产品经理

Agent（智能体）与LLM（大语言模型）的区别与联系1. Agent的定义Agent（智能体）是一种能够自主感知环境、制定目标、规划行动并执行任务的实体。它通常由多个模块组成，包括：1️⃣感知模块：接收输入（如文本、传感器数据）。2️⃣决策模块：基于目标或规则制定策略（可能依赖LLM或其他模型）。3️⃣记忆模块：存储历史信息或知识。4️⃣执行模块：调用工具或API完成任务（如搜索、计算、控制设备）。Agent的应用场景广泛，例如自动驾驶、智能客服、自动化流程等，强调主动性、持续性和环境交互能力。2. LLM的定义LLM（大语言模型）是一种基于海量文本训练的自然语言处理模型，核心能力是理解和生成文本。例如，GPT-4、Claude等模型擅长文本生成、问答、翻译等任务，但本质上是一个“静态”模型：被动响应：需用户输入触发，无法自主行动。1️⃣无记忆性：默认不保留上下文（需通过技术手段实现）。2️⃣无工具调用能力：需依赖外部系统扩展功能。3. 核心区别1️⃣自主性Agent能主动规划任务并调用工具（如API、搜索引擎），持续与环境交互。LLM仅被动响应用户输入，无法独立决策或执行动作。2️⃣功能范围不同：Agent是多模块系统，整合记忆、推理、工具调用等功能，适用于复杂任务链（如自动化流程）。LLM仅处理文本输入输出，需依赖外部系统扩展功能（如通过插件调用工具）。3️⃣架构与复杂性：Agent是系统级架构，包含感知、决策、执行等组件，需管理动态任务流程。LLM是单一模型，仅作为Agent的“语言处理模块”存在。4. 联系与协作1️⃣LLM可作为Agent的“大脑”：Agent常利用LLM处理自然语言理解、生成和简单推理，例如分析用户意图或生成回复。2️⃣Agent扩展LLM的能力：通过整合记忆、工具调用等模块，Agent使LLM突破纯文本交互的限制，例如AutoGPT调用搜索引擎或API完成任务。总结来说：Agent是“行动者”：具备自主性和系统性，能独立完成复杂任务。LLM是“语言专家”：专注文本处理，需依赖外部系统实现功能扩展。#牛客AI配图神器#  #面试#  #产品经理#  #Ai产品经理#  #牛客激励计划#

#牛友职场人脉来了# 😵遇到很多迷茫的产品同学，想到以前疯狂海投的自己，所以逐字整理了一下个人的一些经验，希望可以帮到在找工作的同学😁此文Ai含量为0，可以放心阅读，直接从个人飞书文档复制过来的，所以格式可能不太好看。😇如果需要简历和面试辅导也可以私聊我，大家互相交流。🎊另外OPPO2026寻梦实习招聘启动，可扫描二维码填写我的内推码投递简历从0开始准备一场面试，笔者认为主要分为信息收集、简历准备、面试准备、面试应对、面试复盘以及谈薪与offer六个步骤一、信息收集1.1 说明信息收集是指对自己要投递的行业、公司、部门、岗位尽可能地进行全面而深入的信息收集和整理，了解其实际现状并对后续的步骤进行指导。1.2 目的通过信息收集使得自己的准备工作更加具有针对性，提升准备工作的产出投入比，从而提升自己的面试成功率。1.3 具体方法在确定目标公司的目标岗位后可以通过包括但不限于以下方式收集以下信息- 通过百度搜索、查看研报&财报等了解公司官方发布的信息，包括公司规模、公司定位、主营业务、发展现状和潜力、业务生命周期位置、所处供应链位置、上下游关系等信息，能了解多少就看多少，这个主要是为了对公司有一个大致的了解- 通过企查查&案件判决公示网站了解公司持股情况、代表的利益团体、法律纠纷- 通过脉脉查看公司和部门的舆论情况、员工评价、近期内部动态等- 通过Boss直聘等招聘网站了解公司的岗位招聘情况以及岗位描述，了解目标岗位明面上的具体要求- 通过和对接的hr询问该岗位招聘背景、入职后预期要求、工作上下游、上级、组织规模、上一任离职原因等信息- 通过牛客网站搜集该公司的面试体验和面试问题二、简历准备2.1 说明简历准备是要根据岗位要求判断出目标岗位需要具备什么素质的人员，然后根据判断出的结论定制化地设计自己的简历，而不应该像是记录流水账一样把自己的经历罗列在上面。