Day 87：AI+Web3 面试专题（产品）— 17 道产品面试题答案集
AI+Web3 产品机会（Agent 经济/智能 DeFi/数据主权）、PMF 判断框架、用户获取策略、Token 激励设计、护城河构建、风险评估、UX 挑战、商业模式、骗局识别、竞品分析方法、权限系统设计
核心概念
产品面试答案集
17 道 AI+Web3 产品面试题，每题 30 秒+2 分钟版本。覆盖产品机会、增长风险、UX、商业模式、竞品分析五大领域。
一、产品机会类
Q1: AI+Web3 最大的产品机会在哪里？
30 秒：三个机会窗口 — (1) AI Agent 自主经济：百万 Agent 需要钱包/身份/支付/协作协议，全新基础设施市场（$100B+）；(2) 意图驱动 DeFi：自然语言操作 DeFi，门槛从"懂技术"降到"会说话"；(3) 数据主权变现：用户数据从免费到有价交易，区块链做确权结算层。
关键追问：哪个最快落地？→ 智能 DeFi 入口，技术栈已成熟（MCP+Agent+Session Keys），可渐进推出。
Q2: 如何评估 AI+Web3 产品的 PMF？
30 秒：三层验证 — (1) 技术必要性：去掉 AI 或去掉链，产品还能工作吗？能→被去掉的是噱头；(2) 用户行为：空投结束后留存多少？(3) 经济可行性：AI 推理成本+Gas < 用户价值。
四大 PMF 陷阱：AI 洗牌（套 ChatGPT 壳）、Web3 洗牌（硬加区块链发 Token）、空投驱动的虚假 PMF、技术演示 ≠ 产品需求。
Q3: 被低估的产品方向？
三个方向：(1) AI Agent 安全审计 — Agent 管理 $10 亿+资产时，审计 Agent 比审计合约更重要；(2) 企业级 AI+链上合规 — MiCA 后需要"可审计 AI 决策+链上合规证明"；(3) Agent-to-Agent 经济协议 — Agent 间发现/协商/结算的基础协议。
二、增长与风险类
Q4: AI+Web3 用户获取策略有什么不同？
30 秒：三个独特维度 — (1) Agent 自传播：Agent 能自主推荐产品给其他 Agent（A2A 获客）；(2) Token 冷启动：经济激励+空投引导，但需防虚假用户；(3) AI 价值留存：用户数据越多→AI 越准→体验越好→自然留存。
Q5: AI+Web3 Token 激励怎么设计？
决策树：先验证 PMF → 再考虑是否需要 Token → 需要则选类型（治理/效用/质押）→ 设计价值捕获 → 激励对齐检查。核心原则：Token 服务于产品，不是产品服务于 Token。
Q6: 如何建立护城河？
五层护城河：(1) 数据飞轮（用户越多→AI 越准→体验越好）；(2) 网络效应（Agent 越多→生态越完善）；(3) 转换成本（用户行为训练不可迁移）；(4) 协议锁定（成为其他协议的依赖）；(5) 合规壁垒（牌照+审计资质）。
Q7: 最大风险是什么？
四大风险矩阵：
| 风险 | 概率 | 影响 | 应对 |
|---|---|---|---|
| AI 幻觉导致错误交易 | 高 | 极高 | 模拟+确认+限额 |
| 监管打击 Agent Token | 中 | 极高 | 合规架构前置 |
| Agent 被攻击 | 高 | 高 | Session Keys+熔断 |
| 市场下行 | 中 | 中 | 注重实际收入 |
三、UX 与商业模式类
Q10: 最大 UX 挑战？
30 秒：信任问题。用户需要把资产控制权交给 AI — 这比传统 DeFi 的信任门槛更高。解法：渐进授权（只读→建议→辅助→自主）+透明可审计（每步都可解释、回溯、撤销）。
Q12: 可行的商业模式？
五种模式：(1) 绩效费（收益提成 5-20%）；(2) 订阅制（Pro 功能月费）；(3) 协议费（B2B 风控/优化服务）；(4) 数据变现（聚合分析卖给机构）；(5) Agent 交易费（A2A 调用抽佣）。最可持续：绩效费+协议费组合。
Q13: 如何判断 AI+Web3 项目是不是骗局？
五步检测：(1) GitHub 有代码吗？→ 无代码 = 高风险；(2) AI 是真的还是人工？→ 测试边界 case；(3) Token 有真实效用吗？→ 去掉 Token 产品能用=Token 是噱头；(4) 团队可验证吗？→ 匿名+无历史=高风险；(5) 经济模型可持续吗？→ 收入 < 排放 = 庞氏。
四、设计与竞品类
Q16: 给你 3 个月和 5 个工程师，做什么 AI+Web3 产品？
30 秒：做 AI DeFi 收益顾问 — 自然语言查询全链收益机会，AI 分析风险并给出建议，一键执行最优策略。Month 1: 只读分析（低风险验证需求）；Month 2: 辅助交易（加确认步骤）；Month 3: 自动化（Session Keys 限额执行）。
Q17: 如何为 AI Agent 设计权限系统？
四层安全架构：
- 用户级：Session Keys（时间/金额/合约/操作限制）
- Agent 级：行为预算+白名单+冷却期
- 策略级：模拟验证+偏差检测+多 Agent 交叉验证
- 系统级：全局熔断+紧急暂停+人工覆盖
核心原则：宁可少做一笔交易，不可多亏一分钱。
面试核心心法
1. 产品直觉比技术细节更重要
"基于用户行为数据，我判断..." > 复述白皮书
2. 永远回到用户价值
技术方案的选择最终服务于用户体验和安全
3. 展示权衡能力
"A 方案速度快但安全性低，B 方案相反，我的建议是..."
4. 用数据和案例支撑观点
"比如 AIXBT 的 DAU 在空投结束后仍保持 70% 留存..."
明日预告
Day 88：AI+Web3 PM 职业路径 — 岗位分析/技能图谱/薪资水平/求职策略。