产品经理核心能力——技术翻译力。这套方法论不仅产出13个offer，更重塑了职业准备的全新范式。

先报数据

这是我iPhone日历上部分约面记录的截图。

我数了下，过去半个月左右我一共面了38家AI产品公司。

加上周末，平均每天2-3场，最离谱的一天面了6场。晚上第6场结束我对着摄像头说谢谢面试官的时候，已经有点记不清早上前几家是谁了。

面完之后我没急着躺平。

我把每一场的录音录屏，全都喂给了Claude。

半个月之后我手里多了几样东西。

• 一份154道的真题库，按14个维度分好类。
• 一份Claude给我写的答崩名单，精确到哪句话答得稀烂。
• 一个能本地浏览的可视化H5，可以面试前快速过一遍。

当然offer也拿了13个。但今天不聊offer。我想分享更有意义的一个心得。

当我真的在一个行业里面够38家的时候，我发现“面试”这个词的含义会变。心态上，面试不再是我被人挑的过程，而是变成我薅了38场免费的、对方还得说真话的、强制陪我聊1小时的——AI产品行业咨询。

我每天大量接触的这些面试官，都是离市场前沿需求最近的人。他问出口的每一个问题，背后都在告诉每个AIPM你当下最需要具备的能力。前提是得有点办法把对话沉下来。不然两周后就只记得”那个面试官好像戴眼镜”。

