蚂蚁金服蚂蚁数字科技-数科技术部-AI 产品经理（AI Coding / AI Native 方向）
任职要求
1.基础要求： （1）本科及以上学历，计算机、软件工程或相关背景优先； （2）3 年以上产品经理经验，其中有 AI/大模型相关产品经验者优先（优秀候选人可放宽）； 2.技术理解力（硬门槛）： （1）具备扎实的技术理解力，理解 LLM 的能力与边界； （2）有实际编程基础，能读懂代码、理解开发者痛点； （3）亲身深度使用过 Cursor、Copilot、Claude Code 等 AI 编程工具，对 Agent、MCP、Prompt 工程有实操理解；…
工作职责
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.方向探索：洞察AI技术趋势与用户需求的交叉点，定义孵化方向，不等人喂赛道； 2. 0→1验证：快速设计MVP，2-4周出原型，用数据说话决定pivot还是proceed； 3. 产品定义：从模糊idea到清晰spec，能把"可能有用"变成"非用不可"； 4. 孵化转轨：验证通过的项目，推动进入正式产品线或独立商业化。
1. 定义AI原生范式：拒绝“拼凑式AI”。你需要从底层逻辑出发，思考如何利用LLM、Agent、多模态等技术重构用户交互和业务流程，打造AI-Native的产品体验； 2. 敏锐地市场嗅觉：保持对OpenAI、Anthropic、Google、Meta以及开源社区（Hugging Face, Github）的每日追踪。你不仅要看发布会，更要看懂技术路径背后的商业护城河转移； 3. 技术与商业的“翻译官”：将深奥的算法参数（Context Window, RAG, LoRA, Latency）转化为解决用户痛点的产品特性，平衡技术边界与商业闭环； 4. 敏捷实验与迭代：建立基于数据和反馈的快速原型机制，在AI的不确定性中，通过科学的评测体系（Benchmark）寻找产品的确定性。
1.用户增长与激活： （1）负责 AI Coding 产品的获客与激活全链路，制定并落地面向开发者群体的增长策略，覆盖技术社区、开发者论坛、开源生态、内容与口碑等渠道； （2）持续优化新用户从注册到"首次成功用 AI 写出可用代码"的激活路径（Aha Moment），提升次日/7日留存与付费转化； 2.开发者社区与内容运营： （1）建设并运营开发者社区（如 Discord、GitHub Discussions、技术论坛、微信群等），策划技术布道内容——包括最佳实践、使用教程、Prompt 技巧、真实开发者案例（Show Case），把高质量用户沉淀为口碑传播者，形成自增长飞轮； 3.产品机会挖掘与 MVP 验证： （1）深入开发者真实工作流，挖掘产品机会点，结合业务场景快速构建 MVP 并验证可行性； （2）将一线用户反馈、社区舆情、使用数据结构化地反哺给产品与研发团队，驱动产品迭代； 4.数据分析与运营度量： （1）搭建并跟踪核心运营指标体系（覆盖率、活跃度、激活率、留存、转化、NPS 等），通过数据发现问题、定位增长瓶颈，用 A/B 实验验证运营假设，用数据说话而非拍脑袋； 5.活动与生态运营： （1）策划线上线下开发者活动（Hackathon、技术沙龙、Workshop、直播等），拓展与技术 KOL、开源项目、高校及企业客户的合作，扩大产品在开发者生态中的影响力。
1. 参与蚂蚁数科 AI 产品的质量保障工作，覆盖智能体、大模型等产品形态，保障产品上线及交付质量； 2. 参与 AI 产品的效果评测工作，包括评测数据生成、评测标准制定、自动化评测体系搭建，度量智能体能力； 3. 配合工程和算法团队定位质效问题，协助推动解决方案落地，提高交付质量； 4. 熟练应用 AI 工具（如 OpenClaw、Claude、Cursor 等）快速构建质量能力，提升质量效能； 5. 积极探索测试工具、评测平台、AI 测试能力等方面的技术创新，持续提升测试效率与覆盖度。