把能力变成证据，把求职变成系统

01课程介绍#

本节课把前面形成的产品判断、项目实践和 AI 协作能力带进真实职场。课程从简历、作品集、岗位匹配、模拟面试与职业规划出发，解释企业如何判断一名 AI 产品经理。

求职不是重复投递同一份材料，而是把真实经历整理成证据，再根据目标岗位调整信息权重并持续复盘。

你将学到什么

• 识别不同 AI PM 岗位真正需要的能力与工作证据。
• 把项目经历整理成有目标、有行动、有结果的简历表达。
• 围绕 JD 准备作品集与面试，而不是背诵通用答案。
• 判断适合自己的求职方向，并制定下一阶段成长重点。

02课程回放#

正在准备课程回放…

03课程课件#

完整课件正在载入…

04求职不是一次投递，而是一套产品系统#

很多人把求职理解为「写简历、找岗位、准备几个问题」。银海老师给出的视角更接近做产品：先盘点手里的原始资料，再明确目标用户，也就是目标公司和面试官；接着完成内容包装、渠道分发、转化跟踪与持续迭代。

无论是校招、社招、实习、转岗还是跨行业求职，都可以建立一条自己的转化漏斗：投递多少岗位，多少份简历进入筛选，多少次进入一面、二面和终面，最终获得多少 offer。只有记录每一层的转化，才知道问题究竟出在岗位选择、简历匹配、项目表达还是面试发挥。

1. 一页简历 用最短路径让面试官理解你是谁、做过什么，以及为什么与岗位匹配。
2. 个人说明书与作品集 承载简历放不下的项目证据、决策过程、产品链接、数据结果和个人表达。
3. 面试 SOP 围绕目标 JD 建立调研、题库、模拟面试、现场表达和复盘的固定流程。

05第一步：建立一份个人信息底稿#

AI 能帮你写简历，但前提是它真正了解你。最重要的准备不是先挑模板，而是建立一份长期维护的个人信息底稿。它是所有简历、个人主页、作品集、自我介绍和模拟面试的统一事实来源。

底稿推荐使用 Markdown 或其他结构清晰、方便 AI 读取的文本格式。不要一开始追求完美文案，先把真实信息完整说出来。后续所有输出都从这份底稿生成，修改事实时也只需要维护一个地方。

06用语音输入，先降低资料整理成本#

很多人写不出简历，并不是没有经历，而是面对空白文档不知道从哪里开始。银海老师建议先用语音输入，把过往经历像讲故事一样说出来。口述通常比打字更快，也更容易带出背景、冲突、动作和细节。

1. 按问题口述这个项目为什么开始？你负责什么？最难的判断是什么？最后发生了什么？
2. 保留原始材料先完整记录，不急着压缩。数字、时间、角色、工具和协作关系都可能成为后续证据。
3. 交给 AI 结构化让 AI 按基本信息、工作经历、项目经历、技能和外部实践重新整理。
4. 人工校验事实检查专有名词、数字、职责边界和因果关系，删掉 AI 过度推断的内容。
5. 再提炼表达事实确认后，再根据不同用途生成简历、个人主页、自我介绍或面试答案。

这套方法不只适用于求职。任何需要大量输入的场景，比如需求访谈、项目复盘、周报、方案草稿和内容创作，都可以先说出来，再让 AI 帮你整理。

07一页简历：干净比花哨更重要#

课程展示了多种简历模板，但银海老师更推荐极简的一页式结构：黑字白底、清晰分区、信息密度适中。面试官首先要快速判断匹配度，不需要被复杂配色、装饰图形和进度条干扰。

一条好的项目经历，需要回答四个问题：当时面对什么问题，你承担什么角色，你做了哪些关键判断，结果如何。结果可以是用户量、转化率、收入、成本、交付效率、使用频次，也可以是验证了某个关键假设。没有业务数字时，也可以写清验证范围和结论，但不要用模糊大词代替事实。