下面就是我的办法。

为什么我敢半个月海投上百家，面38家

这个问题被我朋友问了无数次。

不做准备就直接面，你不是浪费机会吗。

我的回答分两层。

• 表面那层是装的——面试是最好的市场调研，刷题刷不出来。
• 里面那层是真的——我一开始也是想准备的。

买了课。看了”AI产品经理100问”。把豆包Qwen的模型参数背了一遍。准备了两周。

某天晚上我盯着PDF发呆，突然意识到一件特别破的事。

我其实连市场到底在招什么样的AI PM都没有真的弄清楚，因为我没真的接触过，背那种网上的通用准备资料，万一背了根本没用咋办。

招聘JD全是一个模板抄出来的——懂大模型、有项目经验、能跨团队协作。这话约等于没说。

去找文章看。文章都是半年前甚至更早写的，AI圈半年等于半个世纪。

去问前辈。前辈他入行的时候GPT image 2也还没出来。

二手信息全部不可信。

唯一能拿到一手数据的办法，是把自己投进去。

所以我做了一个有点疯的决定。

不准备了。直接面。

把面试当成一个免费的、能强制对方陪我聊1小时的、对方还得说真话的——市场调研。

事后证明这把赌对了。

我面到第8场的时候，”为什么选RAG不选微调”这道题已经被问了5次。

这意味着什么。

意味着这道题是行业共识，不是某家公司的偏好。所有候选人都会被问。

我立刻停下来打磨这道题的答案。后面30场，这道题再也没翻过车。

如果我闷头准备2个月再开始面，我可能要面到第40场才意识到这题这么重要。

但密度也有代价。

代价是人会变成驴。

每天2-3场高强度对话灌进脑子。48小时之后你只剩”那家公司面试官挺凶的”这种感觉。你想复盘，根本想不起来对方问了啥。一周之后回头看，你不知道自己面过谁。

不沉淀，38场就是38场原地踏步。

所以我搞了套东西。

整套东西长什么样

我先把这套流程画出来。

单场面试的复盘时间，控制在40分钟以内。

下面拆开讲，附我真在用的prompt。

录屏录音这一步——5分钟设置

线上视频面试用QuickTime或者Mac自带的屏幕录制。电话面试用手机录音，配合电脑通义听悟实时记录。

这里有个特别多人踩的坑。

Mac原生屏幕录制默认不录系统声音。你录出来只听得见自己。听不见面试官提问。得装一个BlackHole或者用OBS才能录到系统声音。

我第一场面试就栽在这上面。下午面完信心满满，晚上打开录屏一听——一片寂静。只有我尴尬的自言自语。

还有一个小细节。

每场录音开头我会对着麦克风说一句”今天是X月X日，面试X公司X轮”。后期整理素材的时候，这一句话能帮我省10分钟找文件的时间。

伦理上我自己有条线。这些东西全程自用，不外传，不公开，不挂网上。

转文字这一步——不要亲自读，直接发Claude

录屏文件拖进通义听悟网页版，自动转写，自动区分发言人，自动出摘要。免费额度对一个月38场的频率刚好够用。

转写出来的文本我不读。

一场1小时的面试，转写出来大概1.5万字。读完得20分钟。我直接进下一步。

这里是反直觉的地方。很多人以为复盘就是”把面试再听一遍”。错了。听一遍是没有信息增量的，基本只是让你重温尴尬。真正有价值的是让Claude站在第三方视角，告诉你哪里答崩了。

Claude三件事——本文核心

我把同一份转录文本，让Claude跑三轮，每轮只做一件事。

关键是分开跑。不分开跑Claude会偷懒，三件事混在一起做，每件都做得不深。

Prompt A：让Claude给我建题库

你是一名资深AI产品经理。下面是我面试[公司名/匿名代号]的完整转录。请你完成两件事：

1. 提取面试官问的所有问题，原样列出，不要改写

2. 给每道题打两个标签

– 类别：从【AI产品认知 / 项目深挖 / 技术理解 / 数据指标 / 商业判断 / 行为面 / 价值观 / 反问】中选

– 频率推测：基于这道题的开放性和通用性，判断它在其他公司被问到的可能性高/中/低请用表格输出。[粘贴转录文本]

跑完之后，我把输出表格复制进Obsidian的题库文件，按类别分目录归档。

一个月攒下来，154道题就是这么来的。

Prompt B：让Claude骂我

这一步是整个流程里最有用的，没有之一。

你是一名严格的AI产品面试官，刚刚面完我。

下面是我的简历/项目[粘贴简历/项目]，和刚才的面试完整转录[粘贴转录]。

请你针对其中我答得最差的5道题，做以下分析：

1. 我的回答里，哪一句话/哪一段是答崩的关键？精确引用原话

2. 面试官真正想听的是什么？请站在他的角度还原他的考点

3. 基于我的简历项目，正确的回答应该怎么组织？

请用STAR结构注意：不要安慰我，不要说”整体回答不错”。直接指出问题。

这个prompt的关键有两个。

第一个关键，必须喂简历。

不喂简历的话，Claude给的答案是网络通用模板——”你应该用STAR结构，先讲背景再讲行动”。这种废话有手就能写。

喂了简历，Claude会精确指出：”你刚才那段答得不行。其实你的XX项目里有现成的例子——从48%提到61%的留存数据——但你没拿出来。你应该把这个数据当成回答的锚点，前面铺背景，后面收价值。”

这种诊断才有用。

第二个关键，不要让Claude安慰你。

“注意：不要安慰我，不要说整体回答不错。”——这一句一定要加。不加的话Claude默认温柔模式，会说”你这个回答其实挺有亮点的，但如果能再补充一些XX就更好了”。这种废话比没有还糟糕，因为它让你以为自己答得不错。

要让它直接指错。”你这句答崩了。”——就要这种高效的反馈。

Prompt C：让Claude给我标准答案

基于Prompt B的诊断，请把这3道题的”我应该这么答”版本，写成可背诵的回答稿。

要求：

– 每道题不超过200字

– 用第一人称

– 必须带至少1个数据

– 必须带至少1个我简历里的项目细节

– 结尾要有一个反问句或开放点，给面试官追问的钩子

最后这条”结尾留钩子”特别重要。

很多人答完最后一句是”嗯，我大概就是这么做的”——句号一打，对话结束。面试官只能再憋一个问题。

但如果你结尾留个钩子——”这里其实有个我自己也没想清楚的点，您怎么看？”——面试官会顺着你的钩子追问，而你已经准备好了下一段。

整场面试的节奏感就出来了。

这3版标准答案，让Claude给你复制进Obsidian同一道题的条目下，标注”标准答案v2″。下次面到类似题，开口前心里有底。

题库聚合这一步——每周做一次

跑了一周之后，我会把所有Prompt A的产出汇总，让Claude再跑一次：

下面是我这一周面试沉淀的47道题。请：

1. 找出被不同公司重复问到的题（频率≥2），标为”高频”

