主分类：AI 应用产品经理（非 Agent）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "千问办公-AI产品经理-搜问",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "产品类-平台型"AI生成
},
"company": {
"company_name": "钉钉",
"company_industry": "企业服务 / 协同办公",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "钉钉提供企业沟通、协同办公和组织数字化工具。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "你将主导 AI 搜问团队的产品定义与落地，用大模型重新定义企业知识的获取、组织与消费方式，推动 AI 搜问从知识问答产品演进为面向人和 Agent 的企业上下文平台。\n1、负责 AI 搜问核心产品建设\n负责 AI 搜问产品的研究、设计与落地，聚焦 IM 消息、文档知识库、企业应用等复杂数据场景下的自然语言问答与知识检索，对 Retrieval 效果、回答质量、用户体验与业务结果负责。\n2、推动 AI 搜问核心链路持续优化\n主导知识处理、检索召回、排序、Context 构建、答案生成等核心链路的产品定义，与算法、工程团队紧密协同，将模糊业务目标转化为清晰产品方案和可量化指标，持续推动效果优化。\n3、探索 AI 时代企业知识智能化能力\n围绕 AI 时代用户获取和使用企业知识的新方式，规划知识理解、检索增强、智能问答及智能应用相关能力建设，推动搜问产品形态演进，为用户和企业场景提供更准确、更高效的知识服务。\n4、深入企业场景，打造规模化产品能力\n深入理解企业客户和真实业务场景，从会议、项目协作、客户服务、业务决策等需求中抽象共性能力，形成可复用的平台能力和行业解决方案，避免单点定制。\n5、建立 AI 产品效果评测与迭代闭环\n通过线上数据、用户反馈、客户共创和 Bad Case 分析，建立 Retrieval、Answer、Citation、用户信任等评测体系，形成“评测—归因—优化—验证”的持续迭代机制。\n6、推动复杂项目落地\n负责跨算法、工程、设计、业务团队协作，拆解 Roadmap，明确 MVP 和里程碑，管理依赖和风险，在高度不确定的 AI 产品环境中快速验证方向并推动结果落地。",
"requirements_text": "1、本科及以上学历，3年以上产品经验，有搜索、问答、知识管理、Agent 或大模型应用方向产品经验优先。\n2、对 LLM、RAG、Search / Retrieval、排序、Agent、MCP、Skills、Memory、Context Engineering 等技术有较好理解，能够与算法和工程团队深入讨论技术方案和取舍。\n3、AI Native 且 hands-on（这是我们最看重的能力）：深度使用主流 AI 产品和 AI Coding 工具，能够通过 Prompt、API、MCP、简单脚本或 Prototype 快速验证产品假设，而不是仅依赖研发完成产品探索。\n4、具备较强的数据敏感度和效果意识，能够定义 AI 产品指标和评测体系；有搜索/推荐效果优化、RAG 优化、大模型评测经验优先。\n5、具备较强的产品抽象和问题拆解能力，能够从复杂企业需求中识别核心问题，并判断哪些能力应该沉淀为平台能力。\n6、具备优秀的执行力、项目管理和跨团队推动能力，能够在不确定环境中快速定义方向、推动协作并拿到结果。\n7、具备强烈的技术好奇心和自驱学习能力，持续关注 AI 前沿技术和产品趋势，并能够将技术变化转化为产品机会。\n加分项\n有 Enterprise Search、知识库、RAG、Agent 平台相关经验；\n有 MCP、Skill、Agent、AI Coding 实践经验；\n有 Eval 体系、Benchmark 或 Bad Case 分析体系建设经验；\n有大型企业 ToB 产品或复杂项目落地经验；\n有可验证的 AI 产品、个人项目或开源作品。\n我们希望你不仅能把今天的 AI 搜问做好，更能参与定义未来企业的知识基础设施：\n在 AI 时代，企业如何组织、理解和提供 Context，让每一个人和 Agent 都能获得正确、可信且有权限的信息。",
