{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "FDE（企业级AI应用交付工程师）",
        "job_level": "高级",AI生成
        "work_category": "全职",AI生成
        "department": "",
        "location": "广州·海珠区·琶洲",
        "work_mode": "现场办公",AI生成
        "job_category": "FDE应用开发工程师"AI生成
    },
    "company": {
        "company_name": "彩讯股份",
        "company_industry": "互联网",
        "company_size": "1000-9999人",
        "company_website": "",
        "company_description": "彩讯股份(证券代码:300634)创始于2004年，是国家高新技术企业，国家鼓励的重点软件企业，全国设有北京、广州、深圳、杭州、成都五大研发中心，目前已成功为1600多家行业客户提供数智化综合解决方案，业务澧盖电信、金础、能源等多行业的大中型央国企，致力于成为一流的智能数字化专家，"
    },
    "compensation": {
        "salary_range": {
            "min": 18000,
            "max": 35000,
            "currency": "元",
            "cycle": "月"
        },
        "benefits": "加班调休 | 生子礼金 | 股票期权 | 带薪年假 | 节日福利 | 五险一金 | 结婚礼金 | 定期体检 | 零食下午茶"
    },
    "requirements": {
        "working_years": 5,
        "degree": "本科",
        "language": "中文",AI生成
        "visa_support": "",
        "responsibilities": "Agent开发\n政企项目\n大模型解决方案工程师\n私有化落地\nLLM交付\nPython\n依托彩讯AIBox Nexus平台及Agent产品，面向金融、运营商、能源等大型企业，负责高价值AI场景识别、⽅案设计、系统构建、⽣产部署与持续迭代，推动AI Agent从演⽰原型走向可衡量、可运营、可复制的生产应⽤。\n本岗位需高频出差（预计30%-50%），深度嵌入客户现场，与客户业务、IT、安全、合规团队协同办公，在客户真实环境中完成从原型到生产的全链路交付。\n围绕大B客户AI项目精准落地、风险可控、价值闭环、持续迭代核心目标，覆盖需求洞察、方案架构、可行性研判、风险治理、数据飞轮搭建、落地交付、资源评估全流程工作：\n1.行业场景与业务架构设计：深耕金融、运营商、能源等行业大B场景，精准甄别高价值AI落地场景，杜绝无效AI建设。结合客户业务流程、数据及合规要求，定制AI Agent业务架构与改造方案，保障AI贴合真实业务。\n2.AI落地可行性研判与路径规划：掌握大模型与AI Agent能力边界，清晰识别技术适配场景与落地短板。结合大B客户私有化、合规、算力现状，输出定制化落地路径，替代通用化方案，解决落地不适配问题。\n3.大模型风险管控与ROI治理：识别大模型幻觉、不稳定、泛化弱等固有问题，评估业务影响。通过技术与流程管控手段约束落地风险，量化业务收益，确保项目效果可控、ROI达标。\n4.Agent数据飞轮与迭代闭环建设：基于公司Agent平台构建客户数据迭代体系。打通数据观测、反馈、优化全链路，建立Eval-driven评估机制，定义业务级效果指标并设计A/B测试与回归测试方案，实现Agent持续进化，解决项目上线后停滞退化问题。\n5.标准化交付文档与质量保障：输出规范化Agent项目PRD与合规标准，搭建完整测试用例体系。指导团队标准化实施，规范交付过程，保障大B项目工程质量与顺利验收。\n6.场景MVP/DEMO快速验证：针对客户模糊、创新场景，快速完成DEMO与MVP开发验证。快速校验技术可行性与场景适配性，降低试错成本，加速项目立项与规模化落地。\n7.客户需求对齐与共识管理：独立对接客户CIO/业务/安全/合规多层级团队，梳理并校准AI转型需求与落地预期。统筹需求、指标、验收全流程共识，减少需求变更，保障项目平稳推进。