2. 找出问法不同但本质相同的题，合并归一

3. 重新做一次类别分布统计[粘贴所有题]

跑完之后我知道几件事。

这一周我的弱项类别在哪里。哪些题被反复问，需要立刻打磨。哪些题虽然新奇，但只有一家公司问——可能是面试官的个人偏好，性价比低，剔除。

跑到这一步，154道题已经躺在Obsidian里了。

每道题都有原题、有我答崩的关键句、有Claude给的标准答案、有它在哪场面试出现过、被问了几次。

这个题库对我自己来说够用了。

为啥做H5页面，以及我具体怎么做出来的

154道题在Obsidian里躺着，对我有用，但马上有了下一个问题。

154道题、14个分类、每道题底下还挂着我答崩的句子、Claude给的标准答案、它出现在哪场面试。这些东西在Obsidian里是一堆md文件。文件之间靠链接互相跳转。我用着没问题。

但有几个具体的痛点，Obsidian解决不了。

第一个，面试前的咖啡店里、地铁上，我没法快速翻题。Obsidian对我来说不够顺手——打开慢、找文件慢、跳转慢。我需要的是一个能在90秒内扫过20道高频题的东西。

第二个，我没法按“今天面的这家公司”去过滤题库。比如下午面一家做教育AI的，我想看一下“AI产品认知 + 项目深挖 + 数据归因”这3类的高频题。Obsidian里我只能一个一个文件夹翻。

我需要的是一个3分钟扫完、双视图（项目维度+问题类型维度）、可搜索可筛选的载体。

H5就是答案。

具体怎么做的——直接让Claude生成HTML文件，存在本地，需要的时候直接在浏览器打开。

那么具体H5上有什么。看下图。

视图一：按问题类型浏览

154道题按14个分类折叠展开，每道题标好频率。我想看哪类点哪类。

视图二：按项目维度浏览

我的两个项目AI学长和AI拍搜讲，每个项目一个独立模块，里面装着完整的时序图、技术架构、关键数据解读、项目深挖问答。

顶部搜索框

随口想到一个关键词——”RAG”——秒定位到对应问答。

H5真正改变的不是面试现场，是面试之前的那15分钟。

之前我面试前15分钟，是在地铁上翻Obsidian、翻简历PDF、翻聊天记录里的JD要点，手忙脚乱。

有H5之后，我面试前15分钟只做一件事——打开H5，按”今天这家公司可能问的类别”筛一遍高频题，每道题花30秒过一遍我的标准答案。

15分钟，覆盖15-20道高频题。

进面试间的时候，我脑子里是热的。

这是H5对我最大的价值。

它不是用来给别人看的。它是用来让我自己在面试前的最后15分钟，把过去沉淀的所有东西，快速重新加载到大脑里的工具。

而且，做H5这件事本身，还顺便逼着我做了一遍系统化整理。

我从Claude生成HTML，到迭代视图、加交互、做搜索——整个过程逼我把所有项目、所有真题、所有答崩点结构化梳理了一遍。

做H5的过程，比H5本身更值钱。

这是我后来才意识到的。

写到最后我想说三件事

写到这里我自己也累了。

但我想把这半个月月38场面试的最大收获，写成三句话吧。

第一句——不要刷题，要刷被问的密度

刷题的本质是用低质量的二手信息做准备。

而面试现场被问3次以上的同一道题，是市场真实信号。

前者ROI低。后者ROI高。

密度本身就是最好的准备。

这一点我之前不信。

我一开始也是那种”准备好了再投”的人。背模型参数、背产品框架、背案例分析。结果发现，背的东西很多都用不上。真正用得上的，是面试现场被问到的真实问题——而这些问题，你不亲自下场永远不会遇见。

