面试官问我”怎么用 AI”，我用一个真实案例拿到了 offer
Silas 用一段”工具突然失效”的小事讲清 AI 使用案例的五段框架（场景 → 问题 → 约束 → AI 参与 → 结果），把面试中常见的”工具流水账”答案升级为”我用 AI 帮自己补齐了一段工作流的稳定性”——核心结论是 AI 时代真正拉开差距的不是提示词，而是问题感。
基本信息
- 来源类型：文章（人人都是产品经理）
- 原文位置：raw/articles/2026-05-27-woshipm-ai-interview-case-framework.md
- 原文 URL：https://www.woshipm.com/zhichang/6386813.html
- 作者：Silas
- 发布日期：2026-04-30
- 字数：约 2645 字
- 消化日期：2026-05-27
核心观点
-
“你平时怎么用 AI”是一道极易答砸的面试题：80% 候选人的第一反应是把工具和场景流水账报一遍（写 PRD / 总结会议纪要 / 生成 Demo / 生成 PPT 大纲 / 查资料），但面试官听多了根本无法判断你是”真会解决问题”还是”把 AI 当高级搜索框”。Silas 选择讲一件”工具突然账号被封”的狼狈小事，反而拿到 offer——证明讲透一个案例 > 罗列十种工具。
-
不要急着问 AI 答案，先把问题讲清楚：Silas 一开始问”遇到这种情况怎么解决？“得到的回答是”换工具、检查网络、看服务状态、准备备用方案”——每一条都对但每一条都不够具体。问题不在 AI 而在提问太像”求答案”。换成把 AI 当”临时的产品搭子”后——交代背景（“每天用 AI 做需求梳理、竞品整理、访谈摘要和文档初稿；非技术背景；不希望长期维护；成本不能太高；第一次最好两小时内跑通；后续要知道怎么排查”）——AI 就开始把问题拆成”先确认目标 → 列出约束 → 整理可选方案 → 设计验证方式和排错清单”。AI 最有用的不是替你做决定，而是把一堆混乱的信息变得有顺序。
-
第一次两小时 → 第二次半小时，是把 SOP 沉淀下来的复利：Silas 第一次跑通花了将近两个小时，真正耗时的不是操作而是”不知道每个环节的关系、不知道出问题先查哪里”。复盘后让 AI 把整个过程整理成 SOP（前置条件 / 关键步骤 / 易踩坑的地方 / 验证方式 / 复用注意事项），第二次半小时跑完。“效率不是喊出来的，是前后对比出来的”——这比”我用 AI 提高了效率”更有说服力。
-
面试官真正想听的是你怎么定义问题：当 Silas 讲完案例，面试官没有追问”你具体用了哪个工具”，而是问”你当时为什么会想到把它整理成流程？“——这个问题问得很准。很多时候我们以为在解决问题，其实只是在处理症状（用户说按钮不好用 → 立刻改按钮；业务说转化率低 → 立刻加弹窗；工具突然用不了 → 立刻找替代品）。PM 价值就在于多问一句”这件事背后，真正不稳定的是什么？“——回到 Silas 的例子，工具失效只是表层，真正问题是”把高频工作环节建立在不可控环境上，且没有备用流程、没有排错清单、没有复用文档”。Silas 的总结金句：“我不是用 AI 解决了一个工具问题，而是用 AI 帮自己补齐了一段工作流的稳定性”。
-
AI 使用案例的五段叙述框架可迁移到所有工作场景：不管是产品、运营、用户研究还是内容岗位，要讲清”我怎么用 AI 解决真实问题”都可以按这个顺序复盘——① 讲场景（不要一上来讲工具，先说你在做什么、任务为什么紧、问题为什么会影响结果）→ ② 讲问题（不要只讲表象，往下挖一层：是效率问题、稳定性问题、协作问题还是信息不对称问题？）→ ③ 讲约束（预算、时间、人力、权限、技术能力等，约束讲清楚反而让案例更可信）→ ④ 讲 AI 参与了哪一段（AI 不必参与全部流程，可能只是解释概念、拆解路径、整理资料、生成检查清单或排错优先级）→ ⑤ 讲结果（不要只说”成功了”，可以说前后耗时变化、复用次数、协作成本变化、有没有沉淀出文档和流程）+ 可选第六段：迁移（这件事后来有没有改变你处理其他问题的方式？）。
-
