{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "天猫校园-AI产品经理-产品部",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "天猫校园",
        "location": "杭州",
        "work_mode": "未披露",AI生成
        "job_category": "产品"AI生成
    },
    "company": {
        "company_name": "淘天集团",
        "company_industry": "电子商务",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "淘天集团的招聘业务覆盖淘宝、天猫等电商平台。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "本科",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "你将参与建设天猫校园业务场景平台AI能力，包含：企业知识平台/知识库问答，业务助手/Agent工作台，工单/客服/坐席辅助，内容与流程自动化，数据洞察与经营建议……\n一、负责AI业务平台建设与落地\n面向业务平台建设AI能力体系，制定MVP与阶段目标（试点验证→流程跑通→能力沉淀→规模推广）。\n设计平台化能力边界与产品形态：知识能力、理解与生成能力、工具/工作流能力、权限与安全、监控等。\n二、推动AI场景端到端交付\n对齐业务负责人，梳理并量化关键痛点与业务指标。组织需求澄清与用户流程设计，产出PRD、原型、验收标准与里程碑计划。\n推进从“能力验证”到“平台可复用”的工程化交付（接口/SDK/插件/工作台/能力编排等）。\n三、建立评估与上线机制，确保质量与可控\n制定AI能力评估方法与指标体系：离线评估集、在线指标、人工复核流程、异常与失败分类。\n四、跨团队协同：算法/工程/数据/安全/运维\n与技术团队共同确定路线（RAG/微调/工具调用/Agent工作流/路由等）与数据策略，共同明确系统架构落地方向：日志链路、监控告警、权限校验、审计追溯。\n与数据团队推进知识/数据接入、标注与数据质量治理的闭环。\n五、推动AI安全与合规落地\n识别常见风险：幻觉、敏感信息泄露、越权访问、提示注入、输出不当等。参与权限体系、内容安全策略、审计留存、风险处置机制建设。",
        "requirements_text": "一、产品能力\n具备0-1产品经验，能独立负责从调研、方案、PRD到交付的闭环。\n熟悉PRD/用户流程/指标体系/验收机制，能在资源有限条件下做取舍与推进落地。\n二、AI产品理解\n理解主流AI技术形态在业务平台中的适用边界：知识库RAG、工具调用、工作流/Agent等。\n能设计评估体系，并理解离线指标与在线效果差异。\n了解基础的数据与工程约束：数据质量、数据漂移、延迟与成本。\n三、跨团队协作\n能与技术团队建立高效协作机制，推动可交付事项闭环。\n沟通清晰，能把复杂需求拆成工程可实现的需求清单（接口、埋点、监控、权限等）。\n四、ToB场景经验优先\n有业务平台/中台/行业系统/知识库/客服工单/审批/企业流程等相关经验者优先；有权限控制、审计合规、数据治理相关经验者优先。\n加分项：\n有平台化产品经验（能力沉淀、复用、标准化接口、插件体系）；\n有AI上线/灰度发布/评估体系建设经验；\n参与过权限、审计、合规（数据脱敏/日志留存/访问控制）；\n有至少一个从0到1成功试点的案例。",
        "skills": [AI生成
            "数据治理",
            "审计",
            "团队协作"
        ],
        "preferred_qualifications": "四、ToB场景经验优先；有业务平台/中台/行业系统/知识库/客服工单/审批/企业流程等相关经验者优先；有权限控制、审计合规、数据治理相关经验者优先；加分项：",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://talent.taotian.com/off-campus/position-detail?positionId=100036840001"
            }
        ]
    },
    "posting": {
        "posting_id": "100036840001",
        "post_date": "2026-09-01",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent.taotian.com/off-campus/position-detail?positionId=100036840001"
    },
