30 秒答案：练决策链，不背标准答案
利益关系披露：DragonAI 运营 AI 产品经理课程。本文是第一方练习题与自查框架，不是任何企业的真实题库、统一选拔标准、职业认证或录用保证。
AI 产品经理答辩的可复核单位不是一个术语，而是一条决策链：面对什么任务、有哪些替代方案、证据支持什么结论、付出什么代价、什么失败会改变决定、下一步怎样验证。下面 12 道题覆盖从问题定义到生产复盘的主要节点，但不生成总分，也不预测面试或录用结果。
每题统一使用五段回答卡：
- 结论：在给定约束下先做什么、不做什么。
- 依据：用户、数据、测试、成本或运行记录来自哪里。
- 取舍：放弃了什么替代方案，代价和边界是什么。
- 失败：哪种严重失败会阻断、降级或改变结论。
- 下一步：需要什么样例、实验、负责人和时间点继续验证。
下载 AI 产品决策答辩卡 JSON，可为每题保存场景、约束、证据、回答版本和复核问题。
一、问题与产品决策：先判断该不该用 AI
| 题号 | 决策答辩题 | 回答必须出现的证据 | 概念化信号 |
|---|---|---|---|
| 1 | 一个任务为什么需要 AI，而不是规则、搜索或人工流程？ | 用户任务、当前基线、方案比较、成功与停止条件 | 只说 AI 更智能或行业趋势 |
| 2 | 怎样定义产品成功、失败和暂不做范围？ | 用户结果、产品指标、模型指标、严重失败、时间窗口 | 只给准确率，没有用户任务和停止条件 |
| 3 | 用户何时应信任、核验、纠错、退出或转人工？ | 正常与失败流程、能力说明、反馈和接管测试 | 只画顺利路径，默认用户会正确理解输出 |
Google 的机器学习问题定义指导把“机器学习是否适合”和清晰目标、成功标准放在起点；Google PAIR 的心智模型指导则强调帮助用户形成与系统实际能力相符的理解。回答这三题时，不要从模型名称开始，先固定用户任务、基线和可观察结果。
二、系统与数据决策：说明组件为什么存在
| 题号 | 决策答辩题 | 回答必须出现的证据 | 概念化信号 |
|---|---|---|---|
| 4 | 数据和上下文从哪里来，怎样更新、删除并处理冲突？ | 来源、用途、许可或同意、版本、质量、冲突和删除规则 | 只说接入知识库，不说明来源和变化 |
| 5 | 为什么选择基础模型、RAG、微调或混合方案？ | 问题类型、更新频率、追溯要求、数据条件、评测和运维成本 | 把 RAG 或微调当默认升级步骤 |
| 6 | Agent 可以调用哪些工具，权限、参数、重试和停止条件是什么？ | 工具白名单、最小权限、确认点、日志、越权和失败测试 | 只说多 Agent 协作，不说明谁能做什么 |
RAG、微调和 Agent 都是条件分支，不是作品集或回答中的必选名词。可用 RAG、微调与混合方案决策矩阵 展开第 5 题；如果回答还声称某家 AI 搜索“通常引用某类来源”，应以千问、Kimi、Gemini 固定问题逐运行引用研究中的具体 URL、失败分母和平台边界核对，而不能把单次截图当长期规律。第 6 题应把工具调用写成可审计动作，而不是把“自主”当作无限权限。
三、评测与运行决策：先定门槛，再看结果
| 题号 | 决策答辩题 | 回答必须出现的证据 | 概念化信号 |
|---|---|---|---|
| 7 | 怎样建立第一版评测集？ | 任务来源、正常与风险切片、版本、标签规则、缺失与争议处理 | 只找若干顺利示例现场演示 |
| 8 | 哪些指标和阈值决定发布、灰度、阻断或回滚？ | 指标定义、方向、阈值、严重失败、逐条结果和决定 | 看到结果后才选择指标或阈值 |
