我是怎么用Claude把面试变成市场调研的

一、为什么AI产品经理敢同时面试好几家公司

面试本身就是最便宜的市场调研。你花几小时跟一线业务方聊天，对方还会主动把行业里最真实的痛点、最焦虑的项目、最缺的能力告诉你。这种信息密度，比你看十篇行业报告都高。

所以我现在的逻辑很简单：

第一，直接去面试，以身试水。 你看再多招聘JD都不如真去聊一次。HR写的JD是模板，业务方问的问题才是真需求。同样写”AI产品经理”,有的公司其实想要的是Prompt工程师,有的想要的是会写PRD的项目经理,有的是真的要做AI产品，你不坐到面试桌对面,永远分不清。

第二,把面试当成市场调研。面试不太焦虑”过不过”,更在意”我学到了什么”。对方问的每个问题,背后都对应一个他们正在踩的坑。问你”怎么评估大模型效果”——说明他们模型上线后没人能说清楚到底好不好用。问你”怎么跟算法同学对齐”——说明他们团队内部沟通有问题。这些都是免费的行业洞察。

第三,不沉淀等于原地踏步。 这是最关键的一点。面了十家公司,如果每次出来就完了,那你就只是被面试了十次。但如果每次都复盘、整理、归档,你就在用十家公司的真实需求训练自己。三个月之后,你对市场的理解会比那些只在工位上看JD的人深一个量级。

整个流程一句话:录音 → Claude复盘总结 → Obsidian形成知识网络 → 导入手机随时复盘。

听起来简单,但里面每一步都有讲究。

面试结束我会立刻把录音转成文字(现在手机自带的转写功能就够用),然后整段甩给Claude。不用自己先整理,Claude比你更会归纳重点。它会帮你梳理出:面试官问了哪些问题、你怎么答的、哪些答得磕巴、哪些是面试官追问的——追问的就是高频考点。

整理完之后,我会让Claude基于这次面试,反推出一个”该岗位可能的题库”。比如这家公司问了RAG的落地难点,Claude就会顺着这个点扩展出一组关联问题:向量数据库怎么选、策略怎么定、召回率怎么评估、幻觉怎么控制……

面一次,题库扩十倍。

这条是我觉得最有用的。我会让Claude站在一个非常苛刻的资深面试官角度,把我的回答逐条批判一遍。”这句话太虚””这个例子站不住脚””你根本没回答到点上””这是面试套话不是真实经验”——越狠越好。

被AI骂不丢人,被真面试官当场冷场才丢人。

骂完之后,让Claude给出它认为的”高分答案版本”。注意不是让它替我答,而是给我一个参照系。我会对比自己的回答和它的版本,看差距在哪里——是结构不清晰?案例不具体?还是根本不懂这个概念?

这三个Prompt(建题库、批判、给答案)是一套组合拳,缺一个都不完整。

整理出来的内容,我会让Claude直接生成一个H5页面,而不是Markdown文档。

原因很现实:Obsidian里的笔记越攒越多,真到面试前你根本翻不动。 几十篇笔记躺在那儿,你想找”上次某家公司问的Agent问题怎么答的”,翻五分钟都找不到。

但H5页面不一样,可以做成卡片式、可折叠、可搜索、可在手机上一滑就看。面试前在地铁上、在咖啡厅、在等候区,掏出手机就能刷。

说实话,所有准备里最有用的不是平时刷题,而是面试前15分钟,根据这家公司的JD,快速调出你题库里相关的高频题。

比如这家公司JD里写”负责B端AI产品”,你就快速过一遍所有B端面试题。JD里提到”对接大客户”,你就过一遍商业化和客户成功相关的题。这种”临阵磨枪”才是真有效的——因为人的短期记忆在面试前15分钟最活跃。

市面上所有的”AI产品经理100问”都是滞后的、通用的、没有上下文的。但你自己面过的十家公司、被问过的真实问题,才是这个行业当下最真实的需求快照。

最后说一句面一圈下来的体会:AI产品经理真正的核心能力,不是懂技术,而是懂翻译。 翻译什么?把业务方含糊的需求翻译成算法能落地的方案,把算法的能力边界翻译成业务方听得懂的预期,把用户的真实场景翻译成模型可优化的指标。

懂技术只是门槛,懂翻译才是壁垒。

而面试,本身就是一场最高强度的翻译训练。