滴滴出行
开发agent产品经理
开发agent产品经理
发布于 2 天前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
本科
产品管理
Ai Agent
Rag
Sql
产品设计
向量数据库
大模型
数据产品
知识库
AI 估算 · 20k–30k
北京大厂AI产品岗，结合市场行情与技术要求，薪资竞争力强。
职位详情
关于这个职位
该职位负责滴滴数据平台事业部的AI数据产品设计，聚焦于智能化的代码生成、智能运维等场景
你将参与到Agent技能优化、产品指标体系搭建和行业调研中，推动AI数据开发全链路产品的落地与迭代
适合具备大数据或AI数据产品经验、对Agent和大模型技术有深入理解的求职者
最低要求
本科及以上学历，3年及以上产品经验，2年以上AI数据/大数据/数据中台/大模型数据产品经验，有RAG、知识库、AI数据开发平台落地经验优先
扎实理解大数据基础架构，熟悉数据开发工作流程，能够精准对齐用户诉求，平衡产品能力、技术成本、落地效果，高效推进复杂数据产品项目落地
具备极强的数据场景拆解与规则设计能力，能够独立定义AI数据标准、场景边界约束，可针对性解决模型层面的各类落地问题
具备数据驱动思维，能够通过指标监控、用户反馈、问题复盘，持续优化数据产品能力与模型效果
逻辑清晰、抗压能力强，具备中台型产品的抽象能力与体系化搭建能力
工作职责
产品规划和架构设计：参与AI数据开发全链路产品设计，涵盖智能化的代码生成、智能运维、智能找数等场景
结合业务实际需求输出可落地的产品方案
智能化产品能力优化：熟悉agent技能使用，优化技能触发的场景和稳定性
通过案例分析和归因，解决Agent漏触发、误触发、输出不一致问题
搭建AI数据产品核心指标体系：有数据敏感度，能够利用数据工具，随时跟进产品的运行分析，持续优化
保证所负责的产品最优用户体验
行业调研：跟踪大模型数据基建、向量数据库、智能知识治理、自动化数据生产等行业技术趋势，调研竞品平台能力，持续优化产品架构，沉淀AI数据开发标准化产品方法论
优先资格
有大厂数据中台、AI知识中台、RAG平台、智能数据开发平台从0到1搭建经验
熟悉主流向量数据库（Milvus/FAISS/Pinecone）、大模型微调流程、数据集构建与清洗规范
了解Agent智能体架构、技能编排、场景路由机制，有AI Agent数据配套产品设计经验
具备大数据开发、数仓、算法相关从业或实习经历，懂SQL、数据分层、数据质量体系者优先
AI 洞察
优缺点分析
优点
- AI数据产品是当前热门方向，技术前沿，职业发展空间大
- 滴滴作为大厂，平台资源丰富，能接触海量数据与复杂场景
- 产品涉及Agent、大模型等新兴技术，个人技术视野提升快
- Agent产品稳定性要求高，问题归因和优化难度大
- 跨部门协作多，需较强的沟通和推动能力
- 适合具备大数据或AI产品经验、对Agent和大模型技术有浓厚兴趣、逻辑清晰且抗压能力强的产品经理
缺点 / 挑战
- 技术门槛较高，需要同时理解大数据、AI和产品设计
角色解读
- 可向AI数据产品专家或数据平台产品负责人方向发展
- 深入大模型与Agent领域，成为AI产品方向的资深专家
- 横向拓展至数据中台、知识中台等更多产品线，晋升为产品总监
- 负责AI数据开发全链路产品的规划与架构设计，包括智能化代码生成、智能运维、智能找数等场景
- 优化Agent技能触发场景与稳定性，通过归因分析解决漏触发、误触发等问题
- 搭建AI数据产品核心指标体系，利用数据工具监控产品表现并持续迭代
- 跟踪大模型数据基建、向量数据库等前沿技术趋势，调研竞品并优化产品架构
- 扎实的大数据基础架构理解，熟悉数据开发工作流程
- 数据场景拆解与规则设计能力，能独立定义AI数据标准与边界
- 数据驱动思维，能通过指标和反馈优化产品
- 了解Agent智能体架构、技能编排、向量数据库、大模型微调等优先
申请策略
- 面试前深入了解滴滴数据平台事业部的业务方向，如AI数据开发平台的具体功能
- 准备一个完整的AI数据产品案例，从需求分析到落地效果，体现系统化思维
- 突出AI数据产品（RAG、知识库、Agent平台）的项目经验，尤其是从0到1的案例
- 强调数据驱动思维和指标体系建设的具体成果
- 展示对大数据架构（如数据分层、SQL优化）的理解
- 如有大厂数据中台或AI中台经验，务必重点描述
- 补充向量数据库（Milvus/FAISS）和大模型微调流程的实操知识
- 学习Agent智能体架构与技能编排机制
面试指南
- 结构化回答：背景→目标→方案→结果→复盘，突出数据驱动和量化成果
- 技术理解：清晰解释技术原理，并结合业务场景说明权衡
- 问题解决：展示归因分析逻辑和迭代思路
- 请描述你设计过的AI数据产品，如何平衡技术成本与落地效果？
- 如何定义Agent技能触发的成功指标？遇到漏触发问题如何归因？
- 谈谈你对RAG架构的理解，以及在数据产品中的应用场景
- 如何搭建一个AI数据产品的指标体系？举例说明
- 你如何看待大模型在数据开发领域的未来趋势？
职位点评
65
综合评分
大厂AI数据产品岗，前沿技术栈，薪资有竞争力，但WLB不明确。
更适合这类人
适合看重技术成长和职业发展，对薪资有一定要求，且能接受可能加班的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展85
工作生活40
使命价值60
薪资福利
75中等
滴滴为上市大厂，薪资水平在北京具有竞争力，但JD未明确福利细节，整体补偿性较好。
薪资信号未披露（AI估算：20K-30K/月）
成长发展
85较高
职位涉及AI、Agent、大模型等前沿技术，成长空间大，但JD未明确晋升通道，发展性较强。
技术前沿前沿/新兴技术
技术栈AI Agent、大模型、RAG、向量数据库、知识库
业务类型ambiguous
工作生活
40较低
JD未提及弹性工作或远程办公，北京核心地段通勤压力大，WLB信息不明确。
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
60中等
AI数据产品属于高速增长的赛道，但JD未强调社会价值，意义感适中。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs