产品精英训练营第二期《AI-Native 产品方法论》课后测试题

说明：本卷共 20 题（单项选择题 10 题 + 多项选择题 10 题）单选题每题 4分，多选题每题6分，多选/错选不得分，漏选根据选对的选项数量获得对应分值。满分 100 分，60 分及格。考试时长30分钟，可提前交卷，切屏次数超过限制会自动交卷，请注意考试时间以及切屏数量。每人2次考试机会。

Q1:姓名

填空1

Q2:1.某产品团队引入 AI 后，原型几小时能出、方案初稿几分钟就有；但需求评审会要排一周、发布窗口每月只有一次，大量产出积压在「等待」中。按照课程的观点，对这一局面最准确的诊断是（）单选题

AI 工具选型不当，应更换更强的模型

提示词写得不到位，应加强提示词工程

瓶颈已迁移到仍以人类速度运行的规划、评审与测试、发布环节，流程本身没有跟着变

团队人手不足，应扩充编制分担积压

Q3:UserTesting 调研显示：设计师中 91% 说工作更快了，只有 15% 对产出质量「有把握得多」；而 Figma 调研显示 89% 说工作更快、91% 说 AI 改善了产出质量。课程认为这两组数字「不矛盾」，原因是：（）单选题

两次调研的样本量差距悬殊，不具可比性

Figma 的调研对象是非设计师群体，口径天然不同

提问口径不同：Figma 问的是「比不用时好不好」（相对改善），UserTesting 问的是「你有多大把握」（绝对信心）

UserTesting 的调研时间早于生成式 AI 普及

Q4:课程要求 PRODUCT.md 控制在「一页内」、rules/ 按需加载，实行两层加载策略。其核心理由是：（）单选题

文件太长会导致版本管理冲突增多，合并困难

每次会话都全量带上的内容，长度直接决定 AI 的注意力被稀释多少

一页内的文档便于打印、传阅和新人培训

大模型平台对上传文件的长度有硬性限制

Q5:关于 PRODUCT.md 的起稿方式，符合课程建议的做法是：（）单选题

打开空白文档，凭记忆把自己想到的内容尽量写全

把手头现成的 3–5 份材料（以前的 PRD、复盘、需求单）喂给 AI 生成初稿，再删改到一页

让 AI 不带任何输入自由发挥生成一份，审核后直接采用

等团队每个成员各自提交一份，最后拼装合并

Q6:「两次错误法则」要求：同一个错误出现第二次时才把纠正写进上下文，而不是第一次。这样规定的主要原因是：（）单选题

第一次的错误通常责任不清，无法定位到归口部门

第一次可能是偶然，写进去会让文件臃肿；第二次说明是系统性问题，值得固化

第一次出错后 AI 会自动在后续会话中记住教训，无需人工记录

第一次错误必须先由产品负责人定性，确认严重程度后再决定是否记录

Q7:某团队负责「新通话」增值功能，Brief 交出后将进入方案环节，并由方案环节反推上线后的指标。该团队在需求 Brief 中写了如下四条「预期结果」，按照课程标准，合格的一条是（）单选题

大幅提升新通话用户粘性，让用户更离不开产品

优化移动认证的行业客户使用体验，提升满意度

使用增值功能的用户，次周复用率从 18% 到 30%，Q4 内

让更多行业客户在年内完成定制一键登录接入

Q8:四层拆解（战略意图 → 业务问题 → 产品假设 → 验证标准）中，课程强调第一层「战略意图」是「你的活」、资深 PM 的价值所在。原因是：（）单选题

这一层需要的技术知识太深，AI 尚不具备

AI 不知道你们组织的处境，「提目标的人真正想解决什么」要靠人对组织的理解来还原

战略意图属于公司机密信息，按规定不能输入 AI

这一层的文字表述要求最高，AI 的中文水平不够

Q9:同样让 AI 分析项目风险：提示词 A「帮我分析一下这个项目风险」产出四平八稳（「注意市场竞争」「关注技术风险」）；提示词 B「你现在是反对这个项目的 CFO，目标是证明它不值得投。列出它要成立必须为真的前提假设，并逐条质疑」产出明显锐利。课程对这一差异的解释是：（）单选题

提示词 B 更长，AI 获得了更充分的上下文信息

不是 AI 变聪明了，是你给了它立场——没有立场的分析等于没有分析

提示词 B 恰好触发了模型的深度推理模式

提示词 A 的表述存在歧义，导致 AI 理解偏差

Q10:判断一条验收标准写得是否合格，课程给出的检验方法是：（）单选题

看它是否包含至少三个可量化的技术指标

看它是否引用了行业最佳实践或标杆数据

一条验收标准读出来，两个人能不能给出同一个「过 / 不过」——能，合格；不能，回去重写

看研发负责人和测试负责人是否共同签字确认

Q11:某业务场景中，业务方与数据同学为「移动认证一键登录成功率 96%」吵了一下午——两个数字都对，但对不上，根据课堂上老师讲到的内容，这场争议的根源是：（）单选题

