主分类：Agent 产品经理
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": "Agent产品经理（B端）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "核心本地商业-美团平台",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "产品类"AI生成
},
"company": {
"company_name": "美团",
"company_industry": "科技零售 / 生活服务",
"company_size": "10000人以上",
"company_website": "meituan.com",
"company_description": "美团通过科技推动服务零售和商品零售的数字化，连接消费者与商户。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 2,
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "【岗位定位】\n\nBA Agent 是面向美团 B 端业务的 AI 驱动策略引擎，定位为将资源分配、策略制定等高价值业务场景自动化的智能产品。该岗位需要你既理解 AI Agent 的技术边界，又深谙 B 端业务策略场景的运转逻辑——用产品能力把两者连接起来。\n\n【岗位职责】\n\n1. 产品设计与交付\n\n-设计 Agent 任务流程、交互体验与产出物标准，确保复杂策略场景的可用性和可靠性\n-定义 Skill（能力单元）的标准化封装方案，推动能力资产沉淀和跨场景复用\n-主导策略 AB 实验流程的产品化设计——从策略生成、方案对比到效果归因的全链路闭环\n-以原型驱动而非 PRD 驱动，快速验证产品假设（交付周期从 3 个月压缩到 1 周）\n-识别高价值业务场景（资源分配、补贴策略、预算管理等），设计 Agent 介入方案并推动落地\n-基于B 端业务场景，定义 Agent 能力边界和用户交互模式，确保用户理解清晰\n\n2. 用户增长与商业化\n\n-推动 Agent 在 B 端业务线的场景覆盖和用户渗透\n-设计用户运营体系，构建从\"工具使用\"到\"策略依赖\"的用户心智转化路径\n-定义增量收入衡量标准，量化 Agent 为业务带来的决策效率提升和资源优化价值\n\n3. 数据驱动与飞轮构建\n\n-建立用户 Trace 收集与反馈机制，将线上交互轨迹转化为能力资产。构建业务 know-how 的结构化沉淀 + 用户交互 Trace 的飞轮\n-设计场景包迭代闭环：Trace 采集 → 质量评估 → 能力沉淀 → 场景扩展\n-用数据指标（而非直觉）驱动产品优先级决策\n\n4. 可解释性与决策透明度\n\n-设计 Agent 决策过程的可解释性方案——用户不仅看到策略结论，还能理解 Agent「为什么这样决策」的推理路径\n-定义策略产出物的溯源标准：每个结论必须可追溯到数据来源、推理依据和置信度，让业务方敢用、敢信\n-设计分层透明度机制：面向不同角色（策略运营 / 业务负责人 / 技术团队）提供不同粒度的决策解释，避免信息过载或信息不足\n-将可解释性作为产品竞争力——B 端策略场景中，「能解释清楚为什么」比「算得更准」更决定用户信任和续用意愿",
"requirements_text": "【必备能力】\n\nProduct Taste：能定义出\"最优雅的方案\"——不是功能堆叠，而是在 AI 能力和业务约束之间找到最优解。这是最核心、最稀缺的能力\nAI 产品理解：深度理解大模型能力边界、Agent 架构（Tool Calling / RAG / 多 Agent 编排 / MCP 协议等），能为\"6 个月后的模型能力\"做产品设计\nB 端业务理解：理解 B 端策略场景的业务逻辑（资源分配、预算管理、补贴策略等），能将业务 know-how 结构化为 Agent 可执行的任务\n原型能力：能快速搭建产品原型或 Demo 验证想法，不依赖\"写 PRD 等排期\"的传统路径\n数据分析：具备从用户行为数据中提取洞察的能力，能设计评测基准衡量 Agent 产出质量\n可解释性设计：能设计 Agent 决策过程的透明化方案——推理链路可视化、策略依据溯源、置信度分级展示。理解「用户信任 = 可解释性 × 准确性」，在 B 端场景中这是决定产品能否被真正采纳的关键\n跨团队影响力：能驱动算法、工程、业务三方协同，在模糊地带建立共识并推进决策\n\n【经验要求】\n\n-2年以上互联网产品经验，其中至少 2 年 B 端或 AI 产品经验\n-有从 0 到 1 产品建设经验，有完整的\"定义 → 设计 → 落地 → 增长\"周期\n-有策略、运营、数据分析相关背景者加分\n-是Claude Code/Codex等Coding Agent产品的深度用户，可以独立完成Demo搭建到场景poc验证。",
"skills": [AI生成
"数据分析",
"预算管理",
"产品设计",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "有策略、运营、数据分析相关背景者加分",
"job_highlights": "-前沿场景：在美团 B 端业务千亿级别业务场景中直接探索 AI Agent 的生产力边界，不是做 Demo 而是做真实业务闭环\n-端到端 Ownership：从产品定义到用户增长到商业化，完整的产品主人感\n-技术深度：与算法和工程团队紧密协作，深度参与 Agent 技术演进"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4647493132&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4647493132",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4647493132&jobShareType=1"
},
"fulltext": "Agent产品经理（B端）\nAgent产品经理（B端）\n\n基础信息\n工作地点：北京市\n部门：核心本地商业-美团平台\n职位类别：产品类\n职位族群：产品\n更新时间：2026-09-16\n\n岗位职责\n【岗位定位】\n\nBA Agent 是面向美团 B 端业务的 AI 驱动策略引擎，定位为将资源分配、策略制定等高价值业务场景自动化的智能产品。该岗位需要你既理解 AI Agent 的技术边界，又深谙 B 端业务策略场景的运转逻辑——用产品能力把两者连接起来。\n\n【岗位职责】\n\n1. 产品设计与交付\n\n-设计 Agent 任务流程、交互体验与产出物标准，确保复杂策略场景的可用性和可靠性\n-定义 Skill（能力单元）的标准化封装方案，推动能力资产沉淀和跨场景复用\n-主导策略 AB 实验流程的产品化设计——从策略生成、方案对比到效果归因的全链路闭环\n-以原型驱动而非 PRD 驱动，快速验证产品假设（交付周期从 3 个月压缩到 1 周）\n-识别高价值业务场景（资源分配、补贴策略、预算管理等），设计 Agent 介入方案并推动落地\n-基于B 端业务场景，定义 Agent 能力边界和用户交互模式，确保用户理解清晰\n\n2. 用户增长与商业化\n\n-推动 Agent 在 B 端业务线的场景覆盖和用户渗透\n-设计用户运营体系，构建从\"工具使用\"到\"策略依赖\"的用户心智转化路径\n-定义增量收入衡量标准，量化 Agent 为业务带来的决策效率提升和资源优化价值\n\n3. 数据驱动与飞轮构建\n\n-建立用户 Trace 收集与反馈机制，将线上交互轨迹转化为能力资产。构建业务 know-how 的结构化沉淀 + 用户交互 Trace 的飞轮\n-设计场景包迭代闭环：Trace 采集 → 质量评估 → 能力沉淀 → 场景扩展\n-用数据指标（而非直觉）驱动产品优先级决策\n\n4. 可解释性与决策透明度\n\n-设计 Agent 决策过程的可解释性方案——用户不仅看到策略结论，还能理解 Agent「为什么这样决策」的推理路径\n-定义策略产出物的溯源标准：每个结论必须可追溯到数据来源、推理依据和置信度，让业务方敢用、敢信\n-设计分层透明度机制：面向不同角色（策略运营 / 业务负责人 / 技术团队）提供不同粒度的决策解释，避免信息过载或信息不足\n-将可解释性作为产品竞争力——B 端策略场景中，「能解释清楚为什么」比「算得更准」更决定用户信任和续用意愿\n\n岗位基本要求\n【必备能力】\n\nProduct Taste：能定义出\"最优雅的方案\"——不是功能堆叠，而是在 AI 能力和业务约束之间找到最优解。这是最核心、最稀缺的能力\nAI 产品理解：深度理解大模型能力边界、Agent 架构（Tool Calling / RAG / 多 Agent 编排 / MCP 协议等），能为\"6 个月后的模型能力\"做产品设计\nB 端业务理解：理解 B 端策略场景的业务逻辑（资源分配、预算管理、补贴策略等），能将业务 know-how 结构化为 Agent 可执行的任务\n原型能力：能快速搭建产品原型或 Demo 验证想法，不依赖\"写 PRD 等排期\"的传统路径\n数据分析：具备从用户行为数据中提取洞察的能力，能设计评测基准衡量 Agent 产出质量\n可解释性设计：能设计 Agent 决策过程的透明化方案——推理链路可视化、策略依据溯源、置信度分级展示。