简历不是个人传记，而是一份帮助面试官快速完成匹配判断的产品页面。

08没有正式经历，也可以建立能力证据#

对于大一、大二、准毕业生或转行同学，「没有工作经历」不等于「没有可以展示的经历」。AI PM 岗位尤其看重候选人能否理解用户、拆解问题、做出产品并从反馈中迭代。课程项目和个人实践都可以成为证据。

1. 做一个可运行产品 一个真实可体验的 Vibe Coding 项目，通常比只写概念方案更有说服力。
2. 做一次完整拆解 选择目标公司的产品，完成用户、场景、流程、指标、竞品和改进方案分析。
3. 进入真实社区 参加共学、竞赛、黑客松、开源项目或社区运营，让项目获得真实用户反馈。
4. 公开你的思考 把调研、决策、失败和迭代写清楚，持续内容输出也是能力的外部证据。

关键不是堆很多练习，而是把一两个项目做深：为什么选这个问题、如何验证需求、怎样取舍、做出了什么、真实用户怎么反馈、下一步准备怎么改。项目越能回答这些问题，越接近一段可信的产品经历。

09个人说明书与作品集：展示简历之外的你#

一页简历必须克制，因此很多信息需要由个人说明书或作品集承接。设计师通常展示视觉作品，AI 产品经理则可以展示产品 demo、产品链接、关键流程、PRD 摘要、数据结果、用户反馈和自己的判断过程。

作品集可以用现成的在线建站工具快速发布，也可以用 Codex 等 Coding Agent 生成 HTML 后自行部署。选择哪条路径取决于你的能力和时间：不熟悉部署时，优先选择能稳定访问的平台；具备开发能力时，独立网站本身也能成为技术和审美证据。

10不要只看职位名称，要读懂 JD 背后的坑位#

同样叫「AI 产品经理」，不同团队可能招的是完全不同的人：有人负责 Agent 场景测评，有人负责模型能力评估，有人做企业解决方案，有人做 C 端增长。职位名称只能提供一个大类，真正决定匹配度的是岗位职责和产品上下文。

1. 确认业务与产品团队服务谁，当前产品是什么，处于探索、增长、商业化还是规模交付阶段？
2. 拆出核心任务把 JD 中的职责拆成产品设计、用户研究、模型评测、数据分析、增长、商业化、交付等任务。
3. 提取能力关键词标出高频出现的行业、工具、技术、协作和结果要求。
4. 体验目标产品如果 JD 写了具体产品，先成为用户，记录优点、问题、关键流程和自己的改进判断。
5. 建立证据映射为每项核心要求找到自己最相关的经历，并标明它应该出现在简历、作品集还是面试答案里。

可以为目标岗位建立一个简单的对标矩阵：左侧写岗位要求，右侧写自己的对应证据、证据强度和缺口。这样可以快速判断这个岗位值不值得投，也能知道面试前最该补什么。

11一岗一简历：调整权重，不是改写事实#

拿一份通用简历海投，最大的问题不是格式，而是面试官找不到和自己岗位直接相关的证据。AI 让候选人可以低成本生成不同版本，但「千岗千面」应该建立在同一份真实底稿上。

比较稳妥的方式，是维护一份完整底稿和一份基础简历，再为重点岗位生成少量定制版本。投递前逐句检查，避免 AI 为了「更匹配」而擅自放大贡献或生成不存在的技能。

12让 AI 做模拟面试，但别只背标准答案#

拿到 JD 和简历后，可以让 AI 同时扮演面试官、追问者和复盘教练。它可以基于岗位职责，从产品、业务、技术、数据、运营和 HR 等不同视角发问，并根据你的回答继续追问。

1. 输入完整上下文提供目标 JD、简历、作品集摘要、公司与产品调研，让模拟问题尽可能贴近真实岗位。
2. 按轮次模拟分别练习自我介绍、项目深挖、产品题、业务题、协作冲突、失败复盘和 HR 问题。
3. 要求持续追问不要让 AI 一次列出几十道题。一次回答一道，让它根据你的漏洞继续问。
4. 检查表达质量回答是否有结论、事实和因果？有没有绕圈、抢功、空话或与 JD 无关的细节？
5. 沉淀复盘每次真实面试后记录问题、回答、卡点和反馈，更新自己的题库与项目讲法。

