京东金融产品经理（内容生成方向）
任职要求
1. 教育背景 学历要求：本科及以上学历，金融、计算机、人工智能等相关专业优先； 2. 工作经验 工作经验：有AI应用产品经验，熟悉债券基金、股票基金等理财产品及相关用户场景； 3. 能力要求： 专业能力：对大语言模型及其在金融领域的应用有深入理解，具备实际落地经验；具备良好的用户体验设计能力，能够挖掘和满足用户需求；逻辑清晰，具备较强的跨部门沟通与项目推进能力； 技术能力：能够与技术团队紧密合作，定义大模型应用场景，包括但不限于智能推荐、内容创作和用户交互方案； 市…
工作职责
1. 负责大语言模型在金融领域的应用落地，设计和优化AI驱动的内容生成功能，包括但不限于智能理财助手的内容生成、AI大V号的内容生成及辅助功能等，确保内容的专业性和个性化； 2. 与技术团队紧密合作，定义大模型在债券基金、股票基金等领域的应用场景，制定智能推荐、内容创作和用户交互方案，推动产品创新； 3. 深入研究用户需求，设计符合用户需求的个性化、专业化理财内容生成逻辑，提升用户体验和内容精准性； 4. 跟踪市场趋势及竞品动态，探索大模型在财富管理行业的新应用，持续优化产品功能和服务； 5. 协调多方资源，推动产品从设计到上线的全流程落地，对产品的数据和效果负责，确保项目目标的达成。
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. 负责公司 GEO（生成式搜索引擎优化）业务的市场推广与品牌传播，提升产品在目标客户群体中的认知度和影响力。 2. 根据 GEO 产品能力、客户案例和行业趋势，提炼市场传播卖点，形成对外宣传话术、产品介绍材料、行业解决方案、案例包装、白皮书、公众号文章、销售支持资料等内容。 3. 结合汽车、家电、消费、教育、金融等行业客户需求，策划面向 B 端客户的市场推广活动，包括线上内容传播、行业沙龙、客户闭门会、销售赋能会、媒体合作等。 4. 负责 GEO 产品的内容营销体系建设，包括行业洞察、客户案例、竞品对比、技术优势包装、客户常见问题 FAQ 等，帮助销售和解决方案团队提升客户转化效率。 5. 跟进市场反馈和客户关注点，持续优化 GEO 产品的对外表达方式，协助团队把复杂的技术能力转化为客户容易理解、愿意购买的商业价值。 6. 关注 AI 搜索、生成式搜索、GEO、AEO、SEO、品牌营销、舆情监测等相关行业动态，定期输出市场分析和竞品观察，为产品定位和销售策略提供支持。 7. 与产品、技术、销售、解决方案团队紧密协作，推动 GEO 业务从产品能力、客户案例到市场传播的完整闭环。
1. 配合销售团队完成 GEO 业务的客户沟通、需求调研、方案讲解及售前支持工作。 2. 理解客户在 AI 搜索、品牌曝光、竞品分析、内容优化、舆情监测等方面的需求，并整理为可执行的项目方案。 3. 负责撰写 GEO 解决方案、客户汇报材料、项目简报、报价说明及投标相关材料。 4. 结合客户行业、竞品情况和监测数据，输出基础分析结论和优化建议。 5. 协调产品、研发、运营、交付等团队，推动项目从售前方案到落地执行。 6. 沉淀客户案例、标准方案、汇报模板和常见问题，提升售前工作效率。
团队介绍： 我们在做"AI 在金融投研全链路的落地"，面向研究员、分析师、投资经理等角色，打造生产级的AI智能体系统，为投研业务提供端到端提效能力：从行业深度研究与竞品分析、宏观经济趋势预测与情景推演、投资逻辑构建与论证、研报与投资建议生成，到数据验证与事实核查、多源信息整合与归因，形成可规模化复用的 AI投研生产力体系。岗位方向：Agent Scaffold 研发 × Agent 系统评估 × Agentic RL 模型训练聚焦金融投研场景下的智能体系统构建，将大模型的推理能力与 Agent 的工具使用、任务规划、信息检索与多步推理能力深度结合，构建投研垂类下的 Agent系统：会搜索金融数据、会调用研报API、能分析财务指标、能构建投资逻辑链、能生成可追溯的研究结论，并持续在真实投研业务中提升效果与效率。 岗位职责： 1. 聚焦金融投研全链路提效场景，负责 Agent Scaffold 架构设计与研发，覆盖深度研究、未来预测、投资逻辑构建、长文本内容创作等核心任务； 2. 构建生产级 Agent 能力：多源数据检索与整合（宏观数据、研报库、财报、新闻等）、复杂推理与规划（多步骤任务分解、工具链编排）、证据归因与可追溯引用、长任务执行与失败恢复、结果验证与自我修正等； 3. 设计并实施 Agent 系统评估体系：包括任务完成率、推理准确性、事实一致性、工具调用成功率、成本与延迟等指标，建立可量化的评测基准与持续优化机制； 4. 探索 Agentic RL 模型训练技术：通过强化学习优化 Agent 的决策策略、工具选择、任务规划能力，在数据配比、奖励设计、训练范式上探索最佳实践，推动投研任务效果显著提升； 5. 与投研、产品、工程团队紧密协作，推动 Agent 能力落地到投研产品链路中，实现可持续迭代与规模化应用。