后来我把”准备”的定义改了。

准备不是闭关刷题。准备是让自己进入一个能持续被问真问题的状态，然后用流程把每次被问的真问题，沉淀成下一次的准备材料。

这是一个自我加强的循环。

面得越多，你越知道市场要什么。你越知道市场要什么，你下一场就答得越准。下一场答得越准，你越能拿到offer或者更深入的对话。越深入的对话，给你越多的真问题。

闭关刷题刷不出这个循环。

第二句——简历不是终点，是Claude的输入

绝大多数人写完简历，扔进招聘软件，就忘了它的存在。

但你的简历应该有第二个生命。

它是你后续所有AI辅助复盘的上下文。

Claude没有你的简历，给的建议永远是网络通用模板。喂了简历，Claude才能告诉你”你这个项目里其实有现成的答案，你刚才没用上”。

写完简历不是结束。写完简历，才是Claude的开始。

这件事换一个角度看——

你的简历其实是你自己的”个人知识库”的第一份语料。

很多AI PM都在帮公司做RAG知识库。但极少有AI PM意识到，自己应该给自己也建一个RAG知识库。

• 你的简历是第一份语料。
• 你的项目复盘文档是第二份语料。
• 你的面试转录是第三份语料。
• 你的Obsidian笔记是第四份语料。

当这些语料喂给Claude，它就不再是一个通用助手，它变成你的个人面试教练。

这个教练知道你做过什么项目、踩过什么坑、答崩过哪道题、被反复追问过哪个数据。

它给的建议，比任何线下mentor都要精准，而搭这个教练的成本是0元。

第三句——AI PM的核心能力不是懂技术，是翻译

154道题里，纯技术题不到40道。

剩下100多道，全是”为什么选这个不选那个”、”怎么证明你的改动有效”、”跨部门怎么推”、”数据怎么解读”、”用户痛点怎么挖”。

这些题，传统PM也会被问。

区别只在于，AI PM要在AI这个新变量下重答一遍。

你不需要变成算法工程师。

你需要的是——能听懂算法工程师在说什么，并把它翻译成业务能听懂的语言、用户能感受到的体验、老板能算得出的账。

这是AI PM在2026年真正稀缺的能力。

我本科刚毕业的时候是审计出身，后来才转了PM。其实审计的工作本质也是翻译——把企业的财务行为，翻译成符合会计准则的语言；把会计准则，翻译成审计意见；把审计意见，翻译成投资人能看懂的报告。

最后转AI PM的时候，我以为我要重新学一遍——学大模型、学Transformer、学Python。

学了一阵发现不对。

我真正要做的，还是翻译。

只是翻译的语言变了——从财务变成了AI，从准则变成了模型能力边界。但翻译的本质没变——把一个领域里精确但晦涩的东西，转换成另一个领域能用的东西。

这个本质一旦想清楚，AI PM就没那么难做了。

写在最后

其实我做这套流程的初衷，根本不是为了写这篇文章。

我做它就是因为——这半个月的事儿我不记下来、不输出我真的会忘。我面完第二天就会忘。我必须有点办法把记忆固化下来。

最开始这套流程很糙。

开始我只有录屏，没有Claude介入。

后来才加进Prompt A，开始让Claude帮我归类题目。

再到后来才发现Prompt B必须喂简历，否则Claude给的全是通用废话。

最后才意识到题库需要每周聚合，否则会变成一个无序的文件堆。

它不是一开始就长这样的。

它是面着面着，长出来的。

如果你也在找AI PM的工作，我希望你别学我具体的流程——你应该长出你自己的。

但你可以学这个心法——把每一场对话都当资产，而不是消耗。每一场都是你未来某场面试的预备材料，也都是你给Claude的训练样本。这事比你刷100道题都有用。

写完了，希望对每个AIPM都有用，谢谢～