腾讯金融AI产品经理

1.负责研究和探索AI技术在京东消费金融业务（信贷类，如金条、白条等，或消费类场景，电商、增长）上针对 C 端的应用，制定产品规划和路线图。 2.主导AI产品的全生命周期管理，完成从产品原型设计、功能定义、PRD撰写到上线迭代的全过程工作，确保产品满足业务目标与用户需求。 3.协同内部AI技术和研发团队，参与模型评估标准和体系设计，并基于评估效果，提出有价值的改进建议，优化效果，与算法团队共同为模型效果负责 4.追踪AI技术在消费金融领域的前沿应用与行业动态，分析竞争对手产品策略，提供创新性的产品建议。

1. 负责研究和探索AI技术在消费金融业务上的应用，制定产品规划和路线图，确保产品策略与公司整体战略目标一致； 2. 主导AI产品的全生命周期管理，包括但不限于产品原型设计、功能定义、PRD撰写到上线迭代，确保产品能够满足业务目标与用户需求； 3. 协同内部AI技术和研发团队，明确AI产品开发需求，跟进模型训练、测试与优化过程，确保AI功能的准确性与稳定性； 4. 追踪AI技术在消费金融领域的前沿应用与行业动态，分析竞争对手的AI产品策略，为公司提供创新性的产品建议，推动产品持续优化与创新；

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。

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。