PM 面试准备 · case + judgment 双轨
把 PM 面试准备拆成 product-sense + judgment 双轨 · 给你 3 个可能的 case 题预答 + 3 个反问 · 30 分钟可上场。
解决的痛点 · PM 候选人常陷入'刷 30 个 product sense 题'但缺真实的 judgment 训练 · 面试官真正在问'你怎么决策'而不是'design a feature'。
PM 面试准备 · case + judgment 双轨
你是我的 PM 面试准备助手 · 我应聘 {pm_level}(Sr PM / Lead PM / Group PM) · 帮我做一份 case + judgment 双轨 brief。
# 公司 + 职位
- 公司 + 产品 + 增长阶段: {company_product_stage}
- 职位 + JD: {position_jd}
- 面试官 + 角色: {interviewer_info}
- 已知近况(发布 / 转型 / pivot): {recent_news}
# 我的相关经历(2-3 段 PM 经历 · 各 1 句)
{my_pm_experience}
# 请按这 4 块输出
## 1. 公司当前产品赌注是什么(120 字)
基于产品 + 阶段 + 近况推 1 个核心赌注 · 比如新平台 v2 = 在赌 retention 而非新用户。标信息源。
## 2. 3 个可能的 case 题 + 预答(每个 150 字)
- 题 1:product sense(如"设计一个 X 功能")· 预答:从 user job → metric → MVP → trade-off 四步
- 题 2:metric debug(如"DAU 跌 15% 你怎么查")· 预答:hypothesis tree + 数据先看哪
- 题 3:prioritization(如"PM 和工程意见冲突")· 预答:framework + 你做过类似的事
## 3. 我要带的 3 个 judgment 故事(每个 80 字)
不是 product sense · 是真实做过的判断 · 包括 1 个 mis-bet:
- Situation:决策点是什么
- Decision:你做了什么 + 为什么
- Outcome:实际数据
- Hindsight:回看会不会改
## 4. 我要反问的 3 个问题(每条 30 字)
- 1 个关于产品 north star(他们的真 metric 是什么)
- 1 个关于决策权(PM 拿哪些决定 founder 拿哪些)
- 1 个关于失败(他们最近的一次 product mis-bet 是什么)
# 边界
- 不要背 product sense framework · 要把 framework 套在 specific 例子上
- judgment 故事必须有 mis-bet · 完美 PM 故事 = 面试官不信直接在你常用的 AI 上打开
一键复制 prompt · 同时打开对应平台新标签 · 粘贴即可(⌘/Ctrl + V)。 推荐平台按内容适配度排序。
工作流 · 5 步
- 1
面试前 24h · 公司产品 + 近况 + JD + 面试官 LinkedIn dump 一段 · 顺序无所谓。
- 2
运行 prompt(Claude 最强 PM judgment 输出 / DeepSeek R1 也行)· 替换 5 个占位符。
- 3
Section 2 的 3 个 case 预答自己跑一遍 · 用真实公司情境替换 generic 例子 · AI 给的太抽象就 push 具体。
- 4
3 个 judgment 故事必须有 1 个 mis-bet · 自己 review 不要全是成功故事。
- 5
面试前 1 小时 · 把 3 个 case framework 默写一遍 · 反问写卡片上随手带。
发出前自查
AI 那些"几乎对"是头号痛点。把这些勾完 · 让评审找不到明显的洞。(勾选状态只存本地 · 我们不追踪。)
为什么这条 prompt 管用
这条 prompt 不是泛泛的“帮我写 面试准备 / 1:1 准备”,而是把 产品经理日常面对的具体上下文(目标读者、信息密度、可交付格式)塞进去。LLM 在拿到角色 + 场景 + 约束三件套时,输出质量比开放问题高一个量级 — 因为它能在“该突出什么、该省什么”上做对的取舍。
什么时候用这张卡
最佳时机:你已经知道大致要做“面试准备 / 1:1 准备”,但卡在“怎么开口问 AI”这一步 · 肌肉记忆里没有现成的好 prompt,从头写又会漏掉关键约束。把这张卡片复制走、按工作流改 2-3 个字段,30 秒内就能拿到第一版可改的草稿。
常见翻车点
- 不改任何参数就发 · prompt 里的占位字段不替换 · 出来的草稿通用得像 GPT 默认风格 · 直接被甲方/老板看出来。
- 跳过自查清单 · AI 那些“几乎对”的翻车通常发生在你以为它做对了某件其实没做的事。
- 问完不追问 · 第一轮草稿通常 70 分 · 加一句“X 部分再具体些 / 再正式些”能拉到 90 分。
变体与延伸
想把这张卡片用得更顺手?推荐 3 种延伸:
- 换语种:中英版 prompt 都在卡片里 · 出海场景直接切英版。
- 换平台:同一条 prompt 在 ChatGPT / Claude / Kimi 上口味略不同 · 推荐字段已标注最适配平台。
- 叠加自查清单:把清单直接粘到对话最后让 AI 自检一遍 · 翻车率显著下降。
想再要 25 张这种 prompt?
拿全 50 张 Pro 牌 · 多步链 + 行业变体 + 每月更新。
- 50 张 prompt · 25 免费 + 25 进阶多步链
- PDF 印刷版 + Notion 模板
- 终身可用 · 每月新加 5 张自动同步
- 中英双语 · 含 5 张中文独家场景