# 1. "数字建筑师"相比"代码打字员"的能力模型差异 A 两者能力相同，只是叫法不同 B AI 时代代码打字员比建筑师更吃香 C 代码打字员的能力比建筑师更难被 AI 替代 D 建筑师是"设计型"（问题定义、架构、判断、把关），打字员是"执行型"（写代码），AI 时代价值向建筑师迁移 ✓ 正确答案
# 2. 提示词工程与低代码编排作为新基础技能的必要性 A 只有高级工程师才需要掌握 B 提示词工程与代码能力无关，无需重视 C 它们是"人机协作接口"和"通用语言"，因 AI 普及而成为基础技能 ✓ 正确答案 D 低代码编排会降低解决问题的能力
# 3. 团队应如何重新设计初级岗位的培养路径，以应对 AI 替代掉传统'打杂成长'通道？ A 初级岗位应继续从"打杂"做起，逐步积累 B 初级工程师应远离 AI 工具，专注手工实现 C AI 替代打杂后，初级岗位无需培养 D 应让初级人才尽早参与设计、评审与 AI 产出审查，用项目式成长替代被 AI 压缩的打杂通道 ✓ 正确答案
# 4. 面试与晋升标准在 AI 时代应如何调整，才能考察'人机协作下的真实工程判断力'？ A 应继续以手写算法和知识记忆为主要考察标准 B 应允许用 AI 并考察如何用、以设计与真实案例考察判断力、考察 AI 产出审查能力 ✓ 正确答案 C 面试中应禁止使用任何 AI 工具 D 晋升只看代码量，与工程判断力无关
# 5. 业务型工程师（懂业务+会 AI）相比纯技术岗的护城河 A 纯技术岗的护城河比业务型工程师更深 B 业务型工程师靠"业务理解+AI 能力"的复合壁垒，能把业务翻译成技术并做正确决策 ✓ 正确答案 C 业务型工程师只需懂业务，无需懂技术 D AI 时代纯技术实现的价值最高
# 6. AI PM 如何弥合"模型能力"与"用户体验"之间的鸿沟 A 模型能力强，用户体验自然好，无需干预 B 应通过交互设计、兜底设计、预期管理与评测迭代，把模型能力转化为用户可信任的体验 ✓ 正确答案 C AI PM 只需关注模型指标，无需关注用户体验 D 幻觉问题无法通过任何设计缓解
# 7. AI PM 的评测意识（质量/成本/风险）为何不可或缺 A 评测只是技术团队的事，与 AI PM 无关 B AI 产品无需评测，凭经验即可 C 评测意识指质量、成本、风险三维评估，是 AI PM 理性决策的基础，不可或缺 ✓ 正确答案 D 评测只会增加成本，无实际价值
# 8. 技术人转型 AI PM 的常见能力短板（商业/沟通） A 技术人做 AI PM 没有短板，技术强即可 B 技术人只需补技术，无需补商业与沟通 C 常见短板是商业思维、沟通协作与用户洞察，需刻意训练从工程师思维转向产品思维 ✓ 正确答案 D AI PM 不需要与用户接触
# 9. AI PM 需要懂到什么程度的模型/评测/RAG 知识 A AI PM 必须精通模型训练与实现细节 B AI PM 只需懂评测，其他都不需要 C AI PM 完全不需要懂技术 D AI PM 需要"决策级"理解：懂模型选型、评测体系与 RAG 原理，以服务决策 ✓ 正确答案
# 10. AI PM 如何用数据飞轮思维设计产品闭环 A 数据飞轮是"数据→模型→体验→更多数据"的强化闭环，靠埋点、反馈、优化与增长形成壁垒 ✓ 正确答案 B 数据飞轮只需收集数据，无需用于优化 C 数据飞轮与产品体验无关 D 数据飞轮会降低产品竞争力
# 11. AI 编码代理（Cursor/Claude Code/Devin）正在替代哪些初级开发任务，程序员应如何向更高价值环节上移？ A AI 编码代理只能替代高级开发任务 B AI 编码代理替代后，程序员没有更高价值的工作可做 C AI 编码代理替代标准化实现型任务，程序员应上移到需求定义、架构设计、评审把关等高价值环节 ✓ 正确答案 D 程序员应与 AI 竞争写代码，而非上移
# 12. 为何代码评审、架构判断、需求澄清在 AI 时代成为稀缺能力，应如何刻意训练？ A 这些能力依赖经验与判断、无法被 AI 替代，稀缺且需刻意练习评审、复盘与澄清来训练 ✓ 正确答案 B 这些能力 AI 也能具备，并不稀缺 C 这些能力对 AI 时代工程师不重要 D 这些能力无法通过训练获得
# 13. AI 生成代码时代，资深工程师相对初级的经验溢价是扩大还是缩小，为什么？ A AI 会同时压缩初级和资深工程师的价值 B 经验溢价只取决于技术实现，与 AI 无关 C AI 让资深与初级工程师价值趋于相同 D AI 压缩初级能力价值、提升资深判断力需求，经验溢价扩大 ✓ 正确答案
# 14. 