接口日志存在丢数据问题，统计结果失真

客户反馈渠道不畅通，问题信息传递滞后

指标卡里业务定义和技术口径写在了一栏——业务口径包含「网络异常时降级短信验证也能完成」，数据口径只算了认证接口本身

双方使用的统计周期不一致，一个是实时一个是 T+1

Q12:课程在「课程定位」中明确了三个「今天不做什么」。以下属于这三个「不做」的选项有：（）多选题

不教用哪个 AI 工具——工具半年一换，产品经理应具备自学能力

不讲怎么写提示词——提示词解决单点问题，解决不了全生命周期问题

不使用真实业务场景——案例全部做了脱敏虚构处理

不堆砌别人家的案例——全部用移动认证、超级 SIM、新通话等自有业务场景

Q13:以下关于灰度实验的说法，符合课程要求的选项有：（）多选题

灰度前必须写死四件事：观测什么指标、看多长窗口、什么条件下扩量、什么条件下回滚

灰度就是「放 5% 流量看看」，边跑边根据感觉调整观察重点

写不死四件事的灰度，不是灰度，是抽签

灰度期间若数据不理想，可中途调整判定阈值以便得出结论

Q14:PRODUCT.md 采用「四段必填」结构。以下属于这四段必填内容的选项有：（）多选题

产品定位与边界——「不做什么」必须写，边界比定位更重要

业务口径——名词定义、指标口径、常见简称

愿景目标——让 AI 理解产品的长期方向

我们常踩的坑——每条都能追溯到一次真实返工

Q15:案例演示中，同一个任务「写移动认证新增对外接口的方案说明」，B 版（加载 PRODUCT.md ＋ rules/security.md）相比 A 版（不加载上下文）出现的差异点包括：（）多选题

术语口径正确：输出「一键登录成功率」而非「登录成功率」

能直接用的部分从两三成提升到七八成

触发条件命中，主动标出「涉及对外接口，需安全评审」

产出无需再经人工评审，可直接提交发布

Q16:模块二强调「让 AI 追问，不是让 AI 直接拆」。以下属于课程给出的拆解前「五问」的选项有：（）多选题

范围多大？

谁受影响？

竞品是怎么做的？

怎样算好？

Q17:需求 Brief 交出去之前的「四个动作」，包括以下哪些：（）多选题

编号与命名——方案阶段引用 Brief 必须报编号，不允许口头传递

待定事项需记录——方案文档必须逐条回答，或明确标注「本轮不解决」，不许静默消失

交接校验——让 AI 只读这份 Brief，复述「要解决的问题、预期结果、硬约束」，提出方确认无误才开工

多平台分发——需求平台、群聊、知识库各存一版，方便不同团队按习惯查阅

Q18:模块三要求「一次出 2–3 个方案，但必须先给每个方案定一个主攻方向」。以下属于课程给出的主攻方向的选项有：（）多选题

时间优先——最快上线，接受积累技术债

可逆性优先——最容易回滚，适用于高不确定性业务

成本优先——研发投入最少，接受功能删减

复用优先——尽量复用现有能力与组件，接受体验妥协

Q19:六维权衡表用于方案取舍（AI 给分析，人做判断）。以下属于这六个维度的选项有：（）多选题

目标达成度——哪个方案最可能达成 Brief 的预期结果

可逆性——做错了能不能低成本回滚

竞品对标度——与竞品方案的差异是否显著

能学到什么——做哪个能学到最多（最易被忽略、最值钱的一维）

Q20:【情景题】某功能灰度两周后出现指标异动：周活跃上涨 15%，次日留存下降 3 个百分点。团队准备用 AI 辅助归因。按照课程的方法，以下做法正确的选项有：（）多选题

让 AI 快速给出多种可能的解释，人负责逐条排除不成立的假设

让 AI 自行判断异动是否真实并自动执行处置动作

检查结论里有没有流失用户的声音，警惕只分析留下来的用户

直接对比灰度用户与存量用户的行为差异，作为归因结论的依据

Q21:课程在总结部分强调「效率再诱人，三条红线不能碰」。以下属于这三条红线的选项有：（）多选题

责任不外包——评审、灰度决策、对外承诺的责任人都是人，「AI 写的」永远不是免责理由

上下文不外包——敏感数据、未公开需求按数据分级管控要求判断能否进外部模型

关卡不绕过——生产事故、安全合规相关评审，该走的流程一个不能省

工具不更换——选定的 AI 工具应保持长期稳定，避免迁移成本

产品精英训练营第二期《AI-Native 产品方法论》课后测试题

关于

2周前

更新

频次

题目数

有问题？问问AI帮你修改改主题：如咖啡问卷改为奶茶问卷