中国平安
知识工程产品专家
知识工程产品专家
发布于 大约 2 个月前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
本科
产品管理
产品管理
AI产品
知识图谱
金融科技
大模型
PRD
XMind
Graprag
Kag
AI 估算 · 35k–55k
资深AI产品专家，知识工程方向稀缺，大厂薪资水平较高，结合深圳市场行情。
职位详情
关于这个职位
该职位负责知识工程产品的全生命周期管理，从战略规划到落地交付，涉及知识图谱、大模型等前沿技术
你将与算法、架构团队紧密协作，设计可复用的行业解决方案，推动产品在金融等领域的应用
适合有5年以上AI产品经验、熟悉知识工程技术的资深产品经理
最低要求
教育背景：本科及以上学历，AI相关专业优先
专业能力：熟练掌握产品调研及产品设计方法论，熟练使用Axure、Xmind等工具，能独立完成需求分析、原型设计及数据驱动决策
了解AI算法相关原理，特别是大模型技术、知识图谱原理
能与算法/架构团队高效沟通技术方案
工作经验：5年以上AI产品经验，具备知识工程、知识图谱、大模型应用等领域成功落地案例，有B端解决方案或C端高日活产品经验者优先
有与算法工程师、AI架构师合作共同落地AI系统或产品的经验
具有金融业相关AI产品经验优先
其他：具备强烈的平台化思维与抽象能力，能设计灵活、可扩展的产品架构以应对多样化的用户场景
工作职责
产品战略与规划：制定知识工程产品的长期战略与迭代路线图，结合技术优势与市场需求，明确产品定位
跟踪知识图谱、GrapRAG、KAG、多模态大模型等技术演进，主导竞品分析及市场洞察
全生命周期产品管理：主导产品从0到1的落地，包括需求分析、PRD撰写、原型设计（Axure/Xmind等），协调算法、架构、运营等团队，确保知识获取、存储、检索、问答等核心功能的高质量交付与持续迭代
技术融合与场景创新：深度理解知识工程关键技术（如本体构建、向量化检索、Agentic RAG），推动算法模型（如关系抽取、实体识别）与工程架构（如高性能流水线、向量数据库集成）的高效协同，设计可复用的行业解决方案
数据驱动与效果优化：建立产品效果评估体系（如知识准确率、检索效率、用户满意度），通过数据分析和用户反馈持续优化知识质量与产品体验，设计数据闭环推动模型迭代
跨团队协作：与算法专家、产品经理及业务团队紧密沟通，深刻理解业务需求与算法逻辑，设计并落地能够高效支撑知识构建（如GrapRAG、KAG）与应用（如智能检索、问答）的产品架构
AI 洞察
优缺点分析
优点
- 身处知识工程与大模型前沿技术领域，技能积累价值高，行业前景广阔
- 中国平安作为金融科技巨头，平台资源丰富，项目影响力大，利于职业背书
- 产品从0到1的机会多，能深度参与技术融合与创新，成就感强
- 技术复杂度高，需要同时理解算法和工程，对学习能力要求高
- 跨团队协作频繁，沟通成本较大，需具备较强的协调能力
- 适合有5年以上AI产品经验、对知识工程和大模型有浓厚兴趣、具备技术理解力和平台化思维的产品经理
缺点 / 挑战
- 金融行业对产品稳定性和合规性要求严格，工作压力可能较大
角色解读
- 在知识工程领域深耕，成为AI产品专家或首席产品经理，主导公司级战略产品
- 横向拓展至其他AI产品方向，如智能客服、推荐系统等，或转向AI解决方案架构师
- 随着金融行业数字化转型加速，可晋升为产品总监或AI业务负责人
- 制定知识工程产品的长期战略和路线图，跟踪知识图谱、大模型等技术趋势，主导竞品分析
- 负责产品从0到1的全流程管理，包括需求分析、PRD撰写、原型设计，协调算法、架构等团队推进交付
- 深度理解知识工程技术，推动算法与工程协同，设计可复用的行业解决方案
- 建立产品效果评估体系，通过数据分析和用户反馈持续优化产品体验
- 精通产品设计方法论，熟练使用Axure、Xmind等工具，能独立完成需求分析和原型设计
- 了解大模型、知识图谱等AI算法原理，能与算法/架构团队高效沟通技术方案
- 具备5年以上AI产品经验，有知识工程或大模型应用的成功落地案例
- 具备平台化思维和抽象能力，能设计灵活可扩展的产品架构
申请策略
- 关注平安科技在知识工程领域的布局，了解其产品线，面试时展现对公司的研究
- 准备一个完整的项目案例，从需求到上线，展示产品思维和技术融合能力
- 突出知识图谱、大模型相关产品的成功案例，尤其是从0到1的落地经验
- 强调与算法、架构团队协作的经历，展示技术沟通能力
- 列出使用Axure、Xmind等工具的具体项目，体现产品设计能力
- 如有金融行业AI产品经验，务必重点提及
- 补充学习GrapRAG、KAG、Agentic RAG等前沿知识工程技术
- 了解金融行业业务场景，如风控、客服、营销等，增强行业理解
面试指南
- 使用STAR法则（情境-任务-行动-结果）结构化描述项目经验，突出个人贡献和量化成果
- 对于技术理解类问题，先阐述基本原理，再结合实际应用场景说明价值
- 对于协作类问题，强调沟通机制、需求对齐和迭代反馈的过程
- 请分享一个你主导的知识图谱或大模型产品从0到1的案例，包括遇到的挑战和解决方案
- 如何评估知识工程产品的效果？你会设计哪些指标？
- 你如何与算法团队协作，确保技术方案与产品需求匹配？
- 请谈谈你对GrapRAG和KAG的理解，以及它们在实际场景中的应用
- 在金融行业落地AI产品时，需要考虑哪些特殊因素？
匹配度报告
72
综合匹配度
大厂前沿技术产品岗，薪资优厚，成长空间大，但WLB不确定。
适合人群
适合追求技术成长和职业发展的求职者，对WLB要求不高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展90
工作生活50
使命价值70
薪资福利匹配
80较高
薪资水平较高，大厂福利完善，但JD未明确具体薪资和福利细节。
薪资信号未披露（AI估算：35K-55K/月）
成长发展匹配
90较高
职位涉及知识图谱、大模型等前沿技术，成长空间大，但JD未明确晋升路径。
技术前沿前沿/新兴技术
技术栈知识图谱、GrapRAG、KAG、多模态大模型、Agentic RAG、向量化检索、关系抽取、实体识别
业务类型ambiguous
工作生活匹配
50较低
JD未提及工作模式，推测为现场办公，深圳科技园通勤可能较长，WLB信号不明。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
金融科技行业稳定增长，产品有实际应用价值，但社会影响力中性。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs