字节跳动AI Native产品经理-小云雀Pippit

岗位职责 1. 产品规划与方向定义 ● 负责 AI Native 应用方向的产品规划，重点围绕 AI Coding、Code Agent、研发智能体、企业知识管理智能体 等场景，定义产品定位、目标用户、核心场景、版本路线图和商业化路径。 ● 面向专有云客户的真实业务环境，识别高价值、高频、可验证的 AI 应用场景，判断哪些能力适合标准产品化，哪些能力适合行业模板化，哪些能力适合项目定制化。 ● 跟踪国内外 AI Coding、Code Agent、Developer Tools、Agent Infra、LLMOps、Agent-Eval 等方向的发展趋势，形成产品洞察和竞争分析。 2. AI Coding / Code Agent 产品设计 ● 负责 AI Coding 类产品的核心能力设计，包括但不限于：代码库理解、研发知识问答、需求到任务拆解、代码生成、代码重构、单测生成、缺陷修复、变更解释、迁移改造、运维排障等。 ● 设计 Code Agent 的完整任务链路，包括用户意图识别、上下文构建、工具调用、计划生成、代码修改、测试验证、结果解释、人工确认、权限控制与回滚机制。 ● 围绕企业级研发流程，打通代码仓库、制品库、CI/CD、缺陷管理、需求管理、文档知识库、权限系统、审计系统等工具链。 3. Agent 工程能力产品化 ● 将大模型、RAG、Function Calling / Tool Use、Workflow、Memory、Multi-Agent、评测系统、可观测性、安全护栏等技术能力，转化为可被业务用户和研发团队使用的产品能力。 ● 定义 Agent 的运行机制和产品边界，包括任务规划、工具编排、上下文管理、权限模式、人机协同、失败恢复、日志追踪、结果验收等。 ● 与相关团队协同，推动从 Demo / PoC 到生产级产品的演进。 4. 专有云场景落地 ● 深入理解专有云、私有化部署、数据不出域、权限隔离、信创适配、安全合规、离线环境、客户侧交付等场景约束。 ● 面向政企客户、行业客户、内部研发团队开展需求调研、场景共创、PoC 验证和产品化沉淀。 ● 将项目交付过程中的共性需求抽象为标准能力、行业模板、最佳实践和产品包，提升复制效率。 5. 评测、指标与闭环 ● 建立 AI Coding / Agent 产品的效果评估体系，包括任务完成率、代码采纳率、一次通过率、测试通过率、缺陷修复率、节省工时、用户留存、客户满意度等指标。 ● 设计离线 Benchmark、真实任务集、客户验收标准、灰度评估机制和反馈闭环，解决 Agent 产品“能跑”到“可靠、可控、可交付”的问题。 ● 联动算法和工程团队，基于真实用户反馈、失败样本、日志数据，持续优化模型效果、工具链设计和产品体验。 6. 商业化与解决方案包装 ● 参与 AI Native 应用的产品包装、版本规划、定价策略、解决方案材料、标杆案例和客户汇报。 ● 将 AI Coding / Agent 能力从单点工具，升级为面向行业客户的“研发提效、软件现代化、知识资产沉淀、工程能力升级”解决方案。

