腾讯AI 产品经理-金融 AI 应用方向
任职要求
1.学历与专业：硕士及以上学历，有计算机科学、金融工程、人工智能等相关背景加分； 2.工作经验：1 年以上 AI 产品经理经验， 有 AI Agent 或智能系统落地经验优先；近期有成功案例者优先，例如主导过基于大模型的金融 AI 产品上线，或设计过AI智能交互系统； 3.技术能力：了解 AI 技术栈基本原理：大语言模型、强化学习、多模态识别等；了解 AI Agent 开发框架、向量数据库（Milvus、Pi…
工作职责
1.参与产品规划；深入理解业务需求，参与制定 AI 问答产品的长期战略和短期迭代路线；结合AI Agent（如Prompt Engineering、RAG、Agentic Workflow、工具调用）、多模态交互（文本 + 语音 + 图像）等技术，设计差异化的产品功能，提升用户体验和商业价值； 2.需求分析与场景落地；深度理解用户，挖掘核心业务痛点，设计面向 C 端的 AI Agent 应用或产品功能，高效解决用户问题；主导产品需求文档（PRD）、原型设计，推动跨团队（算法、工程、测试）协作，确保产品按时高质量交付； 3.技术与生态整合；熟悉 AI Agent 技术栈优先，整合向量数据库、知识图谱等工具，优化 Agent 的推理效率和准确性；探索多智能体协作（Multi-Agent System）在金融复杂任务中的应用，例如构建投资决策团队（技术面选股 Agent + 基本面分析 Agent + 量化回测Agent）； 4.行业合规与风险管理；确保产品符合金融监管要求，设计数据安全与隐私保护方案；监控 AI 模型的公平性、可解释性，建立风险预警机制，应对算法偏差或数据外泄等问题； 5.市场与竞争分析；跟踪金融科技行业动态，研究竞品，制定差异化竞争策略；与市场团队合作，推动产品商业化，制定定价策略、客户成功计划，提升市场占有率。
1）负责金融行业大模型应用产品的全生命周期的工作，制定从需求分析、技术选型到商业化落地的完整路径，利用AI推理能力加工并生成金融风险标签，提升风控作业效率。 2）设计符合行业特性的多轮对话、意图识别、知识问答等核心能力建设方案。建立领域专属的意图分类体系及知识库架构，覆盖合规、风险控制等特殊要求。 3）主导构建包含数据标注、模型训练、效果评估的闭环优化体系，持续提升意图识别准确率和问题解决率。 4）协调算法、工程、运营团队完成模型迭代，推动技术能力与业务场景的深度融合。
1. AI产品规划与设计： 负责AI应用产品的方案设计与落地（重点：行业分析、经营分析、决策辅助类产品）； 基于业务场景设计AI能力应用路径（如RAG、Agent、自动分析等）; 输出产品方案包括：功能设计、数据流程、AI能力接入方案 2. AI能力落地与效果优化。 推动跨团队协作，推动模型在业务中的应用（数据分析、总结报告、推理判断等）； 持续优化AI效果，包括准确率、稳定性、响应质量等； 设计Prompt策略与评估机制，提升Agent表现; 3. 数据与系统设计：参与数据结构设计与数据流转逻辑（采集、处理、分析、输出）； 构建面向业务的分析体系（如舆情、趋势、经营信号等）； 推动数据驱动的产品优化； 4. 跨团队协同与项目推进：协同算法、数据、研发团队推进产品上线 ，管控项目节奏，确保关键节点交付 与业务方沟通需求，转化为可执行产品方案。
团队介绍： 我们在做“AI 在金融投顾全链路的落地”，面向投研、运营、产品、用户等角色，打造生产级的AI投顾体系，为AIME投顾机器人业务提供端到端提效能力：从金融行情解读与投研报告生成、用户投顾需求识别与澄清、问答话术生成与优化、投研知识库构建与更新，到 问答精准度校验与合规审核，形成可规模化复用的 AI 投顾生产力体系。团队强调“真实可用而非玩具 Demo”，以实现企业级金融投顾服务为标准，注重可靠性、合规性、可评测性与持续迭代能力，目标是把投顾链路里的高频问答、知识库更新、需求响应等任务做到稳定、可控、可交付。 岗位方向：多模态大模型 × Agent，聚焦 投研问答 / 知识库构建 / 金融内容生成把多模态大模型的细粒度理解能力与 Agent 的工具使用、任务规划、信息检索与交互能力深度结合，构建金融投顾垂类下的Agent系统：会检索金融行情、能解读投研报告、能总结用户投顾需求、能优化问答话术、能对齐金融合规标准与规范，并持续在AIME投顾机器人真实业务中提升问答精准度与用户体验。 工作内容： 1. 聚焦金融投顾全链路提效场景，负责 多模态理解 + Agent 相关产品设计与落地，覆盖投研问答、知识库构建、用户需求识别、问答话术生成与校验等核心任务； 2. 构建生产级投顾Agent能力：金融信息检索与整合、投研内容结构化解析、用户需求拆解与响应、问答证据归因与可追溯引用、长周期投顾任务规划与优化等； 3. 深入研究多模态大模型与 LLM 的预训练/后训练技术（SFT、偏好优化/RL 等），在 金融数据配比、训练范式、模型适配与推理策略 上探索最佳实践，推动AIME投顾机器人问答效果显著提升； 4. 设计面向金融投顾垂类的评测与对齐体系：包括 问答精准度、金融事实一致性、合规性、稳定性、响应速度 等指标，持续提升AIME机器人的可控性与可交付性； 5. 与算法、研发、运营、合规团队紧密协作，推动AI能力落地到AIME投顾机器人产品链路中，实现可持续迭代与规模化应用。
1.主导财务AI应用的整体架构设计与落地实施，涵盖智能财务分析、智能审核、智能预测、智能财务问答、智能财务风险预警等关键系统的 AI 能力集成，优化财务流程，提升效率与精准度; 2.设计基于大模型的财务文档处理方案，包括合同解析、票据识别、合规审查等，构建 RAG（检索增强生成）在财务场景的应用框架，实现非结构化财务文档的高效处理与智能利用; 3.深入研究多模态技术在财务流程中的融合应用，探索创新的端到端处理模式，显著优化处理效率，推动财务智能化发展; 4.攻克财务领域AI应用核心技术点，包括复杂财务规则与大模型推理的融合实现、财务敏感数据隐私保护与脱敏技术等，确保 AI 应用的安全性、合规性与高效性; 5.设计财务专用 Prompt 工程体系，通过精细的提示工程优化，提升 LLM（大语言模型）生成结果的准确性与合规性，使模型输出更贴合财务业务需求；