如何在日常工作中把 AI 编码代理当作'放大器'而非'拐杖'，避免自身能力退化？ A 应用 AI 全面替代思考，速度最快 B 无条件接受 AI 产出能提升能力 C 用 AI 后完全不需要再练习编码 D 应理解产出、保留主动思考、审查纠错并保留核心人工练习，避免能力退化 ✓ 正确答案
# 15. AI 生成代码普及后，程序员的"护城河"从编码能力转向哪些能力？ A 编码能力依然是程序员最重要的护城河 B AI 普及后程序员没有任何护城河 C 护城河转向问题定义、架构设计、判断把关、领域知识等组合能力，而非单一编码 ✓ 正确答案 D 护城河只取决于会用多少 AI 工具
# 16. 如何把'会用 AI 编码代理'转化为可被招聘市场明确定价的竞争力？ A 应提供量化成果、交付案例、方法论沉淀与团队赋能证据，证明 AI 转化为可衡量的产出 ✓ 正确答案 B 只要简历写"会用 Cursor"就有竞争力 C 招聘市场无法评估 AI 能力 D 会用 AI 工具与竞争力无关
# 17. 在 AI 能生成大量代码的背景下，'判断生成结果是否正确/安全/可维护'的能力为何成为核心？ A AI 生成的代码总是正确，无需判断 B AI 的错误由 AI 自己负责，无需人判断 C 判断力只是锦上添花，不是核心 D AI 生成正确性、安全性、可维护性不确定，判断力决定质量责任与兜底，成为核心能力 ✓ 正确答案
# 18. 程序员如何建立'AI 做不了'的个人能力清单（跨系统排障、责任兜底、领域建模）并持续加深？ A 应识别并筛选依赖复杂判断/责任/情境的能力，为其分配刻意练习并持续加深 ✓ 正确答案 B 只需盘点一次，无需持续投入 C "AI 做不了"的能力与职业价值无关 D 跨系统排障这类能力 AI 也能轻松完成
# 19. AI 产品经理为何成为增长最快的岗位之一 A 因为 AI 落地需要产品化、懂 AI 又懂产品的人稀缺、组织布局 AI，导致供需失衡 ✓ 正确答案 B 因为 AI 技术不需要产品化 C AI PM 只是把模型包装成产品，价值有限 D AI PM 岗位增长与 AI 技术无关
# 20. 如何用「现有技能→缺口→补齐路径→验证项目」四步制定 12 个月技能再定位路线图并设置检查点？ A 只需盘点现状，无需设定路径与验证 B 检查点无需量化，凭感觉即可 C 验证项目只是形式，无需真实交付 D 用"现有技能→缺口→补齐路径→验证项目"四步制定计划，并设季度检查点与里程碑 ✓ 正确答案
# 21. AI PM 与算法/工程团队的职责边界与协作节奏 A AI PM 应完全接管技术实现 B 技术团队无需理解业务，只做执行 C AI PM 管"要什么与验收"，算法/工程管"怎么做到"，通过需求对齐到验收复盘保持协作 ✓ 正确答案 D AI PM 无需参与技术方案评审
# 22. 后端/算法工程师转 AI PM 的知识补齐路线 A 技术人无需补产品知识，技术强即可 B 需补产品思维、数据商业、用户洞察与 AI 产品专项，同时发挥技术优势，边补边用 ✓ 正确答案 C 转 AI PM 应放弃技术优势 D 只需补商业知识，其他都不需要
# 23. AI PM 进一步走向 CAIO/技术管理者的路径 A AI PM 只需做好单个产品即可，无需战略 B 走向 CAIO 只需提升技术深度 C AI PM 无法担任技术管理者 D 需从产品到战略、从个人到组织、从执行到决策跃迁，用战绩立信并建立跨部门影响力 ✓ 正确答案
# 24. AI PM 的薪资区间与职业天花板 A AI PM 因复合人才稀缺而薪资偏高，天花板高但需持续突破到战略与组织层面 ✓ 正确答案 B AI PM 薪资与普通 PM 相同 C AI PM 的职业天花板很低，无法晋升 D AI PM 只需停留在产品执行层
# 25. AI PM 的需求文档（PRD）相比传统软件的特殊项 A AI PRD 需补充评测验收标准、行为边界与兜底、数据需求、风险合规等，从功能描述转向行为与验收定义 ✓ 正确答案 B AI PRD 与传统 PRD 完全相同 C AI PRD 无需定义评测标准 D AI PRD 只需描述功能，无需考虑失败处理
# 26. AI PM 如何做模型选型与供应商谈判 A 只需选择能力最强的模型 B 应从能力、成本、性能、合规、可扩展多维评估，用评测验证，并谈判长期条款、避免锁定 ✓ 正确答案 C 模型选型只考虑成本最低 D 供应商谈判无需考虑数据权属与退出机制
# 27. AI PM 在合规/安全上的把关责任 A 合规/安全是法务的事，与 AI PM 无关 B AI PM 无需设置人工兜底机制 C 追求发展速度应牺牲合规底线 D AI PM 应把关数据、内容、产品合规与伦理偏见，把合规前置到产品设计 ✓ 正确答案
# 28. 