AI PM跳槽实录：半个月38场面试 + 一套Claude工作流 = 13个offer（Sonnet A/B版）
一位AI产品经理用“高密度面试 + Claude 系统化复盘”的方法论，在半个月内把 38 场面试沉淀成 154 道真题、14 个维度分类、13 个 offer，以及一套可持续复用的个人面试知识库工作流。本版为 Sonnet A/B 摘要页，保留原文中最有价值的方法、Prompt 与能力判断。
基本信息
- 来源：人人都是产品经理（woshipm.com）
- 作者：AI观察者陈初
- 发布日期：2026-05-15
- 素材定位：AI PM 求职复盘 / 个人知识库 / Claude 工作流
- 关键数据：半个月 38 场面试、154 道真题、14 个维度、13 个 offer
核心观点
-
高密度面试不是“仓促投递”，而是把面试当成一手行业调研：作者放弃先刷通用题库、再择机面试的传统路线，直接用密集投递换取真实市场信号。第 8 场时，“为什么选 RAG 不选微调”已被问 5 次，这说明它是行业高频共识题，而非单家公司偏好。真正高价值的准备，不是背二手资料，而是让自己持续暴露在真实问题里。
-
单场复盘要控制在 40 分钟内，并通过“录音转写 + 三轮 Claude”把信息沉淀下来：作者的核心不是“面得多”，而是“每一场都变成下次更强的素材”。如果不做结构化复盘，48 小时后只剩“某个面试官很凶”这类模糊印象；做了流程化复盘后，每场面试都会变成题库、错题本与标准答案的一部分。
-
Claude 处理面试转录必须拆成三轮独立任务，不能混跑：Prompt A 负责抽题建库，Prompt B 负责指出答崩点，Prompt C 负责生成可背诵答案。作者明确指出，如果把三件事混在同一轮里，Claude 会偷懒，最后每件都不够深。把任务拆开，本质上是在用提示词工程控制思考粒度。
-
“喂简历”是把通用 AI 变成个人面试教练的关键一步：不喂简历，Claude 只会给出网络模板式建议；喂了简历，它才能基于你的项目、数据和经历，指出“本来该举什么例子、哪一句答偏了、面试官真正想听什么”。作者因此提出：简历不是终点，而是个人知识库的第一份语料。
-
AI PM 的高频考点证明：核心能力不是纯技术，而是翻译能力：154 道题里，纯技术题不到 40 道，剩下 100 多道都围绕“为什么选这个”“怎么证明有效”“跨部门怎么推”“如何解释价值”展开。作者最后提炼出一个关键判断：AI PM 不需要变成算法工程师，而要能把模型能力边界翻译成业务语言、用户体验和老板能理解的账。
实操内容保留
Prompt 模板
Prompt A：提取题库
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：
- 提取面试官问的所有问题，原样列出，不要改写
- 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]
Prompt B：诊断答崩点
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：
- 我的回答里，哪一句话/哪一段是答崩的关键？精确引用原话
- 面试官真正想听的是什么？请站在他的角度还原他的考点
- 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。
Prompt C：生成标准答案
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
操作步骤
- 录屏录音：线上面试用 QuickTime 或系统录屏，电话面试用手机录音，配合通义听悟实时记录。
- 转文字：录音或录屏拖进通义听悟网页端，自动转写并区分发言人；1 小时面试通常会产出约 1.5 万字文本。
- Claude 三轮处理：同一份转录分别跑 Prompt A / B / C，每轮只做一件事。
- 归档进题库：把题目表、错题诊断、标准答案复制进 Obsidian，按类别整理。
- 每周聚合：把所有 Prompt A 结果汇总，让 Claude 找出高频题、合并同质题、重新统计维度分布。
- 生成本地 H5：让 Claude 输出 HTML 文件，以“问题类型视图 + 项目维度视图”方式浏览题库，支持搜索和筛选，用于面试前 15 分钟快速热启动。
代码/配置
（本文无实操代码/模板/步骤）
关键概念
与其他素材的关联
- 与 2026-05-09-pm-ai-playbook 互补：那篇讲 AI 在 PM 日常工作中的五大应用，这篇聚焦 AI 在 PM 求职、面试和自我复盘中的具体落地。
- 与 2026-05-09-product-to-startup-blues 呼应：那篇强调“判断力是 AI 时代 PM 的护城河”，本文则用 154 道真题的数据补强这个结论——真正高频的不是技术细节，而是判断、取舍、解释与推动。
- 与 2026-05-21-woshipm-ai-knowledge-base-product-design 在“知识库”视角上形成呼应：前者谈组织级知识管理产品，本文则展示“个人知识库”如何直接服务于面试准备和能力沉淀。
原文精彩摘录
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。
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。简历是第一份语料、项目复盘文档是第二份、面试转录是第三份、笔记是第四份。
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。