同样的经历在面向不同的岗位时要着重表现出的素质是不一样的。例如同样是一段在校组织同学一起设计大学生创新创业项目并参加路演获奖拿到商务合作的经历，对于项目经理这个岗位要着重说明自己如何组织资源控制成本克服困难执行落地的，对于产品经理这个岗位要说明自己如何进行市场调研洞察到用户需求并落地的，对于市场来说要着重说明自己如何进行路演并维护商务关系拿到合作的。上述例子只是简单说明这个思路，在实际操作过程中还会因为公司、行业、岗位甚至公司文化的不同略有侧重，但无论如何一份简历应对各种岗位流水账式的简历制作方式是不可取的。另一方面面试过程中面试官通常会针对简历上描述的东西进行提问，因此通过有准备地设计简历可以在一定程度上引导面试官提问已经准备好的经历部分，提升自己的回答质量。除此之外简历的格式也十分重要，需要优先展示自己有优势的部分，同时重点展示总结性的结果性的内容，例如清华大学毕业的同学可以将教育背景放在最前面而普通中专生则可以把教育背景放在最后，一些结果性的例如“30w、50个、2w余人”则可以加粗展示，总结性的例如“法规制定：xxx”亦需要加粗显示。2.2 目的- 通过针对性的简历制作提升简历筛选的成功率，同时引导面试官询问已经准备好的部分，提升面试成功率- 优化简历格式展示提升hr和面试官的阅读体验2.3 具体方法- 基于前文的信息收集工作判断目标岗位要求针对性地提炼自己经历的匹配部分- 通过调整文档格式突出展示自己的匹配部分和优势点- 简历通过PDF输出，简历命名通常为“姓名-学校-目标岗位-电话”使得重要信息一目了然，若学校不具有优势则可略去- 简历风格应简洁大方，不应使用奇奇怪怪花花绿绿的简历模板- 个人信息只需要展示核心信息，包括姓名、手机、邮箱等，若颜值过关或证件照好看可附上照片，若岗位对性别有要求可附上性别，若岗位对政治身份有要求可附上，其他如籍贯、民族、qq号、微信号等信息无写必要三、面试准备3.1 说明在面试前需要针对面试进行准备，主要是围绕简历经历和公司岗位问题两个方面进行准备；而面试准备内容中部分是一次性的部分是持续性的。3.2 目的通过面试准备可以使得自己回答达到当前认知的最高水平，使得面试回答是有备而来而非freestyle，从而进一步提升面试成功率。3.3 具体方法- 准备自我介绍并熟练背诵，自我介绍不应该是流水账，而应该包含每件事情的起因经过结果，要体现自己的成长和能力，展示自己的优势。另外很多面试官喜欢就自我介绍中提到的点去问，因此可以刻意地在自我介绍里留下一些意犹未尽的点引导面试官提问，进入自己的答题舒适区。- 针对简历问题进行准备，例如简历上经历的开始原因背景、遇到的困难和解决方案、最终的收获和复盘、成果指标的计算方法和明细等- 针对岗位专业通用问题进行准备，以产品经理岗位为例就有为什么想做产品经理、如何看待这个岗位、自己做产品经理的优势、项目中遇到需求矛盾如何决策等- 针对个人特质和发展进行准备，如谈谈自己的优缺点、未来的职业发展规划- 针对公司或岗位的问题，如对xx公司的认识、对xx岗位的认识、如何看待xx行业、如何看待公司产品、公司产品出了xx问题你会如何应对等四、面试应对4.1 说明面试是求职阶段的重中之重，是决定能否拿到offer的关键阶段，前期所有的准备和铺垫都是为了在这个阶段充分展示自己的能力，厚积薄发取得面试官的认可，不因为非硬性问题影响自己的面试效果。在面试应对阶段通常是由自我介绍开始，然后不同的面试官会有不同的问问题的风格，有的会围绕着简历、有的会围绕着自我介绍、有的会直击业务，在听问题和回答问题时的思考尤为重要。