真正拉开差距的不是提示词而是问题感：现在大家都在学 AI——有人收藏工具清单，有人研究提示词，有人每天试新模型，都有价值。但在产品经理语境里更重要的是问题感：你能不能判断什么问题值得解决？能不能把模糊抱怨拆成可验证的问题？能不能在一堆看似正确的方案里挑出最适合当前约束的那一个？能不能把一次临时救火沉淀成下次可以复用的流程？这些能力 AI 替代不了。AI 可以更快获得信息、更快整理结构、更快形成初稿，但”为什么要做、做到什么程度算有效、哪些风险不能忽略”还是要人来判断。
实操内容保留
本文以方法论叙述和案例复盘为主，无代码与配置内容。但 Silas 给出了三套可直接套用的实操结构。
Prompt 模板（把 AI 当临时产品搭子的背景交代法）
原文展示的实际背景交代结构（用于替代”求答案式”提问）：
我每天都会用 AI 做需求梳理、竞品整理、访谈摘要和文档初稿；
我不是技术背景，不希望方案需要长期维护；
成本不能太高；
第一次最好两个小时内能跑通；
后续如果再遇到问题，我要知道怎么排查，而不是每次都重新求助别人。
关键差异：从”遇到这种情况怎么解决？“（求答案）→ 交代「工作背景 + 技术约束 + 时间约束 + 维护偏好 + 长期可迁移性」五要素后再问 AI（求结构化拆解）。AI 收到这五要素后的输出从”换工具、检查网络、看服务状态、准备备用方案”四条泛回答升级为”先确认目标 → 列出约束 → 整理可选方案 → 设计验证方式和排错清单”四阶段拆解。
AI 使用案例分享框架（5+1 段）
可直接套用：面试、汇报、复盘、写作场景下”我怎么用 AI 解决问题”的标准叙事结构。
- 讲场景：你当时在做什么 + 任务为什么紧 + 问题为什么会影响结果
- 讲问题：往下挖一层——是效率问题、稳定性问题、协作问题还是信息不对称问题
- 讲约束：预算 + 时间 + 人力 + 权限 + 技术能力（约束讲清楚反而让案例更可信）
- 讲 AI 参与了哪一段：AI 可能只是帮你解释概念 / 拆解路径 / 整理资料 / 生成检查清单 / 排错优先级（不必参与全部）
- 讲结果：前后耗时变化 / 复用次数 / 协作成本变化 / 有没有沉淀出文档和流程（不要只说”成功了”）
- （可选）讲迁移：这件事后来有没有改变你处理其他问题的方式
SOP 沉淀的 AI 协作步骤
把”第一次两小时 → 第二次半小时”的提效经验工程化：
- 遇到陌生概念：让 AI 用白话解释这个概念在流程里负责什么
- 卡在某一步：把当前状态和报错信息丢给 AI，让它先判断可能原因，再按优先级给你排查路径
- 跑通以后：让 AI 把整个过程整理成一份 SOP，包含：前置条件是什么 / 关键步骤是什么 / 哪些地方容易踩坑 / 怎么验证结果 / 下次复用时要注意什么
关键概念
- AI产品经理面试 — 本文是 AI PM 面试场景”怎么用 AI”问题的标准回答模板，与既有面试方法论（三维对比 / 四层防火墙 / 技术翻译力）形成第三条主线”案例叙述框架”
- 提示词工程 — 本文给出一个反”提示词技巧”的视角：AI 输出质量首先取决于问题定义（把 AI 当”临时产品搭子”交代五要素背景），而非提示词模板的精巧度
- 工作SOP — 本文展示”工具失效”如何被转化为可复用的工作流稳定性 SOP，与既有工作 SOP 五条线（个人执行/个人成长/入职摸底/私域增长/项目复盘）形成第六条线”AI 使用经验 SOP 化”
- 问题感 — 本文作者明确提出”真正拉开差距的不是提示词而是问题感”，指 PM 判断”什么问题值得解决/把模糊抱怨拆成可验证问题/在看似正确的方案里挑出最适合当前约束的一个/把临时救火沉淀成可复用流程”的能力（已在本次 ingest 中新建实体页）
- AI 使用案例叙述框架 — 本文核心方法论贡献：场景 → 问题 → 约束 → AI 参与 → 结果（+ 迁移）的五段结构，可迁移到面试、汇报、复盘、写作所有场景
与其他素材的关联
- 与 2026-05-17-ai-pm-interview-claude-workflow 的关系：那篇是从 38 场面试 154 道真题归纳出 AI PM 求职的”技术翻译力”宏观判断；本文从单次面试案例出发，给出”AI 使用案例叙述”的五段微观模板。两者形成”宏观结论 + 微观执行”的互补——前者告诉你”AI PM 的核心能力是翻译”，后者告诉你”具体到一道高频题怎么答”。