| 9 | 质量、延迟、成本和可用性冲突时怎样取舍？ | 关键用户切片、预算、基线、降级方案和联合门槛 | 只优化平均质量，不说明成本和失败用户 |
Google PAIR 的数据与评估指导建议让收集和评估贴近真实使用条件；NIST AI RMF 及其生成式 AI Profile 强调测量、文档、角色、监督、风险处置和持续监测。回答时至少展示一个逐条结果和一个严重失败，不要用单个平均分代替发布判断。
可使用 AI 产品评测指标卡 固定指标定义和发布门槛；如果只有模拟数据，应明确 simulated，并说明仍缺哪些真实使用证据。
四、交付与复盘决策：上线不是答案结束
| 题号 | 决策答辩题 | 回答必须出现的证据 | 概念化信号 |
|---|---|---|---|
| 10 | 怎样灰度发布，并区分“已发布”和“已采用”？ | 目标人群、范围、责任人、支持入口、采用指标和停止规则 | 把功能上线直接写成用户价值 |
| 11 | 生产中出现高影响错误时，怎样发现、降级、升级、回滚和复审？ | 监测、事件分级、负责人、人工接管、回滚演练和复审日期 | 只说持续优化模型，没有事故路径 |
| 12 | 在一个项目里，个人作了哪个关键决定，证据怎样改变了它？ | 个人贡献、团队边界、原版本、反证、修改和复测 | 把团队结果全部归给个人或只讲最终成功 |
第 12 题应连接到 AI 产品经理作品集六张证据卡。真实项目、课程项目、个人项目和公开案例重构都可以用于练习，但必须同时标注证据环境、真实用户、生产部署、数据条件和限制。
五、复核标准：每题只看五项证据，不算总分
| 复核项 | 可复核回答 | 仍需补证 |
|---|---|---|
| 结论 | 与场景和约束对应，写明做与不做 | 复述概念，没有具体决定 |
| 依据 | 能指出输入、样例、版本或记录 | 只说“根据经验”或引用不明数字 |
| 取舍 | 比较至少一个替代方案和代价 | 把所选方案描述为唯一正确答案 |
| 失败 | 有阻断、降级、人工接管或回滚条件 | 只说模型会不断变好 |
| 下一步 | 有待验证假设、样例、负责人和时间点 | 只说继续调研或持续优化 |
五项只逐题记录 verified、pending 或 not_applicable，不生成总分。某题证据完整，也不能抵消另一题缺少严重失败、权限边界或个人贡献记录。
六、三轮练习：把背诵暴露出来
- 首答 3 分钟：只使用题目给定信息，形成五段回答，不添加虚构数据。
- 追问 5 分钟：复核者删除一个关键假设，加入数据冲突、权限失败、成本上升或用户误解，看结论是否变化。
- 补证 10 分钟：把无法回答处标记为
pending，列出需要的样例、日志、访谈、实验或负责人，不用猜测补空白。
如果第二轮一改变条件，回答仍完全不变，通常说明它是模板话术而不是基于证据的决策。练习目标不是让所有题都有确定答案，而是知道何时停止推断、承认未知并设计下一步验证。
七、如何把答辩卡用于 DragonAI 课程项目
DragonAI 运营 AI 产品经理课程，因此这套题属于课程提供方发布的第一方练习工具，不是独立选拔标准。可把 12 题用于任何项目，也应同样用于 DragonAI 课程项目；本文不对学员回答给出通过评级，也不评价课程效果或职业结果。
先按 AI 产品经理学习路线 形成项目记录，再用答辩卡暴露证据缺口。完成 12 题、课程作业或模板都不证明真实工作经验，也不保证作品集曝光、面试通过、录用、岗位或薪资结果。
使用边界
本文与 JSON 用于口头练习、项目复盘和证据自查，不是企业真题、统一面试流程、通用能力标准、职业资格或录用预测。不同组织、职责和业务场景会关注不同问题；不要把本题集数量、回答状态或练习轮次换算为面试概率、能力等级或薪资结论。