岗位职责 1. 产品规划与方向定义 ● 负责 AI Native 应用方向的产品规划，重点围绕 AI Coding、Code Agent、研发智能体、企业知识管理智能体 等场景，定义产品定位、目标用户、核心场景、版本路线图和商业化路径。 ● 面向专有云客户的真实业务环境，识别高价值、高频、可验证的 AI 应用场景，判断哪些能力适合标准产品化，哪些能力适合行业模板化，哪些能力适合项目定制化。 ● 跟踪国内外 AI Coding、Code Agent、Developer Tools、Agent Infra、LLMOps、Agent-Eval 等方向的发展趋势，形成产品洞察和竞争分析。 2. AI Coding / Code Agent 产品设计 ● 负责 AI Coding 类产品的核心能力设计，包括但不限于：代码库理解、研发知识问答、需求到任务拆解、代码生成、代码重构、单测生成、缺陷修复、变更解释、迁移改造、运维排障等。 ● 设计 Code Agent 的完整任务链路，包括用户意图识别、上下文构建、工具调用、计划生成、代码修改、测试验证、结果解释、人工确认、权限控制与回滚机制。 ● 围绕企业级研发流程，打通代码仓库、制品库、CI/CD、缺陷管理、需求管理、文档知识库、权限系统、审计系统等工具链。 3. Agent 工程能力产品化 ● 将大模型、RAG、Function Calling / Tool Use、Workflow、Memory、Multi-Agent、评测系统、可观测性、安全护栏等技术能力，转化为可被业务用户和研发团队使用的产品能力。 ● 定义 Agent 的运行机制和产品边界，包括任务规划、工具编排、上下文管理、权限模式、人机协同、失败恢复、日志追踪、结果验收等。 ● 与相关团队协同，推动从 Demo / PoC 到生产级产品的演进。 4. 专有云场景落地 ● 深入理解专有云、私有化部署、数据不出域、权限隔离、信创适配、安全合规、离线环境、客户侧交付等场景约束。 ● 面向政企客户、行业客户、内部研发团队开展需求调研、场景共创、PoC 验证和产品化沉淀。 ● 将项目交付过程中的共性需求抽象为标准能力、行业模板、最佳实践和产品包，提升复制效率。 5. 评测、指标与闭环 ● 建立 AI Coding / Agent 产品的效果评估体系，包括任务完成率、代码采纳率、一次通过率、测试通过率、缺陷修复率、节省工时、用户留存、客户满意度等指标。 ● 设计离线 Benchmark、真实任务集、客户验收标准、灰度评估机制和反馈闭环，解决 Agent 产品“能跑”到“可靠、可控、可交付”的问题。 ● 联动算法和工程团队，基于真实用户反馈、失败样本、日志数据，持续优化模型效果、工具链设计和产品体验。 6. 商业化与解决方案包装 ● 参与 AI Native 应用的产品包装、版本规划、定价策略、解决方案材料、标杆案例和客户汇报。 ● 将 AI Coding / Agent 能力从单点工具，升级为面向行业客户的“研发提效、软件现代化、知识资产沉淀、工程能力升级”解决方案。

1.产品定义与规划： （1）负责 AI Coding 产品从 0 到 1 的定义、规划与迭代，深入开发者真实工作流，识别高价值场景（代码生成、补全、重构、调试、需求转代码、代码理解等），把模糊的机会点转化为清晰的产品方案与路线图； 2.AI 能力产品化： （1）将大模型/LLM、Agent、RAG、工具调用（Tool Use）等底层能力，设计成开发者真正好用的产品体验； （2）负责核心链路的 Prompt 工程、Agent 工作流编排与交互范式设计，在模型能力的不确定性中找到稳定可交付的产品形态； 3.快速验证与迭代： （1）具备从想法到上线跑完全程的能力，主动构建 MVP 快速验证假设； （2）建立可量化的产品指标体系（激活率、任务成功率、采纳率、留存、付费转化等），用数据和用户反馈驱动持续迭代； 4.跨团队协作： （1）与算法/工程/设计/运营紧密协作，清晰地对齐目标与优先级，推动需求高质量落地； （2）把一线用户洞察和数据反哺给算法团队，共同优化模型效果与产品效果； 5.行业与竞品洞察： （1）持续跟踪 AI Coding 与 AI Native 领域的前沿进展（模型、Agent 框架、竞品动态如 Cursor、GitHub Copilot、Claude Code 等），形成自己的判断并指导产品决策。

1、场景定义与重构：深入理解商业化“商家私信”的全链路场景（重点是分行业咨询、营销转化以及留资转化），基于大模型能力重构商家与用户的对话交互模式，打造AI Native的智能客服与营销助手； 2、大模型对话策略：负责对话机器人的核心策略设计，包括但不限于多agent协同、Prompt Engineering、RAG（检索增强生成）知识库构建等的优化，确保机器人回答的准确性、拟人化和情感化； 3、商业化闭环设计：探索AI对话的商业价值，设计“对话即服务/交易”的链路。通过AI主动引导、商品推荐、优惠发放、引导留资等策略，在服务过程中提升商业化转化率（留资/消耗）； 4、商家提效工具：为商家提供低门槛的AI配置后台（Agent配置、知识库管理），让不同行业的商家能轻松训练自己的“金牌导购AI”； 5、效果评估与迭代：建立涵盖准确率、覆盖率、用户满意度（CSAT）及商业转化率的立体评估体系，基于Badcase分析持续驱动模型与产品的迭代。