4.2 具体方法- 自我介绍：如前文所述在自我介绍准备完成后需要熟练背诵达到脱口而出的效果，不再赘述- 问题原因揣测：针对面试官询问的问题不要一味问什么答什么，应该去思考面试官询问这个问题的根本目的是啥，这需要结合面试官的所处位置、公司现状、业务现状、岗位描述、岗位背景等等原因，猜测出目的后再回过头回答问题才能对症下药一击命中，打到面试官的心坎里面- 神态语气：面试中的语气、神态、表情、动作都是非常重要的，这也会直接影响到面试官的评价，简单来说需要构建面试官对自己的信任感，首先自己要坚定相信自己的回答或者观点，不能有犹豫、迷茫、畏缩的情绪，而要坦荡、坦然、自信，这样能大幅提升面试官对你的评价，这其中的心理暗示、眼神语气、时机把控都是玄妙至极，需要逐渐积累训练五、面试复盘5.1 说明在面试完成后不论成败都需要进行复盘，复盘要求不用非常严苛但做到都有收获即可，例如又收集了几个新的面试问题，或者是更新了自我介绍的版本，也可以是完善了准备问题的回答，也可以是了解到了某个企业的状态，总之让每一次面试之后自己都能更强，这样就能越面越强！5.2 目的复盘面试中的不足整理面试后的所得，提升自己各方面的水平5.3 具体方法- 面试训练：通过和朋友对练或者投递小公司面试来提升自己的面试技巧，熟悉面试状态，提升应变能力，巩固准备的东西，等到觉得时机合适再投递心仪的公司一举拿下- 复盘整理：面试复盘所得要及时整理到文档当中，时时轻拂拭勿使惹尘埃- 面试心态：由面试训练引出的话题，就是不要觉得面试是什么了不起的事情，面试就是一种对话一种学习，是和行业从业者的交流机会，抱着颗粒归仓证明自己和学习进步审视的态度去面试，不要紧张不要焦虑。六、谈薪与offer6.1 说明在面试成功之后就会进入到谈薪和offer环节，在这个阶段也不应该掉以轻心，因为进入公司之后可能会没有升职加薪的机会，因此尽可能地为自己争取到最高的薪资是非常重要的，坦率地说我在这方面也没有很多的经验，只能把我知道的一些点整理一下。6.2 目的争取更高的薪水和更好的福利待遇6.3 具体方法- 尽可能增加当前总包：在谈薪的事情之前的薪资水平是一个很重要的参考点，有的公司会卡涨幅比如25%或者30%，所以如果上一份工作薪资不高大概率会影响下一份工作的薪资。因此在计算当前薪资的时候要尽可能地把所有收入都加上去，除了正常的工资之外，年终奖（包括没有兑现的）、加班费、期权股票（可能存在的也要算）、福利、各种假期（比如有的公司有经期假）、年假天数（比如有的公司年假给得多）、下午茶、上下班时间等都可以算上来计算当前总包- 别的offer：如果手上有多个offer可以用别的offer来argue，争取更高的薪资- 了解目标岗位的工资水平：可以通过*******************等招聘平台发布的岗位预算、牛客网脉脉网上暴露的岗位薪资等信息来判断其薪资预算，然后在预算内尽可能争取薪资- 其他注意事项：公积金缴纳比例、上下班时间、周末节假日情况等#简历# #面试# #产品经理# #简历指导#

面试时间线3.7    一面3.13  二面3.14 offer面试整体流程非常顺畅，体验也是最好的，比拼多多面试好太多了…公司规模很小，但是基本福利也都有岗位是自己最喜欢的ai产品经理工资比现在翻倍！五险一金入职就交领导正常，同事正常，入职就有年假地点还是所有面试的公司离对象公司最近的！开始租房啦～祝大家好运哦！ #春招#  #产品经理#  #上海#