AI 的价值不是帮你背出一套万能答案，而是提前暴露证据薄弱、逻辑不清和知识缺口。真正进入面试时，仍然要根据现场问题进行交流，而不是机械复述。

13内推的价值，在于信任而不只是内推码#

课程最后谈到内推。一个公开内推码通常只负责把简历送进系统，不一定能显著提高筛选速度。更有价值的内推，是在职同事了解你的能力，愿意把准备充分的材料直接推荐给招聘团队。

这种推荐依赖信任。向学长、朋友或社区伙伴请求内推前，应该先准备好岗位链接、定制简历、作品集和简短的匹配说明，让对方能够快速判断，也降低他替你推荐的成本和风险。

14把求职变成长期成长飞轮#

一份简历解决的是当前投递，一套系统解决的是长期成长。每次做项目、发内容、参加活动、获得用户反馈或完成业务结果，都应该回到个人底稿；每次面试和岗位调研，也会帮助你发现下一阶段要补的能力。

1. 做真实项目在真实问题、真实用户和真实约束中积累能力。
2. 沉淀事实底稿及时记录自己的角色、判断、数据、反馈和复盘，避免时间久了只剩模糊印象。
3. 对标目标岗位观察市场正在需要什么，识别自己已经具备的证据和下一步缺口。
4. 公开展示能力通过作品、文章、社区和开源项目，让机会在投递之前就能找到你。
5. 用反馈继续迭代把简历筛选率、面试反馈和真实工作结果带回下一轮成长。

15麦当秀的产品实践：想法重要，执行更重要#

下半场，麦当秀新媒体总监 Mega 从一位非传统产品经理的视角，分享了自己进入 AI 行业后的产品实践。麦当秀从 2023 年上线 AI PPT 产品，到积累用户、参加行业大会、接入观猹登录并获得融资，背后并不只是抓住了 AI PPT 这个方向，也包括持续执行和不断接受市场反馈。

Mega 把产品过程概括成几个连续动作：先形成对细分赛道的判断，再评估是否值得投入；一旦选定方向，就要有足够强的执行力跨过卡点；产品上线后持续复盘用户反馈，最终追求更完整的产品力。

1. 先想清楚方向 想法代表你对用户和赛道的认知，但在投入之前要判断需求、竞争与自身资源。
2. 跨过执行卡点 Agent 没理解、功能越改越差时，不要只在同一句提示词上循环，要换表达、换模型或重整需求。
3. 接受市场验证 用户是否使用、是否付费、为什么留下，比团队内部对产品的自我感觉更有说服力。

16AI 沟通卡住时，让另一个模型做翻译#

Mega 分享了一个很实用的 Vibe Coding 技巧：当你反复向 Codex 描述需求，结果却越改越偏时，可以先把自己的想法交给另一个模型，让它整理成更明确的需求、约束和验收标准，再把这份结构化说明交给 Coding Agent。

1. 先停止无效修改连续几轮都偏离目标时，继续追加指令只会让上下文更混乱。
2. 重新描述目标说明当前状态、期望结果、哪些地方不能变，以及怎样才算完成。
3. 让模型整理需求请另一个模型把口语表达转成任务清单、边界条件和验收标准。
4. 开启干净任务把整理后的内容和必要文件交给 Coding Agent，减少旧上下文干扰。
5. 逐步验收先完成一个最小改动并检查，再继续下一步，避免一次改动过大。

这不是哪个模型一定更强，而是让不同模型承担自己更擅长的角色：一个帮助澄清和组织需求，另一个负责读代码、修改文件和验证结果。

17市场反馈：用户为什么愿意在上线后立刻付费#

麦当秀上线推广后，很快出现了首位付费用户。团队回访后发现，市场上同类产品很多，但大多数首页采用浅色视觉，这位用户恰好更喜欢麦当秀的深色风格。这个例子说明，用户做选择时，不只比较功能清单，也会被视觉、品牌感受、信任和使用氛围影响。