\n8.资源评估与落地保障：根据大B私有化、高合规要求，统筹评估算力、软硬件、人力等落地资源。输出合理资源配置方案，规避落地卡点，保障项目稳定部署与长期运行。\n9.AI系统评测与可观测性建设：构建AI系统评估体系（Evaluation Framework）与可观测性框架（Observability），持续监控Agent在生产环境中的准确性、安全性、延迟与稳定性，确保系统从\"上线\"到\"可用\"的跨越。\n10.产品反馈与能力沉淀：将客户现场交付经验抽象为可复用的部署模式、工具组件与最佳实践Playbook，反向驱动AIBox平台产品能力升级；定期向产品研发团队输出模型效果反馈与功能改进建议，实现\"吸收痛苦-沉淀能力-平台进化\"的闭环。",
        "requirements_text": "1.学历要求：本科及以上学历、211/985优先，计算机/软件/数学/通信等相关专业。\n2. 基础素质要求\n（1）沟通能力：具备对客户、对团队双向沟通能力，能够将客户的模糊需求转化成清晰的执行路径、行动路线再传递给团队；\n（2）学习能力：具备及时跟进AI前沿技术、产品、研究方向的能力；\n（3）执行能力：对落地交付具有责任心、能推动项目从需求到交付全流程；\n（4）抗压与模糊决策能力：能够在需求模糊、环境复杂、资源受限的条件下快速做出技术决策，具备在高压下平衡范围、速度和质量的能力，对不确定性保持高度容忍。\n3. AI落地能力要求\n（1）工程技术基础：熟悉Python、C++、Java至少一门开发语言，具备工程实践经验；熟悉前端开发（React/Vue等）与云原生部署（Docker/K8s）者优先，具备独立搭建从UI到模型调用到数据库的完整原型能力。\n（2）AI核心框架认知：熟悉LLM基础理论、技术特性与能力边界，熟悉主流AI Agent平台架构、工作机制、搭建逻辑与行业落地框架，深刻理解国内企业级AI Agent的落地形态与轻量化、私有化部署要求。熟练掌握LLM应用开发框架（如LangChain/LangGraph、LlamaIndex），掌握RAG架构设计与优化、Prompt Engineering、模型微调（Fine-tuning）与评估方法；了解MCP协议、Agent工具调用（Tool-calling）及多智能体协同机制。\n（3）场景化方案选型能力：清晰认知AI Agent在大B行业项目中的能力边界与落地局限，可结合客户数据基础、业务规模、合规要求、预算ROI，摒弃通用化方案，选择最优的Agent搭建、模型调用、数据处理、迭代优化实施方案；\n（4）AI Native交付体系能力：深度理解企业级AI原生交付逻辑，熟练掌握大B项目AI落地全流程工作框架，涵盖需求共识、价值指标定义、业务架构设计、代码开发、全维度测试、客户验收、持续迭代等核心环节，具备标准化、体系化的AI项目落地交付思维。\n（5）评测与可观测性能力：具备构建AI系统评估体系（Evaluation Framework）与可观测性框架（Observability）的能力，能够定义业务级效果指标，设计A/B测试与回归测试方案，确保Agent系统在生产环境中的准确性、安全性与延迟达标。\n（6）数据工程能力：具备企业数据集成与处理能力，熟悉ETL/ELT流程、数据清洗、特征工程及向量数据库（如Milvus、Weaviate、PGVector）的使用，能够解决大B客户\"数据就绪\"这一核心落地瓶颈。\n（7）产品反哺与Playbook沉淀能力：具备将一线交付经验抽象为可复用模式、工具组件与最佳实践的能力，能够反向驱动平台产品能力升级，将客户痛点转化为产品路线图输入。\n4. 工作经验要求：具备金融、能源、运营商等行业大型项目的交付工作经历，并在里面承担产品经理或架构设计或技术型项目经理岗位。有AI Agent/MCP/多智能体系统实际落地经验者优先；有开源社区贡献或技术博客沉淀者优先。\n【岗位核心价值】\n解决当前国内大B企业AI落地普遍存在的重技术、轻场景，重上线、轻迭代，重投入、轻价值的行业痛点，依托公司AIBox Nexus平台及产品，实现AI技术与企业业务的深度耦合，让AI Agent从\"演示级原型\"转变为\"生产级可落地、可增值\"的企业核心生产力。\n本岗位以\"客户生产采纳率、可衡量的工作流效率提升、ROI达成率\"为核心成功指标。",
        "skills": [AI生成
            "业务理解与场景抽象",
            "产品战略与路线图",
            "PRD与原型设计",
            "产品迭代管理",
            "大模型原理与能力边界",