"skills": [AI生成
"项目管理",
"学习能力",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "1、本科及以上学历，3年以上产品经验，有搜索、问答、知识管理、Agent 或大模型应用方向产品经验优先；有搜索/推荐效果优化、RAG 优化、大模型评测经验优先；加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.dingtalk.com/off-campus/position-detail?positionId=100033600003"
}
]
},
"posting": {
"posting_id": "100033600003",
"post_date": "2026-08-25",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.dingtalk.com/off-campus/position-detail?positionId=100033600003"
},
"fulltext": "千问办公-AI产品经理-搜问\n千问办公-AI产品经理-搜问\n\n基础信息\n职位类别：产品类-平台型\n工作地点：杭州\n\n职位描述\n你将主导 AI 搜问团队的产品定义与落地，用大模型重新定义企业知识的获取、组织与消费方式，推动 AI 搜问从知识问答产品演进为面向人和 Agent 的企业上下文平台。\n1、负责 AI 搜问核心产品建设\n负责 AI 搜问产品的研究、设计与落地，聚焦 IM 消息、文档知识库、企业应用等复杂数据场景下的自然语言问答与知识检索，对 Retrieval 效果、回答质量、用户体验与业务结果负责。\n2、推动 AI 搜问核心链路持续优化\n主导知识处理、检索召回、排序、Context 构建、答案生成等核心链路的产品定义，与算法、工程团队紧密协同，将模糊业务目标转化为清晰产品方案和可量化指标，持续推动效果优化。\n3、探索 AI 时代企业知识智能化能力\n围绕 AI 时代用户获取和使用企业知识的新方式，规划知识理解、检索增强、智能问答及智能应用相关能力建设，推动搜问产品形态演进，为用户和企业场景提供更准确、更高效的知识服务。\n4、深入企业场景，打造规模化产品能力\n深入理解企业客户和真实业务场景，从会议、项目协作、客户服务、业务决策等需求中抽象共性能力，形成可复用的平台能力和行业解决方案，避免单点定制。\n5、建立 AI 产品效果评测与迭代闭环\n通过线上数据、用户反馈、客户共创和 Bad Case 分析，建立 Retrieval、Answer、Citation、用户信任等评测体系，形成“评测—归因—优化—验证”的持续迭代机制。\n6、推动复杂项目落地\n负责跨算法、工程、设计、业务团队协作，拆解 Roadmap，明确 MVP 和里程碑，管理依赖和风险，在高度不确定的 AI 产品环境中快速验证方向并推动结果落地。\n\n职位要求\n1、本科及以上学历，3年以上产品经验，有搜索、问答、知识管理、Agent 或大模型应用方向产品经验优先。\n2、对 LLM、RAG、Search / Retrieval、排序、Agent、MCP、Skills、Memory、Context Engineering 等技术有较好理解，能够与算法和工程团队深入讨论技术方案和取舍。\n3、AI Native 且 hands-on（这是我们最看重的能力）：深度使用主流 AI 产品和 AI Coding 工具，能够通过 Prompt、API、MCP、简单脚本或 Prototype 快速验证产品假设，而不是仅依赖研发完成产品探索。\n4、具备较强的数据敏感度和效果意识，能够定义 AI 产品指标和评测体系；有搜索/推荐效果优化、RAG 优化、大模型评测经验优先。\n5、具备较强的产品抽象和问题拆解能力，能够从复杂企业需求中识别核心问题，并判断哪些能力应该沉淀为平台能力。\n6、具备优秀的执行力、项目管理和跨团队推动能力，能够在不确定环境中快速定义方向、推动协作并拿到结果。\n7、具备强烈的技术好奇心和自驱学习能力，持续关注 AI 前沿技术和产品趋势，并能够将技术变化转化为产品机会。