这并不意味着「做一个深色网站就能赢」，而是提醒产品团队：真实付费行为会暴露用户真正重视的因素。团队应该追问用户为什么购买、为什么没有购买、为什么持续使用，再决定哪些反馈代表稳定需求，哪些只是个体偏好。

18从「抄」到「超」再到「潮」#

Mega 借用了新媒体起号的方法，提出「抄、超、潮」三个阶段。它不是鼓励照搬，而是先通过成熟产品理解已经被验证的用户需求和商业模式，再做出自己的差异化，最后在赛道形成趋势时抓住增长窗口。

1. 抄：研究对标拆解目标产品服务谁、解决什么问题、核心流程是什么、如何获客以及如何收费。
2. 超：建立差异明确你的核心卖点、资源优势和更好的体验。借鉴成熟答案，但不能做一份查重率 100% 的复制品。
3. 潮：面对竞争赛道变热会带来流量和资本，也会吸引大量同类产品。真正的考验发生在热度退去之后。

当越来越多人进入同一赛道，产品不能只靠「我也能做」。团队需要回答：客户为什么选择你，为什么愿意付钱，竞品复制后你还剩下什么，流量成本上升后是否仍能生存。

19潮水退去后，产品靠什么活下来#

资源充足的团队可以通过资本、渠道和流量快速放大，但大多数小团队没有无限预算。Mega 给出的现实判断是：先活下来，保持正向现金流，再讨论更大的市场故事。

20三个个人项目带来的实践启发#

Mega 还分享了自己用 AI 开发的几个项目。它们不一定都是成熟商业产品，但很好地展示了如何从日常问题、个人兴趣和价值表达中找到项目起点。

1. 七连翻计分小程序 从和朋友玩桌游时算分麻烦的真实痛点出发。开发卡住后，先让另一个模型重整需求，再交给 Codex 实现。
2. 幻象新生 从个人兴趣切入 AI 命理报告，先把核心体验跑通，再逐步处理收费和完整产品链路。
3. 躺平模拟器 用文字 Roguelike 和选择后果表达一个观点，让产品不仅有功能，也有明确主题和体验目标。

这些项目共同说明：好的个人项目不需要一开始就宏大。一个真实场景、一个明确用户和一个能被体验的核心流程，就足以成为起点。重要的是把它做出来、给真实用户使用，并继续迭代。

21今天的核心收获#

1. 先建事实底稿简历、作品集和面试答案都应该来自同一份真实、完整、持续维护的个人资料。
2. 让 AI 帮你整理，不替你造假语音输入解决原始材料收集，AI 解决结构化、提炼和表达，人负责事实与判断。
3. 用作品证明能力对于 AI PM，可运行产品、项目决策、用户反馈和公开内容，往往比自我评价更有说服力。
4. 围绕 JD 建立证据映射一岗一简历的本质是强调相关事实，而不是编造更匹配的经历。
5. 把面试做成可复盘流程公司调研、产品体验、模拟追问、真实面试和复盘题库共同构成面试 SOP。
6. 产品要接受市场判断想法和执行都重要，但真实使用、付费和留存才会持续校正团队的判断。
7. 研究成熟路径，再做差异化对标帮助你理解市场，差异化帮助你赢得选择，现金流帮助你在热度退去后继续活着。

本课行动

22课程作业#

整理一份 AI PM 求职简历 把课程里已经形成的项目、作品与能力，整理成一份 PDF 简历。它不要求你已经拥有完整的 AI 产品工作经历，重点是建立一份真实、可检查、能继续迭代的求职底稿。

本期活动已结营，但仍开放继续学习。

请查看每份作业的独立截止时间；超过作业截止后提交，只保留为个人学习记录。

每份作业仅限提交一次，提交完成后不可修改，请同学们认真核对无误后再行提交。为保障评审公平，内容敷衍、大量 AI 生成拼凑的作业将不予通过，且不提供二次更正渠道，由此将无法达成里程碑、获得奖励。

登录后可在这里查看提交状态，并同步本期学习进度。