一、模型核心能力评估1. 认知准确性   1.1 基础准确率       - 通用场景Top-1准确率＞82%（置信区间±2%）   1.2 领域专精度       - 医疗QA准确率≥89%（USMLE测试集）       - 法律条文解析准确率≥91%（Bar Exam基准）   1.3 抗幻觉指数       - TruthfulQA准确率＞65%        - 事实错误率＜3%（5000次对话统计值）2. 生成品质   2.1 语义相关度       - BERTScore＞0.85（阈值参考MS MARCO标准）   2.2 逻辑连贯性       - 人工评估8分制达6.5+        - 跨段落验证通过率＞80%   2.3 创新多样性       - Distinct-3＞0.45（开放域对话场景）       - 生成重复率＜15%（连续3轮对话）3. 交互流畅度   3.1 响应效能       - 端到端P95时延＜1.8s（含网络传输）       - 首token延迟＜400ms（视觉感知临界值）   3.2 多轮记忆       - 32k上下文窗口下话题保持率＞92%       - 实体记忆准确率＞88%（10轮对话测试）   3.3 容错机制       - 错误应答自主修正成功率＞70%       - 歧义澄清触发准确率＞85%4. 价值感知   4.1 任务达成率       - 工具类场景＞93%（如代码生成/文档摘要）       - 客服场景＞88%（含工单转接场景）   4.2 用户粘性       - 7日留存＞35%（工具类产品基准）       - 日均对话轮次＞5.2（社交类场景）   4.3 心智占位       - NPS净推荐值＞65（超越ChatGPT 45基准）       - 品牌提及率＞40%（未提示场景调研）5. 成本效益   5.1 推理经济性       - 7B模型单次请求成本＜$0.0008（动态量化后）       - 千次调用成本＜$0.8（考虑流量折扣）   5.2 资源利用率       - 动态批处理QPS＞60（A10 GPU基准）       - 显存占用＜12GB（INT8量化后）   5.3 冷启动优化       - 容器化部署＜25s（含模型预热）       - 自动扩缩容响应＜8s（突发流量场景）6. 场景适配   6.1 领域扩展性       - 新业务适配周期＜3人日（基于LoRA微调）       - 跨领域迁移准确率＞75%（少样本场景）   6.2 风险控制       - 敏感内容拦截率＞99.5%（AUC＞0.98）       - 合规审核通过率100%（GDPR/HIPAA场景）   6.3 商业转化       - 线索转化率提升＞15%（对比规则引擎）       - 人工替代率＞40%（客服场景实测）1️⃣技术验证阶段     对抗测试集验证         TruthfulQA/LAMBADA2️⃣用户体验验证     眼动实验+行为埋点      Hotjar/Mixpanel3️⃣业务价值验证     A/B测试+转化漏斗分析  Optimizely/GrowthBook指标健康度看板：技术指标权重40% | 体验指标30% | 商业指标30%异常波动阈值：单项指标周环比变化＞15%触发告警  #牛客激励计划#  #产品经理#  #Ai产品经理#  #研发#  #面试#  #百度求职进展汇总#  #AI# #牛客AI配图神器#

