科大讯飞
运营商-AI产品经理-北京(J14775)
运营商-AI产品经理-北京(J14775)
发布于 3 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产品经理
Maas
Rag
Tob产品
大模型
智能体(Agent)
知识库平台
值不值得投
薪资怎么样
3.5万
与AI产品经理中位数基本持平
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 220 个在招
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
该岗位面向运营商行业，负责大模型产品（MaaS平台、智能体平台、知识库平台）的规划与方案设计，并用AI编程工具快速搭建MVP验证产品假设
你需要主导产品从需求调研、架构设计到上线交付的全流程，并与算法、研发、销售团队协同，推进ToB场景的商业化落地
最低要求
本科及以上，计算机或相关专业优先，3年以上产品经验
至少2年大模型产品经验，主导过1款大模型平台0-1落地
熟练使用LLM Code等AI编程工具独立搭建MVP原型
深入理解Transformer、微调、RAG、Agent等核心技术原理
有MaaS、智能体或知识库平台产品设计经验，理解能力边界
能与算法、开发团队高效协同，精准转化业务需求为技术方案
具备ToB产品设计经验，熟悉企业级交付模式与客户需求
熟练使用Axure、Figma等工具，具备项目管理与敏捷开发能力
工作职责
制定大模型产品规划、路线图及迭代计划，明确产品定位与核心价值
负责MaaS平台、智能体平台、知识库平台等核心产品的方案设计
使用LLM Code等AI编程工具快速搭建MVP，验证产品假设
主导产品从需求调研、架构设计到上线交付的全生命周期管理
设计ToB场景AI应用，配合销售梳理商业化路径与客户拓展
对接算法与业务团队，协同解决技术难题，保障研发进度与质量
统筹研发、测试、设计等多团队资源，管控里程碑与项目风险
建设平台生态与开发者合作机制，持续优化产品体验与竞争力
AI 洞察
优缺点分析
优点
- 技术栈前沿：工作内容围绕大模型平台、Agent、RAG等当前最热方向，技术视野与经验积累价值高
- 端到端话语权：岗位覆盖规划、设计、MVP验证到上线交付，能完整锻炼从0到1的产品能力
- 行业场景明确：面向运营商等大型ToB客户，项目体量大、交付复杂，有利于积累企业级产品与商业化经验
- 能力复合：要求用AI编程工具做原型，能显著提升个人效率与技术沟通深度，形成差异化竞争力
- 技术与产品双重门槛：既要理解Transformer、微调、RAG等原理，又要能独立搭MVP，学习曲线较陡
- ToB交付复杂：运营商客户需求定制化强、决策链长，产品标准化与客户定制之间需要反复平衡
- 适合有3年以上产品经验、至少2年大模型或平台型产品经验，既懂技术原理又愿意动手做原型、擅长跨团队推进的复合型产品经理
缺点 / 挑战
- 多方协同压力大：需同时对接算法、研发、测试、设计、销售，里程碑与项目风险管控要求高
角色解读
- 纵向深耕：从单一平台产品经理成长为AI平台产品负责人/产品总监，主导完整产品线与商业化
- 横向拓展：凭借大模型与ToB交付经验，可转向行业解决方案、AI应用架构或商业化/售前方向
- 能力复利：AI编程工具+平台设计的组合在当下市场稀缺，长期可积累为「懂技术、能落地」的复合型产品能力
- 负责大模型产品线规划：制定路线图与迭代计划，明确MaaS平台、智能体平台、知识库平台的定位与核心价值
- 主导方案设计与验证：输出产品方案，并用LLM Code等AI编程工具快速搭建MVP，验证产品假设是否成立
- 全生命周期管理：从需求调研、架构设计到上线交付，统筹研发、测试、设计资源，管控里程碑与项目风险
- 推动商业化落地：设计运营商等ToB场景的AI应用，配合销售梳理商业化路径、拓展客户并建设平台生态
- 大模型技术理解力：熟悉Transformer、微调、RAG、Agent等原理，能判断模型能力边界并转化为产品方案
- 平台型产品设计能力：有MaaS、智能体或知识库平台的产品设计经验，理解多角色、多租户的企业级平台逻辑
- 快速原型与工具能力：能用LLM Code等AI编程工具独立做MVP，熟练使用Axure、Figma输出原型与交互
- 跨团队协同与项目管理：能与算法、开发高效对话，把业务需求精准转成技术方案，并具备敏捷开发与项目推进能力
申请策略
- 面试前了解科大讯飞在运营商行业的大模型落地案例与平台产品，准备针对性的场景化改进建议
- 梳理清楚自己能带来的「可复用方法论」，例如如何在两周内用MVP验证一个企业客户的AI需求
- 突出大模型平台0-1经历：写清主导的平台是什么、解决什么问题、上线后的关键指标与用户/客户规模
- 量化产品成果：用数据说明需求调研到交付的效果，如交付周期缩短、客户数增长、调用量提升等
- 展示技术理解与动手能力：列举对RAG、Agent、微调等方案的具体设计取舍，以及用AI编程工具做原型的事例
- 强调ToB与协同经验：写明与算法团队协作方式、企业级交付模式、跨部门项目管理的具体角色
- 补齐大模型工程认知：系统梳理RAG链路、Agent编排、模型微调与评测方法，能讲清能力边界与成本权衡
- 强化原型能力：用LLM Code类工具实操搭建一个可演示的智能体或知识库Demo，熟悉Axure/Figma输出规范原型
面试指南
- STAR结构讲案例：背景与客户痛点→你的产品判断与方案取舍→落地过程与协同难点→量化结果与复盘
- 技术问题用「原理—边界—产品对策」三段式：先说清技术原理，再说明能力边界与风险，最后给出产品侧的降级或兜底方案
- 面对开放设计题时先问清场景与约束（客户类型、数据条件、交付周期），再分层给出MVP版与长期演进路线
- 请介绍你主导过的1款大模型平台从0到1的过程，如何定义产品定位和第一版范围？
- 当客户提出的需求超出当前模型能力边界时，你如何在产品方案中处理并管理客户预期？
- 你如何设计RAG或Agent类产品的效果评估指标？上线后怎么判断产品是否成功？
- 你与算法团队在技术方案上有分歧时，通常怎么达成一致？请举一个具体例子
- 你如何用AI编程工具快速搭建MVP？做过哪个原型，验证了什么假设、结论如何？
科大讯飞 的其他在招职位
相似职位推荐
Watch Jobs