滴滴出行
AI产品专家
AI产品专家
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公AI产品经理
AI产品经理
Ai Agent
CI/CD
Mcp
Prd
Rag
上下文工程
大模型
开发者工具
数据分析
值不值得投
薪资怎么样
5.3万
比AI产品经理中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2320 个在招 · 其中AI产品经理 5 个
市场机会
选择面较广
北京 · AI产品经理 · 约 210 个在招
职位详情
关于这个职位
这是滴滴 AI Dev 团队的 AI 产品专家岗位，负责 AI 开发者提效产品线的整体规划与落地
你需要深入研究开发者的真实工作流，定义 Agent 形态下的产品体验，输出 PRD 并推动算法、工程团队交付
同时要建立采纳率、任务完成率、效率提升等核心指标体系，持续对标 Cursor、Trae、Codex 等竞品驱动迭代
最低要求
统招本科及以上学历，计算机 / 软件相关专业优先
年以上产品经验，其中 3 年以上 AI 产品、开发者工具（IDE / 插件 / CLI / 云开发平台）或研发效能工具产品经验
深入理解大模型能力边界与主流范式：代码模型、Agent / 多智能体协作、RAG、上下文工程、工具调用（含 MCP 生态）、长程任务执行，熟悉 Trae、Qoder、Codex、Cursor、Copilot 等至少两款产品的机制与差异
具备扎实的工程理解力：熟悉 Git、CI/CD、代码库结构与主流开发语言，能读懂代码、能与工程师同频对话
具备完整产品方法论：用户研究、竞品分析、需求定义、PRD 撰写、数据分析、版本管理与复盘
结果导向，能清晰定义并承诺效率类指标（采纳率、任务完成率、节省工时、成本），对数据负责
工作职责
产品规划与路线图：负责 AI 开发者提效产品线的整体规划，输出清晰的产品路线图并推动落地
场景洞察与需求定义：深入开发者真实工作流做用户研究（访谈、使用行为分析、社区反馈），识别 AI Native 开发方式与传统工具之间的机会缺口，输出高质量 PRD，明确场景边界、模型能力假设与验收标准
Agent 交互与产品方案设计：与算法、工程团队紧密协作，定义 Agent 架构下的产品体验范式，在模型能力边界内做出合理的产品取舍，平衡效果、延迟与成本
数据驱动与迭代：建立产品核心指标体系（采纳率、任务完成率、端到端效率提升、成本指标），持续对标 Trae、Qoder、Codex、Cursor 等竞品，驱动版本迭代与产品竞争力提升
跨团队协同与运营：与设计、研发、测试、运营、市场协同，负责产品发布、开发者增长与反馈闭环
优先资格
计算机 / 软件相关专业优先
AI 洞察
优缺点分析
优点
- 身处 AI 编程这一快速演进的热门赛道，产品方向与行业趋势高度一致
- 需要同时对接算法、工程、运营与市场，协作面广，能积累完整的端到端产品闭环经验
- 岗位直接以采纳率、效率提升等硬指标衡量价值，成果可量化，利于个人价值证明
- 面向开发者群体，用户专业度高，产品打磨空间大，有助于提升专业深度
- 大模型能力迭代快，产品方案需要频繁调整，对学习速度和判断力要求高
- 面向开发者做增长并不容易，需在效果、延迟、成本之间反复取舍与验证
- 适合有开发者工具或 AI 产品背景、懂工程、愿意深耕 AI 编程赛道的产品经理，尤其是希望用数据证明产品价值、能接受快节奏迭代的人
缺点 / 挑战
- 需要读懂代码、理解工程链路，对非技术背景的产品经理构成较高门槛
角色解读
- 在 AI 编程工具这一高速演进赛道积累稀缺的“产品 + 工程 + 大模型”复合经验，形成强竞争壁垒
- 可沿产品专家路线纵深发展，负责更大产品线或平台级产品
- 也可转向产品负责人、产品总监等管理岗位
- 面向开发者群体的产品经验可迁移至云平台、开发框架、AI 基础设施等相邻领域
- 负责 AI 开发者提效产品线的整体规划，输出产品路线图并推动跨团队落地交付
- 深入开发者真实工作流做用户研究与行为分析，挖掘 AI Native 开发方式相对传统工具的机会缺口，产出高质量 PRD
- 与算法、工程团队共同定义 Agent 架构下的交互范式，在模型能力边界内平衡效果、延迟与成本
- 搭建采纳率、任务完成率、端到端效率等指标体系，对标 Cursor、Trae 等竞品持续迭代并推动开发者增长
- 对大模型能力边界与主流范式有深入理解，包括代码模型、Agent / 多智能体、RAG、上下文工程、工具调用与 MCP 生态
- 扎实的工程理解力，熟悉 Git、CI/CD、代码库结构与主流开发语言，能与工程师同频沟通
- 完整的产品方法论：用户研究、竞品分析、需求定义与 PRD 撰写、数据分析、版本管理与复盘
- 结果导向的指标设计能力，能把效率类价值转化为可度量、可承诺的核心指标
申请策略
- 提前了解滴滴在 AI 与开发者工具方向的布局，面试中能说出对产品定位与目标用户的理解会加分
- 准备一份针对 AI 编程工具的产品分析或改进设想，展示场景洞察与产品判断力
- 突出 AI 产品或开发者工具（IDE / 插件 / CLI / 云开发平台 / 研发效能）的完整产品经历，明确写出负责的产品线与角色
- 用可量化指标呈现成果，如采纳率、任务完成率、效率提升幅度、成本下降等
- 展示工程理解力：可写代码能力、参与技术方案讨论的经历、熟悉的语言与 CI/CD 工具链
- 呈现对 Cursor、Trae、Codex、Copilot 等产品机制差异的理解，最好有对比分析或竞品研究的产出
- 系统补齐大模型应用知识：Agent 架构、多智能体协作、RAG、上下文工程、工具调用与 MCP 生态
- 提升代码与工程实践能力，熟悉 Git 工作流、CI/CD 与代码库结构，能独立完成小规模开发任务
面试指南
- 场景优先框架：先讲目标用户与真实工作流痛点，再讲机会缺口、方案取舍与验收标准，最后用数据验证
- 能力边界框架：明确模型当前能做什么、不能做什么，说明产品如何在效果、延迟、成本之间做分层设计
- 数据闭环框架：定义北极星指标与过程指标，说明如何用 A/B 或灰度验证，以及迭代决策依据
- 你如何为一个 AI 开发者提效产品设计路线图？会优先做哪些场景，为什么？
- 请比较 Cursor、Trae、Copilot 等产品在 Agent 交互与能力边界上的差异，你会借鉴什么？
- 如果模型能力不足导致任务完成率偏低，你会如何在产品侧做取舍？
- 你如何定义并衡量 AI 编程产品的核心指标？如何证明它真的提升了开发者效率？
- 讲一个你从用户研究到 PRD 到上线复盘的完整案例，结果如何？
Watch Jobs