在投递命中率上，其实就是做简历和岗位的匹配。为此，在简历优化环节，建议同学们在主简历版本的基础上，优化几个不同的版本，都是对标对应公司的 JD 来优化的，核心就是突出个人优势和项目经验的匹配度。做到这一点，投递命中率就高，比起用一份简历海投的模式要高效很多。在 offer 命中率上，主要做面试问答准备和基于产品闭环的思考和表述框架训练。一般和同学们一对一沟通的1-2个小时里，我通常会用「用户-场景-需求-业务-数据-商业」框架结合项目经验的角度，带大家去优化简历。很多同学意识到，其实过去自己做的事情并不是那么没价值，还是有很多可挖掘的亮点。（比如你的研发技能在产品经理的面试中属于王炸）关键在于，能否看到产品功能背后的需求价值、业务价值和构建整个闭环框架的逻辑。这种区别，是功能思维和产品思维之间的差异化。一套体系化产品工作方法的好处就是在思考、表达、执行时能形成结构，也是很多产品经理同学不可或缺的东西。之后就是面试和offer 选择问题。工作经历本质是资源价值和光环价值，在资源投入、人才密度、数据体量、业务规模上增加明显优势，这个过程中对自己是一次很好的实践训练。利用这个背书给自己谈价增添一些筹码，也有机会涉猎一些 AI 的东西。对于产品经理来说，重要的是循序渐进对AI更加深入的过程。未来产品经理的核心竞争力不仅仅是 AI 能力，还有强大的产品思维和产品认知，因为这才是不变的东西。#牛客AI配图神器#  #牛客激励计划#  #面试#  #AI#  #产品每日一题#  #产品经理#  #Ai产品经理#  #找工作#

1. 感知模块（Perception）- 功能：通过传感器、API、文本/语音输入等方式，从环境或用户处获取原始数据。- 关键技术：多模态数据处理（文本、语音、图像）、信号降噪、数据标准化。- 产品视角：需平衡数据采集效率与用户隐私（如明确告知数据用途）。2. 认知与决策模块（Cognition & Decision-Making）- 理解层：自然语言处理（NLP）、计算机视觉（CV）解析输入内容。- 知识库：存储长期记忆（领域知识库、用户画像）和短期记忆（会话上下文）。- 推理与决策：基于规则引擎、机器学习模型（如强化学习）或规划算法生成行动策略。- 产品视角：需关注决策透明性（如可解释性AI）与伦理风险（如避免偏见）。3. 执行模块（Action）- 功能：将决策转化为具体行动，如控制硬件、调用API、生成回复。- 关键技术：动作序列编排、与外部系统集成（如IoT设备）。- 产品视角：需设计容错机制（如执行失败后的回退策略）。4. 学习与优化模块（Learning & Adaptation）- 持续学习：通过用户反馈、在线学习（Online Learning）更新模型。- 自适应机制：动态调整策略（如对话系统根据用户情绪改变语气）。- 产品视角：需平衡模型迭代速度与稳定性（如A/B测试验证新策略）。5. 交互模块（Interaction）- 多模态交互：支持语音、GUI、手势等交互方式。- 对话管理：维护上下文、处理多轮对话跳转（如电商客服的订单追踪）。- 产品视角：注重用户体验设计（如减少交互摩擦、提供情感化反馈）。6. 系统与安全模块（System & Safety）- 资源协调：多任务调度、计算资源分配（如边缘计算优化）。- 安全合规：数据加密、偏见检测、异常行为监控（如自动驾驶的紧急制动）。- 产品视角：需符合行业法规（如GDPR）并建立用户信任。7. 评估与反馈闭环（Evaluation & Feedback Loop） #Ai产品经理#  #AI#  #产品经理#  #产品#  #聊聊我眼中的AI#  #我是XXX，请攻击我最薄弱的地方#  #牛客创作赏金赛#  #牛客激励计划# #牛客AI配图神器#

