AI产品经理作品集指南：评分自检、PDF/网页与面试讲解

AI 产品经理作品集不能只展示一个能对话的 Demo。它需要回答：为什么这个任务适合 AI、效果如何衡量、失败时用户会经历什么、成本和延迟是否可接受，以及你如何决定上线或停止。

招聘方看到的是一份求职证据，不是设计稿合集。作品集评分、自检、PDF 或网页选择，以及面试时能否讲清决策，最终都应回到同一件事：关键结论能不能被复核。本文给出的评分框架是自检工具，不是任何公司的统一招聘标准，也不能预测录用结果。

如果你还没有作品集基础结构，先看零经验产品经理作品集指南。本文只讨论 AI 项目特有的证据，避免把“调用了模型 API”误当成完整的产品能力。

下载 AI 产品经理作品集目录与证据模板（Markdown）。模板包含完整目录、证据矩阵、评测与失败表、质量—延迟—成本决策表，以及三分钟面试讲解提纲；它不是案例，也不是任何公司的招聘标准。

如何使用这份作品集模板

先复制模板，为每个项目单独填写一份。不要从封面和视觉稿开始：先完成“项目状态与真实性检查”，再填问题证据、非 AI 基线和个人贡献。每个关键结论都应指向证据矩阵中的一项材料；如果目前只有假设，就明确写出验证计划，不要补造用户或业务数字。

完成评测后，再填写质量、严重失败、延迟、成本和人工审核的决策表，并写明当前选择是继续、缩小范围、回退还是停止。最后用模板中的三分钟提纲录音复述一次：任何无法解释来源、口径或个人职责的句子，都应回到正文修改。

一、选一个任务，不要选一个宏大赛道

适合作品集的题目应有明确输入、输出、用户和决策。例如：

• 把一段会议记录整理成待办，并让用户确认负责人和截止日期；
• 根据已批准的知识库草拟客服回复，并标注引用来源；
• 对招聘 JD 与候选人材料做结构化比对，但不自动做录用决定；
• 帮助内容团队分类反馈，并保留人工修正入口。

“做一个企业 AI 平台”或“用大模型重塑教育”范围过大，难以形成可信评测。先写一张任务卡：

Google 的 People + AI Guidebook 提供了围绕用户需求、心智模型、信任校准、反馈与控制设计 AI 产品的方法。它适合用来检查“AI 是否真的帮助用户”，而不是只检查模型是否能输出。

二、先建立非 AI 基线

作品集里应该出现至少一个基线：

• 用户完全手工完成任务所需的时间和质量；
• 规则、模板或搜索能达到的效果；
• 当前模型或提示词版本；
• 一个更简单、成本更低的产品方案。

如果模板已经能稳定解决问题，AI 方案需要证明其额外价值。基线也让评测结果更有解释力：一个脱离任务与标准的总分本身没有意义，相对基线在哪类输入上减少了哪类失败，才形成决策信息。

三、准备一套可解释的评测证据

OpenAI 的官方 Evals 指南 把评测组织为任务、测试输入和分析迭代；评测最佳实践 强调从任务目标出发持续评估。无论使用哪家模型，这个思路都能帮助你把“感觉不错”变成可重复比较。

评测样本不追求一个通用数量。重点是覆盖任务分布和重要失败场景，并说明样本为何足以支持当前结论：

• 常见、短而清晰的输入；
• 较长、含噪声或格式不一致的输入；
• 缺少必要信息的输入；
• 多语言、专业术语或边界人群；
• 可能诱导系统编造、泄露或越权的输入；
• 产品明确不应处理的请求。

记录每条样本的来源和使用权限。若内容是你自己合成的，要标注合成规则；若来自用户数据，先确认同意、脱敏、保存期限与访问控制。

评测表至少包含这些列

更完整的离线与线上评测方法见AI 产品功能评测框架。

四、把失败分类做成产品决策

不要只报一个平均分。把失败拆成可以行动的类型：

1. 任务失败：没有完成提取、分类或生成任务；
2. 事实失败：输出与输入或知识源冲突；
3. 交互失败：结果可修改但用户找不到修改入口；
4. 边界失败：信息不足时仍给出确定答案；
5. 安全与隐私失败：泄露敏感信息、执行越权操作；
6. 系统失败：超时、格式错误、依赖不可用。

为每类失败写清严重度、发生频率、可检测性和处置方式。一个低频但不可逆的高风险失败，可能比常见的格式小错更影响上线决定。

NIST 的 AI Risk Management Framework 和 生成式 AI 风险管理概况 NIST AI 600-1 可以作为风险识别的参考。作品集不需要声称“符合 NIST”，除非你确实完成了对应治理工作；更稳妥的做法是说明你参考了哪些风险类别，并展示具体控制措施。

五、原型要展示控制权与恢复路径

除了正常输出页，至少画出：

• 首次使用时如何解释能力和局限；
• 信息不足时如何追问，而不是编造；
• 用户如何查看来源、修改、拒绝或重新生成；
• 高风险动作如何二次确认；
• 系统超时或不可用时如何回退；
• 用户如何反馈错误，以及反馈会被如何使用。