    "fulltext": "天猫校园-AI产品经理-产品部\n天猫校园-AI产品经理-产品部\n\n基础信息\n工作地点：杭州\n\n职位描述\n你将参与建设天猫校园业务场景平台AI能力，包含：企业知识平台/知识库问答，业务助手/Agent工作台，工单/客服/坐席辅助，内容与流程自动化，数据洞察与经营建议……\n一、负责AI业务平台建设与落地\n面向业务平台建设AI能力体系，制定MVP与阶段目标（试点验证→流程跑通→能力沉淀→规模推广）。\n设计平台化能力边界与产品形态：知识能力、理解与生成能力、工具/工作流能力、权限与安全、监控等。\n二、推动AI场景端到端交付\n对齐业务负责人，梳理并量化关键痛点与业务指标。组织需求澄清与用户流程设计，产出PRD、原型、验收标准与里程碑计划。\n推进从“能力验证”到“平台可复用”的工程化交付（接口/SDK/插件/工作台/能力编排等）。\n三、建立评估与上线机制，确保质量与可控\n制定AI能力评估方法与指标体系：离线评估集、在线指标、人工复核流程、异常与失败分类。\n四、跨团队协同：算法/工程/数据/安全/运维\n与技术团队共同确定路线（RAG/微调/工具调用/Agent工作流/路由等）与数据策略，共同明确系统架构落地方向：日志链路、监控告警、权限校验、审计追溯。\n与数据团队推进知识/数据接入、标注与数据质量治理的闭环。\n五、推动AI安全与合规落地\n识别常见风险：幻觉、敏感信息泄露、越权访问、提示注入、输出不当等。参与权限体系、内容安全策略、审计留存、风险处置机制建设。\n\n职位要求\n一、产品能力\n具备0-1产品经验，能独立负责从调研、方案、PRD到交付的闭环。\n熟悉PRD/用户流程/指标体系/验收机制，能在资源有限条件下做取舍与推进落地。\n二、AI产品理解\n理解主流AI技术形态在业务平台中的适用边界：知识库RAG、工具调用、工作流/Agent等。\n能设计评估体系，并理解离线指标与在线效果差异。\n了解基础的数据与工程约束：数据质量、数据漂移、延迟与成本。\n三、跨团队协作\n能与技术团队建立高效协作机制，推动可交付事项闭环。\n沟通清晰，能把复杂需求拆成工程可实现的需求清单（接口、埋点、监控、权限等）。\n四、ToB场景经验优先\n有业务平台/中台/行业系统/知识库/客服工单/审批/企业流程等相关经验者优先；有权限控制、审计合规、数据治理相关经验者优先。\n加分项：\n有平台化产品经验（能力沉淀、复用、标准化接口、插件体系）；\n有AI上线/灰度发布/评估体系建设经验；\n参与过权限、审计、合规（数据脱敏/日志留存/访问控制）；\n有至少一个从0到1成功试点的案例。\n你将参与建设天猫校园业务场景平台AI能力，包含：企业知识平台/知识库问答，业务助手/Agent工作台，工单/客服/坐席辅助，内容与流程自动化，数据洞察与经营建议……\n一、负责AI业务平台建设与落地\n面向业务平台建设AI能力体系，制定MVP与阶段目标（试点验证→流程跑通→能力沉淀→规模推广）。\n设计平台化能力边界与产品形态：知识能力、理解与生成能力、工具/工作流能力、权限与安全、监控等。\n二、推动AI场景端到端交付\n对齐业务负责人，梳理并量化关键痛点与业务指标。组织需求澄清与用户流程设计，产出PRD、原型、验收标准与里程碑计划。\n推进从“能力验证”到“平台可复用”的工程化交付（接口/SDK/插件/工作台/能力编排等）。\n三、建立评估与上线机制，确保质量与可控\n制定AI能力评估方法与指标体系：离线评估集、在线指标、人工复核流程、异常与失败分类。\n四、跨团队协同：算法/工程/数据/安全/运维\n与技术团队共同确定路线（RAG/微调/工具调用/Agent工作流/路由等）与数据策略，共同明确系统架构落地方向：日志链路、监控告警、权限校验、审计追溯。\n与数据团队推进知识/数据接入、标注与数据质量治理的闭环。\n五、推动AI安全与合规落地\n识别常见风险：幻觉、敏感信息泄露、越权访问、提示注入、输出不当等。参与权限体系、内容安全策略、审计留存、风险处置机制建设。\n一、产品能力\n具备0-1产品经验，能独立负责从调研、方案、PRD到交付的闭环。\n熟悉PRD/用户流程/指标体系/验收机制，能在资源有限条件下做取舍与推进落地。\n二、AI产品理解\n理解主流AI技术形态在业务平台中的适用边界：知识库RAG、工具调用、工作流/Agent等。\n能设计评估体系，并理解离线指标与在线效果差异。\n了解基础的数据与工程约束：数据质量、数据漂移、延迟与成本。\n三、跨团队协作\n能与技术团队建立高效协作机制，推动可交付事项闭环。\n沟通清晰，能把复杂需求拆成工程可实现的需求清单（接口、埋点、监控、权限等）。\n四、ToB场景经验优先\n有业务平台/中台/行业系统/知识库/客服工单/审批/企业流程等相关经验者优先；有权限控制、审计合规、数据治理相关经验者优先。\n加分项：\n有平台化产品经验（能力沉淀、复用、标准化接口、插件体系）；\n有AI上线/灰度发布/评估体系建设经验；\n参与过权限、审计、合规（数据脱敏/日志留存/访问控制）；\n有至少一个从0到1成功试点的案例。",
    "standard_classification": {
        "std_category_code": "PM002",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}