- 与 2026-05-18-woshipm-ai-pm-interview-2-questions 的关系：那篇给出两道 AI PM 高频题的”三维对比”和”四层防火墙”答题结构（属于”产品方法论题”）；本文给出”怎么用 AI”这道职业能力自述题的”五段叙事框架”。两者覆盖 AI PM 面试两大题型——一类问产品设计能力（如何治理幻觉），一类问个人使用经验（怎么用 AI）。
- 与 2026-05-23-build-sop-personal-effectiveness 的关系：蔡锦海给出的工作 SOP 四件套（PDCA / 5 Why / SCQA / 四象限）是通用工作 SOP 框架；本文把”AI 使用经验”也纳入 SOP 化对象——Silas”第一次两小时 → 第二次半小时”的提效路径，本质就是 PDCA 闭环的 Check → Act 在 AI 协作场景的具体落点。
- 与 2026-05-23-woshipm-sop-as-cot-agent-clone-expert 的关系：那篇讲”SOP 即思维链”——把老专家脑里的隐性 SOP 显性化注入 Agent；本文讲”用 AI 沉淀 SOP”——让 AI 帮自己把临时救火过程整理成可复用的 SOP。两者方向相反但互补：前者是”人 → AI”的 SOP 编译，后者是”AI 帮人”的 SOP 提炼。
- 与 2026-05-09-pm-ai-playbook 的关系：那篇给出 AI 在 PM 五大场景的”80% AI / 20% 人”分工原则；本文用 Silas 自己工具失效的案例具体演示了这条原则——AI 帮你把背景五要素拆成结构化方案（80%），但”工具失效背后真正不稳定的是什么”的判断必须人来做（20%）。
- 与 2026-05-20-ai-pm-competitive-analysis 的关系：那篇提出 AI PM 必须建立”三秒规则”判断 AI 输出是否套话——“如果 AI 给你的结论里没有任何一句话需要你停下来想 3 秒以上，那这个结论大概率是套话”；本文给出”问题感”作为同一命题的更宽泛表述——能不能判断什么问题值得解决、能不能在看似正确的方案里挑出最适合当前约束的一个，是 AI 时代 PM 的真正护城河。
原文精彩摘录
“上个月面试时，面试官问了我一个现在很常见的问题：‘你平时在工作里怎么用 AI？能不能举一个具体例子？’ 这个问题其实是非常容易搞砸的。因为很多人的第一反应，都是把自己用过的工具和场景报一遍：写PRD、总结会议纪要、生成一个不知道能不能使用的Demo、生成 PPT 大纲、查资料等等。这些当然都算用 AI，但说实话，面试官听多了以后，很难判断你是真的会解决问题，还是只是把 AI 当成一个高级搜索框。”
“刚开始我也犯了一个很典型的错误。我直接问 AI：‘遇到这种情况怎么解决？‘结果它给我的回答很泛：换工具、检查网络、看服务状态、准备备用方案。每一条都对，但每一条都不够具体。后来我意识到，问题不在 AI，而在我的提问太像’求答案’了。于是我换了一种方式，把它当成一个临时的产品搭子。”
“第一次我花了将近两个小时。真正耗时的不是操作本身，而是我不知道每个环节之间的关系，也不知道出问题时该先查哪里。复盘之后，我把流程重新整理了一遍。第二次再跑，同样的事情半小时左右就能完成。这比单纯说’我用 AI 提高了效率’更有说服力。因为效率不是喊出来的，是前后对比出来的。”
“回到我的例子里，工具失效只是表层现象。真正的问题是，我把一个高频工作环节建立在了不可控的环境上，而且没有备用流程、没有排错清单、没有复用文档。所以我后来在面试里总结成了一句话：我不是用 AI 解决了一个工具问题，而是用 AI 帮自己补齐了一段工作流的稳定性。这句话比’我会用 AI 写文档’更能说明问题。”
“现在大家都在学 AI。有人收藏工具清单，有人研究提示词，有人每天试新模型。它们当然都有价值，但如果放到产品经理的语境里，我觉得更重要的还是问题感。你能不能判断，什么问题值得解决？你能不能把一句模糊的抱怨，拆成可验证的问题？你能不能在一堆看似正确的方案里，挑出最适合当前约束的那一个？你能不能把一次临时救火，沉淀成下一次可以复用的流程？这些能力，AI 替代不了你。“