阿里云阿里云智能-产品经理(金融智能体)-新金融行业（杭州）
任职要求
任职要求
必备要求
• 聪明好学，对AI充满热情： 我们认为这是很重要的品质。您必须对人工智能，特别是大语言模型和Agent技术有浓厚的兴趣和强烈的求知欲，并能快速学习和理解复杂概念。
• 严谨的逻辑思维： 具备出色的分析和解决问题的能力，能够将模糊、复杂的金融场景分解为清晰、可执行的产品模块和逻辑。
• 用户同理心： 始终将用户放在第一位，能够深入理解并共情用户的真实需求和使用场景。
• 卓越的沟通能力： 能够清晰、准确地表达产品思想，并与不同背景的团队成员（技术、业务、设计）进行高效沟通与协作。
我们坚信，优秀的潜力和学习能力比过往经验更重要。因此，我们欢迎没有产品经验但具备上述特…工作职责
职位描述 作为AI产品经理，您将是我们金融Agent产品的核心驱动者。您将负责从0到1定义和塑造这款革命性产品，深入理解金融用户的核心需求，并将其转化为一流的智能体产品功能与体验。您将与顶尖的AI研究员和工程师紧密合作，确保我们的技术创新能够精准地解决真实环境的金融业务问题。 岗位职责 • 洞察与定义： 深入研究金融行业（包括但不限于投资、研究、风控、合规等）的工作流程与痛点，挖掘AI智能体可以创造颠覆性价值的应用场景。 • 产品蓝图： 负责制定金融智能体的产品愿景、战略规划和发展路线图（Roadmap），定义产品的核心能力边界与演进路径。 • 智能体设计： 设计智能体的核心交互模式与“任务旅程”，定义其应具备的“技能”（Skills）和工具调用能力，确保其能够自主、可靠地完成复杂的金融任务。 • 需求与文档： 撰写高质量的产品需求文档（PRD），不仅包含传统的功能规格，更要清晰定义智能体的预期行为、评估指标、数据需求和模型能力要求。 • 跨团队协作： 与算法、工程、设计等团队高效协作，推动产品从概念设计到研发、测试、上线的全过程，确保技术实现与产品目标高度一致。 • 评估与迭代： 建立科学的产品评估体系，通过数据分析和用户反馈持续追踪智能体的性能表现（如任务成功率、准确性、效率等），并驱动产品的快速迭代与优化。 • 合规与安全： 确保产品设计和功能在严格的金融监管框架下满足数据安全、隐私保护、可解释性及可审计性的要求。
1. 负责AI驱动的客户经营智能体的全生命周期管理，覆盖需求分析、产品功能定义到商业化产品落地； 2. 深入理解金融类客户需求，构建差异化竞争优势，为产品的发展提供有力的市场洞察； 3. 熟悉智能体工程，具备智能体工作流编排全流程落地能力，包括大模型调用、数据、知识库及工具召回、对客表达优化等链路； 4. 熟悉智能体研发平台、AI标注、智能训推、智算调度、算力资源等支持AI智能体运作的软硬件层能力； 5. 具备出色的协调能力，能够有效协调数据科学、算法工程，业务等多部门资源，持续推进智能体产品的有序发展，实现业务的持续升级； 6. 关注行业发展趋势，特别是AI营销技术趋势（如生成式AI、多智能体协作），探索智能体公、私域经营等新场景的应用，保持产品的市场领先性。
工作职责 一、Agent产品战略与交付闭环 1. 负责基于汽车垂域大模型（仓颉）的Agent产品规划与全生命周期管理，主导智能体（Agent）在汽车之家线上用户场景看买用换场景交付、以及线下新零售店端及经销商门店的营销等场景的端到端交付。 2. 定义Agent产品的核心能力框架（如多模态意图理解、动态决策推理、自动化任务执行），推动下游算法组件层（对话系统、AIGC、TTS/ASR）的技术需求落地，确保能力对齐与性能达标。 二、技术架构设计与性能攻坚 1. 设计高鲁棒性的Agent技术架构，整合大模型能力与垂域算法组件（如对话引擎、语音合成、内容生成），解决复杂场景下的延迟、并发、多模态融合等技术硬伤。 2. 主导Agent核心技术指标优化（如任务完成率、交互满意度、端到端响应时间），建立算法组件性能与Agent体验的量化映射模型，推动技术迭代。 三、跨域协同与资源整合 1. 深度联动大模型团队、算法组件团队、业务侧，主导需求拆解与资源排期，确保Agent产品从原型验证到规模化交付的链路通畅。 2. 建立Agent能力评估体系，设计AB实验、用户反馈埋点等机制，验证技术方案在真实场景的有效性（如销售人力提效率等）。 四、商业化落地 1. 主导AI场景的需求分析、技术方案评审、研发进度把控，确保Agent产品高质量交付。 2. 探索Agent产品的商业化模式（线下新媒体营销场景），推动在经销商服务、新零售门店、二手车等场景的规模化复制。
工作职责： 一、Agent产品战略与交付闭环 1. 负责基于汽车垂域大模型（仓颉）的Agent产品规划与全生命周期管理，主导智能体（Agent）在汽车之家线上用户场景看买用换场景交付、以及线下新零售店端及经销商门店的营销等场景的端到端交付。 2. 定义Agent产品的核心能力框架（如多模态意图理解、动态决策推理、自动化任务执行），推动下游算法组件层（对话系统、AIGC、TTS/ASR）的技术需求落地，确保能力对齐与性能达标。 二、技术架构设计与性能攻坚 1. 设计高鲁棒性的Agent技术架构，整合大模型能力与垂域算法组件（如对话引擎、语音合成、内容生成），解决复杂场景下的延迟、并发、多模态融合等技术硬伤。 2. 主导Agent核心技术指标优化（如任务完成率、交互满意度、端到端响应时间），建立算法组件性能与Agent体验的量化映射模型，推动技术迭代。 三、跨域协同与资源整合 1. 深度联动大模型团队、算法组件团队、业务侧，主导需求拆解与资源排期，确保Agent产品从原型验证到规模化交付的链路通畅。 2. 建立Agent能力评估体系，设计AB实验、用户反馈埋点等机制，验证技术方案在真实场景的有效性（如销售人力提效率等）。 四、团队管理与商业化落地 1. 负责5-8人以上技术产品团队的管理，涵盖需求分析、技术方案评审、研发进度把控，确保Agent产品高质量交付。 2. 探索Agent产品的商业化模式（线下新媒体营销场景），推动在经销商服务、新零售门店等场景的规模化复制。
1.主导AI金融产品落地，包括： 投研报告生成：利用大模型技术产出深度研报（宏观/行业/公司分析）。 金融智能体开发：构建任务型智能体，实现授信、风控等场景自动化。 AIGC应用：探索代码生成、页面生成等开发提效工具。 2.设计自然语言交互流程（如Text-to-SQL、MCP工具），提升金融数据产品的智能化水平。 3.协调算法、开发团队，推动AI模型与金融业务场景融合。