1. 明确优化目标   - 任务定义：明确模型需要优化的具体任务（如文本生成、分类、问答等）。   - 性能指标：确定评估模型效果的指标（如准确率、F1分数、BLEU、ROUGE等）。   - 数据需求：根据任务目标，准备高质量的监督数据。2. 准备高质量监督数据   - 数据质量：确保标注数据准确、一致且覆盖任务场景。   - 数据多样性：覆盖任务中的多种情况，避免模型过拟合。   - 数据规模：根据任务复杂度，准备足够数量的样本（通常数千到数百万条）。   - 数据格式：将数据整理为模型输入输出对（如 (input, target)）。3. 模型初始化   - 选择预训练模型：根据任务选择合适的预训练模型（如 GPT、BERT 等）。   - 冻结部分参数：对于小规模数据集，可以冻结部分底层参数，只微调顶层参数。   - 学习率设置：使用较低的学习率（如 1e-5 到 1e-4），避免破坏预训练模型的知识。4. 微调过程   - 损失函数：根据任务选择合适的损失函数（如交叉熵损失用于分类任务）。   - 批量训练：使用合适的批量大小（batch size），平衡训练速度和稳定性。   - 正则化：通过 dropout、权重衰减等方法防止过拟合。   - 早停策略：监控验证集性能，避免过拟合。5. 评估与迭代   - 验证集评估：在独立的验证集上评估模型性能。   - 错误分析：分析模型错误案例，针对性补充数据或调整训练策略。   - 多轮微调：根据评估结果，进行多轮迭代优化。6. 高级优化策略   - 任务特定提示（Prompt Tuning）：设计更好的输入提示（prompt），引导模型生成更准确的输出。   - 数据增强：通过数据增强技术（如同义词替换、回译等）扩充训练数据。   - 混合训练：结合无监督学习和有监督学习，提升模型泛化能力。   - 领域适应：如果任务涉及特定领域，可以使用领域内数据进行进一步微调。7. 部署与监控   - 模型压缩：通过量化、剪枝等技术降低模型推理成本。   - 持续学习：在实际应用中收集新数据，定期更新模型。   - 性能监控：监控模型在实际场景中的表现，及时发现和修复问题。#牛客AI配图神器#  #产品经理#  #Ai产品经理#  #面试#  #聊聊我眼中的AI#  #AI了，我在打一种很新的工#  #牛客激励计划#

迅雷是一家全球领先的去中心化服务商，以技术构建商业，以服务创造共识，从而建立一个高效可信的存储与传输网络。迅雷成立于2003年，总部位于中国深圳，2014年于纳斯达克上市（纳斯达克股票代码：XNET）。公司秉持以技术提升效率为宗旨，从获得国际专利的P2SP下载加速到去中心化服务商，迅雷立足技术之本，长期投入技术研发，助力实现国家数字经济发展、人类文明演进的美好愿望迅雷2025校园招聘正式启动 欢迎大家投递~3.31日截止，请大家尽快投递校招岗位：产品经理（深圳）服务器开发工程师（深圳、北京）数据分析师（深圳）UX设计师（深圳）海外游戏运营（上海）广告创意策划（上海）小语种运营（深圳、北京）公司福利：六险一金：全面保障（一档社保、12%公积金全额缴交）商业保险：额外安心年度体检：健康关怀年度旅游：团队凝聚免费健身房：健康生活总部大厦：优越办公环境【内推链接】https://app.mokahr.com/m/campus-recruitment/xunlei/26600?recommendCode=DSGavqpZ&hash=%23%2Fjobs#/jobs【内推码】DSGavqpZ欢迎投递，招满即止 #实习#                                                                                       #秋招#                                                  全流程跟进，大家加油       #内推码#             #产品经理#             #内推#         