\n加分项\n有 Enterprise Search、知识库、RAG、Agent 平台相关经验；\n有 MCP、Skill、Agent、AI Coding 实践经验；\n有 Eval 体系、Benchmark 或 Bad Case 分析体系建设经验；\n有大型企业 ToB 产品或复杂项目落地经验；\n有可验证的 AI 产品、个人项目或开源作品。\n我们希望你不仅能把今天的 AI 搜问做好，更能参与定义未来企业的知识基础设施：\n在 AI 时代，企业如何组织、理解和提供 Context，让每一个人和 Agent 都能获得正确、可信且有权限的信息。\n你将主导 AI 搜问团队的产品定义与落地，用大模型重新定义企业知识的获取、组织与消费方式，推动 AI 搜问从知识问答产品演进为面向人和 Agent 的企业上下文平台。\n1、负责 AI 搜问核心产品建设\n负责 AI 搜问产品的研究、设计与落地，聚焦 IM 消息、文档知识库、企业应用等复杂数据场景下的自然语言问答与知识检索，对 Retrieval 效果、回答质量、用户体验与业务结果负责。\n2、推动 AI 搜问核心链路持续优化\n主导知识处理、检索召回、排序、Context 构建、答案生成等核心链路的产品定义，与算法、工程团队紧密协同，将模糊业务目标转化为清晰产品方案和可量化指标，持续推动效果优化。\n3、探索 AI 时代企业知识智能化能力\n围绕 AI 时代用户获取和使用企业知识的新方式，规划知识理解、检索增强、智能问答及智能应用相关能力建设，推动搜问产品形态演进，为用户和企业场景提供更准确、更高效的知识服务。\n4、深入企业场景，打造规模化产品能力\n深入理解企业客户和真实业务场景，从会议、项目协作、客户服务、业务决策等需求中抽象共性能力，形成可复用的平台能力和行业解决方案，避免单点定制。\n5、建立 AI 产品效果评测与迭代闭环\n通过线上数据、用户反馈、客户共创和 Bad Case 分析，建立 Retrieval、Answer、Citation、用户信任等评测体系，形成“评测—归因—优化—验证”的持续迭代机制。\n6、推动复杂项目落地\n负责跨算法、工程、设计、业务团队协作，拆解 Roadmap，明确 MVP 和里程碑，管理依赖和风险，在高度不确定的 AI 产品环境中快速验证方向并推动结果落地。\n1、本科及以上学历，3年以上产品经验，有搜索、问答、知识管理、Agent 或大模型应用方向产品经验优先。\n2、对 LLM、RAG、Search / Retrieval、排序、Agent、MCP、Skills、Memory、Context Engineering 等技术有较好理解，能够与算法和工程团队深入讨论技术方案和取舍。\n3、AI Native 且 hands-on（这是我们最看重的能力）：深度使用主流 AI 产品和 AI Coding 工具，能够通过 Prompt、API、MCP、简单脚本或 Prototype 快速验证产品假设，而不是仅依赖研发完成产品探索。\n4、具备较强的数据敏感度和效果意识，能够定义 AI 产品指标和评测体系；有搜索/推荐效果优化、RAG 优化、大模型评测经验优先。\n5、具备较强的产品抽象和问题拆解能力，能够从复杂企业需求中识别核心问题，并判断哪些能力应该沉淀为平台能力。\n6、具备优秀的执行力、项目管理和跨团队推动能力，能够在不确定环境中快速定义方向、推动协作并拿到结果。\n7、具备强烈的技术好奇心和自驱学习能力，持续关注 AI 前沿技术和产品趋势，并能够将技术变化转化为产品机会。\n加分项\n有 Enterprise Search、知识库、RAG、Agent 平台相关经验；\n有 MCP、Skill、Agent、AI Coding 实践经验；\n有 Eval 体系、Benchmark 或 Bad Case 分析体系建设经验；\n有大型企业 ToB 产品或复杂项目落地经验；\n有可验证的 AI 产品、个人项目或开源作品。\n我们希望你不仅能把今天的 AI 搜问做好，更能参与定义未来企业的知识基础设施：\n在 AI 时代，企业如何组织、理解和提供 Context，让每一个人和 Agent 都能获得正确、可信且有权限的信息。",
"standard_classification": {
"std_category_code": "PM002",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}