AI Engineering Sr. Project Manager

优缺点分析

角色解读

• 在AI产品领域深耕，成为AI Agent产品专家，负责更复杂的解决方案设计
• 向产品总监或AI解决方案架构师方向发展，领导团队，负责更大规模的商业化产品
• 积累ToB行业经验，可向咨询、售前或创业方向发展，成为行业专家
• 负责联想CSAS全栈客服AI解决方案的产品规划与设计，包括需求梳理、原型设计、版本规划等
• 深入ToB客户场景，拆解需求，定义目标客户画像，推动AI Agent解决方案的标准化和商业化落地
• 设计AI Agent的业务逻辑，包括工作流蓝图、角色设定、任务链路，以及多智能体协同和RAG等技术的应用
• 作为业务与研发的桥梁，把控技术边界，平衡客户期望与研发成本，确保项目高质量交付
• 具备3-5年ToB商业化产品设计经验，熟悉SaaS、企业服务、智能客服或OA产品
• 深度理解AI Agent、多智能体架构、RAG、工作流编排及Function/Tool Calling的原理
• 具备极强的业务抽象能力和逻辑思维，能熟练输出业务流程图、原型图和PRD
• 了解主流大模型的能力边界，具备成本意识，能与研发团队高效沟通

申请策略

• 在面试中展示对AI Agent商业化落地的深刻理解，可准备相关案例
• 了解联想CSAS解决方案和业务方向，在面试中体现对公司的研究和热情
• 突出ToB商业化产品设计经验，特别是SaaS、智能客服或OA相关项目
• 强调对AI Agent、RAG、多智能体等技术的理解，可附上相关项目案例或技术博客
• 展示业务拆解和原型设计能力，如提供PRD或流程图作品集
• 体现与研发团队协作的经验，说明如何平衡技术可行性与商业价值
• 深入学习AI Agent框架（如LangChain、AutoGen）和RAG技术，了解最新进展
• 熟悉主流大模型（如GPT-4、LLaMA）的能力和限制，提升技术判断力

面试指南

• 使用STAR法则（情境、任务、行动、结果）来回答行为问题，突出个人贡献和成果
• 对于技术问题，先阐述基本原理，再结合具体项目案例说明应用，最后总结经验和教训
• 对于决策类问题，展示你的分析框架，如权衡利弊、优先级排序，并强调沟通和协作
• 请描述一个你主导的ToB产品从0到1的过程，遇到了哪些挑战？
• 如何设计一个多智能体协同的客服解决方案？请画出流程图
• 如何评估一个AI Agent项目的技术可行性和成本？
• 当客户需求与研发实现成本冲突时，你会如何决策？
• 你对RAG和Tool-Calling的理解是什么？在实际项目中如何应用？