            "Agent系统构建",
            "Prompt工程",
            "RAG与检索增强",
            "Workflow与任务编排",
            "工具调用/MCP",
            "模型微调与对齐",
            "模型/Agent评测体系",
            "数据工程与数据管道",
            "训练数据/标注/合成",
            "实验设计与A/B测试",
            "解决方案架构设计",
            "客户需求洞察与澄清",
            "技术可行性与系统架构",
            "驻场与客户现场共创",
            "部署上线与环境配置",
            "实施交付与验收",
            "培训与交付文档",
            "编程与代码实现",
            "前后端/全栈开发",
            "数据库/缓存/向量库",
            "AI数据安全与合规治理",
            "经营分析与转化漏斗",
            "沟通表达与方案汇报",
            "项目推动与执行闭环",
            "快速学习与自驱",
            "结果导向与Ownership",
            "政务/公共事业知识",
            "软件测试与质量工程"
        ],
        "preferred_qualifications": "",
        "job_highlights": "5-10年 | 本科"
    },
    "contact": {
        "recruiter_name": "欧阳女士",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/2ba6ef9d713657f80nJ-3NW6FlFW.html"
            }
        ]
    },
    "posting": {
        "posting_id": "2ba6ef9d713657f80nJ-3NW6FlFW",
        "post_date": "",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://www.zhipin.com/job_detail/2ba6ef9d713657f80nJ-3NW6FlFW.html"
    },
    "fulltext": "Agent开发\n政企项目\n大模型解决方案工程师\n私有化落地\nLLM交付\nPython\n依托彩讯AIBox Nexus平台及Agent产品，面向金融、运营商、能源等大型企业，负责高价值AI场景识别、⽅案设计、系统构建、⽣产部署与持续迭代，推动AI Agent从演⽰原型走向可衡量、可运营、可复制的生产应⽤。\n本岗位需高频出差（预计30%-50%），深度嵌入客户现场，与客户业务、IT、安全、合规团队协同办公，在客户真实环境中完成从原型到生产的全链路交付。\n【岗位职责】\n围绕大B客户AI项目精准落地、风险可控、价值闭环、持续迭代核心目标，覆盖需求洞察、方案架构、可行性研判、风险治理、数据飞轮搭建、落地交付、资源评估全流程工作：\n1.行业场景与业务架构设计：深耕金融、运营商、能源等行业大B场景，精准甄别高价值AI落地场景，杜绝无效AI建设。结合客户业务流程、数据及合规要求，定制AI Agent业务架构与改造方案，保障AI贴合真实业务。\n2.AI落地可行性研判与路径规划：掌握大模型与AI Agent能力边界，清晰识别技术适配场景与落地短板。结合大B客户私有化、合规、算力现状，输出定制化落地路径，替代通用化方案，解决落地不适配问题。\n3.大模型风险管控与ROI治理：识别大模型幻觉、不稳定、泛化弱等固有问题，评估业务影响。通过技术与流程管控手段约束落地风险，量化业务收益，确保项目效果可控、ROI达标。\n4.Agent数据飞轮与迭代闭环建设：基于公司Agent平台构建客户数据迭代体系。打通数据观测、反馈、优化全链路，建立Eval-driven评估机制，定义业务级效果指标并设计A/B测试与回归测试方案，实现Agent持续进化，解决项目上线后停滞退化问题。\n5.标准化交付文档与质量保障：输出规范化Agent项目PRD与合规标准，搭建完整测试用例体系。指导团队标准化实施，规范交付过程，保障大B项目工程质量与顺利验收。