以“AI 生成会议待办”这一练习题型为例，原型应把每条待办显示为可编辑卡片，允许展开查看原文证据；没有明确负责人时显示“待确认”，而不是猜测姓名。发送到项目系统前，还应有明确的统一确认步骤。这里描述的是设计检查点，不代表某个产品已经上线或产生业务结果。

六、把质量、成本和延迟放在一张决策表里

模型效果不是唯一变量。为候选方案记录：

阈值应来自具体场景，而不是复制行业数字。实时输入建议和异步报告生成对延迟的容忍度不同；高风险场景也可能主动接受更多人工审核。

七、设计上线实验，而不是只做离线 Demo

若项目可以测试，先做小范围、可撤回的实验：

1. 明确纳入和排除的用户；
2. 记录当前流程作为基线；
3. 设定一个主要行为指标；
4. 设置质量、安全、投诉和成本护栏；
5. 预先写明继续、调整或停止的判断规则；
6. 保留人工兜底和关闭开关；
7. 分析分群效果，不只看总体均值。

例如会议待办助手的主要指标可以是“经用户确认并保存的有效待办占生成待办的比例”，而不是生成次数。护栏可以包括严重事实错误、删除率、人工修正时长和敏感信息暴露事件。

八、先用作品集评分表做一次证据自检

给每个维度打 0、1、2 分：0 分表示缺失，1 分表示只有叙述或截图，2 分表示有可复核的材料。总分只用于比较你自己的不同版本；不要把它包装成招聘通过线。

评分后先补“0 分维度”，不要先美化封面。若评测设计是 0 分，增加动画并不会让案例更可信；若项目没有真实上线数据，就把离线证据、验证计划和限制写清，不要补造转化率。没有实习或线上数据时，可参考没有实习、没有上线数据的 AI 产品经理作品集写法。

九、推荐的作品集页面顺序

一个紧凑案例可以按 10 个部分组织：

1. 一页摘要：问题、用户、你的贡献和项目状态；
2. 当前流程与证据；
3. 为什么使用 AI，以及非 AI 基线；
4. 任务边界与系统流程；
5. 数据与评测集设计；
6. 评测结果和失败分类；
7. 交互原型与人工控制；
8. 延迟、成本与工程取舍；
9. 上线实验、护栏和回退；
10. 限制、伦理风险与下一步。

页数可以增减，但每个关键结论都应能追溯到证据。明确写出你负责了什么、哪些部分由工具生成、项目是练习还是已上线。

十、PDF 还是网页：按交付场景选择

PDF 和网页没有绝对优劣，关键是让阅读路径稳定、证据可访问，并为失效链接准备替代方案。

更稳妥的组合是：用一份简洁 PDF 固定“问题—判断—证据—限制”的主线，把确有必要的原型、评测明细或演示放在网页。PDF 中应写明项目状态和更新时间；网页打不开时，PDF 仍要能独立说明你的核心决策。

无论采用哪种形式，都应删除密钥、客户原文、内部链接、个人联系方式和未经授权的公司材料。不能公开的证据可以概括方法和你的贡献，但不要用模糊截图暗示并不存在的结果。

十一、面试讲解：从页面目录变成决策故事

不要逐页朗读。先准备一个三分钟版本，再准备可被追问的深挖版本。三分钟讲解可以按以下顺序组织：

1. 任务与用户：谁在什么场景下遇到什么问题；
2. 依据与基线：你如何确认问题，以及不用 AI 时怎样完成；
3. 核心取舍：为什么选择当前方案，哪些部分没有交给 AI；
4. 评测与失败：如何构建样本、定义严重失败、发现什么限制；
5. 结论与下一步：当前证据支持什么、不支持什么，下一轮验证什么。

深挖时要能回答五类追问：

• 为什么一定要用 AI，规则或搜索为什么不够；
• 你本人做了哪些判断，哪些内容由模型或其他工具辅助；
• 评测样本从哪里来，为什么覆盖这些切片；
• 最严重的失败是什么，产品如何发现、阻断和恢复；
• 如果延迟、成本或质量不达标，你会缩小范围、回退还是停止。

可以把作品集里的任务卡、评测表和决策表各准备一份放大版，面试时直接定位证据。遇到没有验证过的问题，应说明假设和验证方法，而不是临场编造数据。

十二、提交前自查

• 问题具体，且有非 AI 基线
• 评测集覆盖常见、边界和高风险输入
• 合成数据、公开数据和用户数据来源清晰
• 结果按切片和失败类型展示，不只报平均分
• 原型包含来源、编辑、拒绝、确认和回退
• 质量、延迟、成本与人工审核同时被评估
• 上线规则包含护栏、停止条件和负责人
• 没有虚构用户量、业务结果或任职经历
• 评分表中的每个 2 分都有可复核材料
• PDF 在脱离网页后仍能讲清核心决策
• 网页链接、移动端和访问权限已经检查
• 能用三分钟讲清项目，并回答五类关键追问

如果还不确定自己最需要补哪一项，先完成AI 产品经理作品集 12 项免费自检，按低分项安排修改。准备 2027 届校招时，再用2027 届 AI 产品经理秋招准备清单把作品集证据映射到 JD 和投递节奏。已经有一版材料、希望获得逐项反馈时，可以查看作品集 / 简历异步批改。