内部转岗 vs 外部求职做 AI PM 的优劣 A 外部求职一定优于内部转岗 B 内部转岗风险低但空间受限，外部求职空间大但风险高，需结合自身情况选择 ✓ 正确答案 C 内部转岗无需积累任何经验 D 两种路径优劣完全相同
# 29. 程序员应重点补强哪些"低代码做不了"的高价值技能 A 应补强架构设计、复杂排障、领域建模、安全合规等依赖深度理解与判断的技能 ✓ 正确答案 B 低代码做不了的技能不存在，无需补强 C 这些技能与职业发展无关 D 低代码能替代所有复杂系统设计
# 30. 从写代码到"设计系统行为"的思维升级如何训练 A 写代码与设计系统行为没有区别 B 应通过先设计后实现、多问边界异常、以用户演进视角、复盘重构来升级为设计思维 ✓ 正确答案 C 思维升级只需写更多代码 D 设计系统行为无需考虑异常与边界
# 31. 业务建模与领域边界划分在 AI 产品中的优先级 A AI 产品应先做技术实现，再考虑业务建模 B 领域边界划分只影响设计文档，不影响落地 C 业务建模对 AI 产品无关紧要 D 业务建模与领域边界划分优先级最高，应"先建模后实现"，为 AI 落地提供问题与责任边界 ✓ 正确答案
# 32. 如何用"业务理解+系统设计+验证判断"三件套重新定位自己的技能组合？ A 三件套只需具备其一即可 B 三件套与 AI 时代无关 C 三件套分别"定方向、定方案、定质量"，需盘点补齐、组合优化，实现从执行者到设计者的升级 ✓ 正确答案 D 技能组合只需看编码能力
# 33. 哪些编程技能会被 AI 工具快速替代，如何提前预警并迁移？ A 编程技能不会因 AI 贬值 B 应继续投资被替代的技能，增加熟练度 C 标准化、重复、模板化的技能易被 AI 替代，应识别贬值资产、向高价值判断与设计技能迁移 ✓ 正确答案 D 技能贬值只与市场无关，无需预警
# 34. 如何用「领域知识+工程经验+判断标准+人脉信用」的组合建立难以复制的护城河壁垒？ A 四要素互相强化形成个人化、难以复制的组合壁垒，比单一技能更难被追赶 ✓ 正确答案 B 单一技能就足以建立难以复制的壁垒 C 四要素相互独立，无需组合 D 人脉信用对护城河没有帮助
# 35. 如何在简历与面试中呈现"AI 时代的差异化能力"而非同质化？ A 简历写"会使用 AI 工具"即可 B 面试只需讲会用什么工具，无需讲结果 C 同质化描述不影响录用 D 应用量化成果、完整案例、方法论沉淀与差异化标签呈现独特价值，而非泛泛标签 ✓ 正确答案
# 36. 业务方对 AI 的过高预期如何管理与降维 A 应顺应业务方预期，夸大 AI 能力 B 高预期没有办法降维 C 业务方预期无需管理 D 应提前对齐边界、用演示与数据说话、分阶段小目标并建立信任，让预期匹配现实 ✓ 正确答案
# 37. AI 产品上线的灰度与人工兜底策略由谁主导 A AI 产品无需灰度，直接全量上线 B 应由工程团队单独决定，无需 AI PM C 应由 AI PM 主导设计，工程、运营、数据等协同执行，把上线当受控实验 ✓ 正确答案 D 人工兜底应由 AI 自动完成
# 38. 技术人运营垂直社区（如 AI 出海/前端）的冷启动方法 A 冷启动只需大量投放广告引流 B 冷启动应追求大而全，快速铺开 C 应通过种子用户、高价值种子内容、种子活动与解决真实痛点，先小而精再滚雪球 ✓ 正确答案 D 冷启动无需运营者持续投入
# 39. 开源社区治理如何做好贡献者激励与冲突处理？ A 应通过认可、身份成长、低摩擦激励贡献者，并用规则前置、透明沟通、中立裁决处理冲突 ✓ 正确答案 B 开源社区无需治理，自发运行 C 冲突处理应直接封禁所有争议者 D 贡献者激励只靠物质奖励
# 40. 线上社区如何保持活跃而非沦为广告群 A 社区活跃靠成员自发，无需运营 B 社区只需建群，无需维护规则 C 广告对社区无影响 D 应通过价值内容、规则治理、活动连接与运营带动，让成员有参与感与获得感 ✓ 正确答案
# 41. 社区规则（行为准则/许可）如何前置避免撕逼 A 社区无需规则，冲突事后处理即可 B 前置规则会限制所有表达 C 规则只是摆设，无需执行 D 应前置行为准则、许可边界与治理流程，并严格执行，让处理有据可依 ✓ 正确答案
# 42. 社区与商业产品的边界如何不伤害信任 A 社区应尽量多商业化，快速变现 B 社区不应提供任何免费价值 C 商业化与信任无关 D 应保持透明、价值交换、克制并区分边界，让商业化建立在信任之上 ✓ 正确答案