\n6.场景MVP/DEMO快速验证：针对客户模糊、创新场景，快速完成DEMO与MVP开发验证。快速校验技术可行性与场景适配性，降低试错成本，加速项目立项与规模化落地。\n7.客户需求对齐与共识管理：独立对接客户CIO/业务/安全/合规多层级团队，梳理并校准AI转型需求与落地预期。统筹需求、指标、验收全流程共识，减少需求变更，保障项目平稳推进。\n8.资源评估与落地保障：根据大B私有化、高合规要求，统筹评估算力、软硬件、人力等落地资源。输出合理资源配置方案，规避落地卡点，保障项目稳定部署与长期运行。\n9.AI系统评测与可观测性建设：构建AI系统评估体系（Evaluation Framework）与可观测性框架（Observability），持续监控Agent在生产环境中的准确性、安全性、延迟与稳定性，确保系统从\"上线\"到\"可用\"的跨越。\n10.产品反馈与能力沉淀：将客户现场交付经验抽象为可复用的部署模式、工具组件与最佳实践Playbook，反向驱动AIBox平台产品能力升级；定期向产品研发团队输出模型效果反馈与功能改进建议，实现\"吸收痛苦-沉淀能力-平台进化\"的闭环。\n【岗位要求】\n1.学历要求：本科及以上学历、211/985优先，计算机/软件/数学/通信等相关专业。\n2. 基础素质要求\n（1）沟通能力：具备对客户、对团队双向沟通能力，能够将客户的模糊需求转化成清晰的执行路径、行动路线再传递给团队；\n（2）学习能力：具备及时跟进AI前沿技术、产品、研究方向的能力；\n（3）执行能力：对落地交付具有责任心、能推动项目从需求到交付全流程；\n（4）抗压与模糊决策能力：能够在需求模糊、环境复杂、资源受限的条件下快速做出技术决策，具备在高压下平衡范围、速度和质量的能力，对不确定性保持高度容忍。\n3. AI落地能力要求\n（1）工程技术基础：熟悉Python、C++、Java至少一门开发语言，具备工程实践经验；熟悉前端开发（React/Vue等）与云原生部署（Docker/K8s）者优先，具备独立搭建从UI到模型调用到数据库的完整原型能力。\n（2）AI核心框架认知：熟悉LLM基础理论、技术特性与能力边界，熟悉主流AI Agent平台架构、工作机制、搭建逻辑与行业落地框架，深刻理解国内企业级AI Agent的落地形态与轻量化、私有化部署要求。熟练掌握LLM应用开发框架（如LangChain/LangGraph、LlamaIndex），掌握RAG架构设计与优化、Prompt Engineering、模型微调（Fine-tuning）与评估方法；了解MCP协议、Agent工具调用（Tool-calling）及多智能体协同机制。\n（3）场景化方案选型能力：清晰认知AI Agent在大B行业项目中的能力边界与落地局限，可结合客户数据基础、业务规模、合规要求、预算ROI，摒弃通用化方案，选择最优的Agent搭建、模型调用、数据处理、迭代优化实施方案；\n（4）AI Native交付体系能力：深度理解企业级AI原生交付逻辑，熟练掌握大B项目AI落地全流程工作框架，涵盖需求共识、价值指标定义、业务架构设计、代码开发、全维度测试、客户验收、持续迭代等核心环节，具备标准化、体系化的AI项目落地交付思维。\n（5）评测与可观测性能力：具备构建AI系统评估体系（Evaluation Framework）与可观测性框架（Observability）的能力，能够定义业务级效果指标，设计A/B测试与回归测试方案，确保Agent系统在生产环境中的准确性、安全性与延迟达标。\n（6）数据工程能力：具备企业数据集成与处理能力，熟悉ETL/ELT流程、数据清洗、特征工程及向量数据库（如Milvus、Weaviate、PGVector）的使用，能够解决大B客户\"数据就绪\"这一核心落地瓶颈。\n（7）产品反哺与Playbook沉淀能力：具备将一线交付经验抽象为可复用模式、工具组件与最佳实践的能力，能够反向驱动平台产品能力升级，将客户痛点转化为产品路线图输入。\n4. 工作经验要求：具备金融、能源、运营商等行业大型项目的交付工作经历，并在里面承担产品经理或架构设计或技术型项目经理岗位。有AI Agent/MCP/多智能体系统实际落地经验者优先；有开源社区贡献或技术博客沉淀者优先。\n【岗位核心价值】\n解决当前国内大B企业AI落地普遍存在的重技术、轻场景，重上线、轻迭代，重投入、轻价值的行业痛点，依托公司AIBox Nexus平台及产品，实现AI技术与企业业务的深度耦合，让AI Agent从\"演示级原型\"转变为\"生产级可落地、可增值\"的企业核心生产力。\n本岗位以\"客户生产采纳率、可衡量的工作流效率提升、ROI达成率\"为核心成功指标。"
}