#面试#  #秋招#  #春招#  #牛客创作赏金赛#  #产品经理#  #Ai产品经理#  #牛客激励计划# RAG（Retrieval-Augmented Generation）是一种结合了信息检索和文本生成的技术，通过检索相关文档来增强生成模型的能力。RAG的核心思想是在生成文本时，先检索与输入相关的文档，再基于这些文档生成回答。这种方法不仅依赖模型自身的知识，还能利用外部信息源，提升生成内容的准确性和丰富性。应用流程1. 输入处理：   - 用户输入问题或请求。   - 系统对输入进行预处理，如分词、去停用词等。2. 文档检索：   - 使用检索模型（如BM25、DPR）从外部文档库中查找与输入相关的文档。   - 检索模型根据输入与文档的相关性进行排序，返回最相关的文档。3. 生成回答：   - 将检索到的文档和用户输入一起输入生成模型（如GPT）。   - 生成模型结合输入和检索到的文档，生成最终回答。4. 输出结果：   - 系统将生成的回答返回给用户。   - 可根据需要提供检索到的文档作为参考。应用场景- 问答系统：通过检索外部文档生成更准确的回答。- 内容生成：在撰写文章或报告时，检索相关文献增强内容质量。- 客服系统：结合知识库生成更专业的回复。优势- 准确性：通过检索外部信息，减少模型生成错误。- 可解释性：提供检索到的文档，增强结果的可信度。- 灵活性：适用于多种任务，如问答、内容生成等。挑战- 检索质量：检索效果直接影响生成结果。- 计算资源：检索和生成过程需要大量计算资源。- 实时性：大规模文档库的检索可能影响响应速度。RAG技术通过结合检索和生成，提升了生成模型的性能，适用于多种应用场景，但也面临检索质量、计算资源和实时性等挑战。

基本信息：岗位：产品经理（B端）行业：电商（电子产品）小厂base：目前在云南，意向在上海工作时长：7个月学历：硕士由于多种原因，我在校招期间脑抽拒绝了教育头部互联网offer，后面未能成功进入其他中大厂，最终选择了一家不知名小厂的产品经理岗位。原本计划工作一年后跳槽，但最近因工作原因需要频繁与CEO接触，常常因为一些小事被狂喷。公司从上到下的领导都是白磷型人格，感觉整个公司都像是CEO的奴仆（甚至在公司打人），缺乏尊严，这让我实在难以继续待下去。然而，目前我只有7个月的工作经验，且工资流水较低，跳槽时选择范围很小。尽管我自认为能力尚，之前也有大厂关于Ai项目的实习经历，但口才一般，很希望有机会能够进入大厂发展。不知道uu们身边有没有类似成功的例子，或者经验分享，帮忙指点迷津，真的感激不尽 #产品经理#  #职场吐槽大会#  #携程#  #拼多多#  #美团#  #内推#

深信服售前产品经理 面经bg：双非 大三 对口专业 免群面直接一面tips:两轮面试问题差不多，都合在一起↓timeline:5.28投递6.21笔试7.29 9:30一面 13：30二面自我介绍最成功的事/最失败的事/最后悔的事成功的案例成绩，具体过程你说你社交能力强，大学期间有没有交到好朋友？他们有没有吐槽你什么地方有没有跟别人起过冲突，怎么解决的哪的人/家里面干什么/是不是独生子工作地意向假如今天没通过怎么办两段实习怎么找的准备在海康实习多久海康实习一个多月的收获/对售前的看法海康和大华竞争的优势做校园大使总结了哪些成功的方法除了深信服以外还做了哪些企业校园大使你是深信服校园大使学到的东西有没有对今后有帮助的？你说你读了《人人都是产品经理》有什么收获为什么想做售前/职业生涯规划为什么有销售的经历不做客户经理为什么在实习之前做过那么多兼职校园经历挖掘反问1. 售前产品经理是分招投标、行业、产品几个方向吗还是都会做都会做2. 会不会做特别前端的工作像销售一样拓客，挖掘商机会，这些工作应该主动去做而不是配合销售3. 工作面向的行业是自己选择还是分配分配4. 深信服目前在哪个行业做的最困难zf行业 #面经# #秋招# #深信服# #产品经理# #如何一边实习一边秋招# #秋招提前批，你开始投了吗# #非技术面试记录#