AI 产品经理一面面经

1.多个执行器同时执行任务，如果写入同一个文件或者表格，冲突在哪个环节解决

这个问题我们是分三层体系化解决的，最基础的并发冲突在平台底层就做了原生能力封装，完全不用用户或者交付额外处理。

（1）底层执行器内置了全局文件写入锁机制，针对同一个目标文件，同一时间只允许单个执行任务获得写入权限，其余任务自动进入等待队列按顺序执行，超过预设等待时长再抛出异常提示，这部分是平台默认开启的通用能力，覆盖 Excel 数据库网页表单等绝大多数写入场景。

（2）第二层在设计器层面封装了可视化的资源锁组件，用户可以通过拖拽配置，针对特定系统账号数据接口或者自定义资源做并发控制，适配更复杂的业务规则。

（3）第三层才是交付侧的定制化扩展，针对极少数极特殊的业务场景，可以基于平台开放能力做更细粒度的锁逻辑调整。

这么设计既保证了通用场景开箱即用，不用用户操心底层并发问题，也保留了复杂场景的灵活扩展空间，不会把基础能力问题甩给交付团队去补窟窿。

2.你们为什么要立项用 AI 驱动设计器，原始诉求是什么

立项核心是基于用户分层和产品演进的双重判断。

首先从用户侧看，我们的用户天然分成三类：

一类是专职交付人员，拖拉拽用得很熟练，负责复杂项目。

二类是企业内部的业务运营，有基础操作能力，能做简单流程。

三类是有零散采集需求的一线业务人员，完全不会用工具。

提需求等排期还不如自己手动做，这部分需求量大但单值低，交付团队接不过来。我们统计过这类简单采集需求占总需求的四成以上，交付排期要一周以上，实际手动做可能也就半小时，非常浪费资源。

其次从产品战略看，这是我们从低代码向零代码演进的必经之路：

把简单场景的流程生成交给 AI，既能释放交付人力去做高价值的复杂项目，也能扩大产品的用户覆盖边界，让不会写代码不会用拖拉拽的人也能用起来，本质是用 AI 拉低使用门槛，拓宽产品的市场空间。

3.你们用 AI 生成代码抓数据，Claude Code 这类工具也能干，产品的护城河是什么

通用大模型确实能写采集代码，但和我们的产品本质不是一个维度的竞争，我们的护城河主要在四个层面。

第一是执行闭环能力，大模型只负责生成代码，我们是生成加执行加兜底的全链路打通，生成的流程直接对接执行器，自带元素定位容错异常自动重试运行日志监控，出了问题有明确的排查路径，纯 AI 生成的代码跑不起来没人兜底，企业不敢用在生产环境。

第二是行业场景沉淀，我们在电商供应链财务等领域攒了大量成熟的采集模板，元素定位规则和踩坑经验，都是真实业务喂出来的，通用大模型没有这些垂直场景的积累，生成的代码看着对，实际跑起来到处是问题。

第三是企业级管控能力，权限管理并发调度数据安全审计日志这些都是 ToB 客户的刚需，通用代码工具完全没有这些能力。

第四是生态闭环，采集完的数据可以直接对接后续的 RPA 流程，不用在多个工具之间跳转，这是生态带来的长期壁垒。

4.未来三年的职业发展规划是怎样的

第一阶段：夯实基础，适配业务，成为成熟执行产品（第 1 年）

第二阶段：沉淀体系，打造方案，建立产品差异化壁垒（第 2 年）

第三阶段：统筹产品线，驱动业务增长，成长为模块 / 资深产品负责人（第 3 年）

5.你们的低代码和零代码有什么区别

我们的低代码和零代码是底座和上层应用的关系，核心区别在四个维度。

首先是目标用户不同，低代码面向有一定技术基础的交付人员，开发人员，零代码面向纯业务人员，完全不需要技术基础。

其次是能力边界不同，低代码是通用能力底座，通过拖拉拽加少量代码，可以实现非常复杂的跨系统流程，灵活性高但有学习门槛。零代码是在低代码底座之上，针对特定场景做了深度封装，用户只用自然语言或者选模板就能用，但是只能覆盖预设的场景，灵活性弱。

第三是适用场景不同，低代码适配全行业各类复杂自动化项目，零代码适合电商生图，简单数据采集这类标准化程度高的高频场景。

最后是价值定位不同，低代码的核心是提升交付效率，降低开发成本，零代码的核心是拉低使用门槛，扩大用户覆盖范围。

总结：两者不是割裂的，零代码本质是低代码能力的场景化封装，最终服务不同层级的用户需求。