理解「用户信任 = 可解释性 × 准确性」，在 B 端场景中这是决定产品能否被真正采纳的关键\n跨团队影响力：能驱动算法、工程、业务三方协同，在模糊地带建立共识并推进决策\n\n【经验要求】\n\n-2年以上互联网产品经验，其中至少 2 年 B 端或 AI 产品经验\n-有从 0 到 1 产品建设经验，有完整的\"定义 → 设计 → 落地 → 增长\"周期\n-有策略、运营、数据分析相关背景者加分\n-是Claude Code/Codex等Coding Agent产品的深度用户，可以独立完成Demo搭建到场景poc验证。\n\n岗位亮点\n-前沿场景：在美团 B 端业务千亿级别业务场景中直接探索 AI Agent 的生产力边界，不是做 Demo 而是做真实业务闭环\n-端到端 Ownership：从产品定义到用户增长到商业化，完整的产品主人感\n-技术深度：与算法和工程团队紧密协作，深度参与 Agent 技术演进\n【岗位定位】\n\nBA Agent 是面向美团 B 端业务的 AI 驱动策略引擎，定位为将资源分配、策略制定等高价值业务场景自动化的智能产品。该岗位需要你既理解 AI Agent 的技术边界，又深谙 B 端业务策略场景的运转逻辑——用产品能力把两者连接起来。\n\n【岗位职责】\n\n1. 产品设计与交付\n\n-设计 Agent 任务流程、交互体验与产出物标准，确保复杂策略场景的可用性和可靠性\n-定义 Skill（能力单元）的标准化封装方案，推动能力资产沉淀和跨场景复用\n-主导策略 AB 实验流程的产品化设计——从策略生成、方案对比到效果归因的全链路闭环\n-以原型驱动而非 PRD 驱动，快速验证产品假设（交付周期从 3 个月压缩到 1 周）\n-识别高价值业务场景（资源分配、补贴策略、预算管理等），设计 Agent 介入方案并推动落地\n-基于B 端业务场景，定义 Agent 能力边界和用户交互模式，确保用户理解清晰\n\n2. 用户增长与商业化\n\n-推动 Agent 在 B 端业务线的场景覆盖和用户渗透\n-设计用户运营体系，构建从\"工具使用\"到\"策略依赖\"的用户心智转化路径\n-定义增量收入衡量标准，量化 Agent 为业务带来的决策效率提升和资源优化价值\n\n3. 数据驱动与飞轮构建\n\n-建立用户 Trace 收集与反馈机制，将线上交互轨迹转化为能力资产。构建业务 know-how 的结构化沉淀 + 用户交互 Trace 的飞轮\n-设计场景包迭代闭环：Trace 采集 → 质量评估 → 能力沉淀 → 场景扩展\n-用数据指标（而非直觉）驱动产品优先级决策\n\n4. 可解释性与决策透明度\n\n-设计 Agent 决策过程的可解释性方案——用户不仅看到策略结论，还能理解 Agent「为什么这样决策」的推理路径\n-定义策略产出物的溯源标准：每个结论必须可追溯到数据来源、推理依据和置信度，让业务方敢用、敢信\n-设计分层透明度机制：面向不同角色（策略运营 / 业务负责人 / 技术团队）提供不同粒度的决策解释，避免信息过载或信息不足\n-将可解释性作为产品竞争力——B 端策略场景中，「能解释清楚为什么」比「算得更准」更决定用户信任和续用意愿\n【必备能力】\n\nProduct Taste：能定义出\"最优雅的方案\"——不是功能堆叠，而是在 AI 能力和业务约束之间找到最优解。这是最核心、最稀缺的能力\nAI 产品理解：深度理解大模型能力边界、Agent 架构（Tool Calling / RAG / 多 Agent 编排 / MCP 协议等），能为\"6 个月后的模型能力\"做产品设计\nB 端业务理解：理解 B 端策略场景的业务逻辑（资源分配、预算管理、补贴策略等），能将业务 know-how 结构化为 Agent 可执行的任务\n原型能力：能快速搭建产品原型或 Demo 验证想法，不依赖\"写 PRD 等排期\"的传统路径\n数据分析：具备从用户行为数据中提取洞察的能力，能设计评测基准衡量 Agent 产出质量\n可解释性设计：能设计 Agent 决策过程的透明化方案——推理链路可视化、策略依据溯源、置信度分级展示。理解「用户信任 = 可解释性 × 准确性」，在 B 端场景中这是决定产品能否被真正采纳的关键\n跨团队影响力：能驱动算法、工程、业务三方协同，在模糊地带建立共识并推进决策\n\n【经验要求】\n\n-2年以上互联网产品经验，其中至少 2 年 B 端或 AI 产品经验\n-有从 0 到 1 产品建设经验，有完整的\"定义 → 设计 → 落地 → 增长\"周期\n-有策略、运营、数据分析相关背景者加分\n-是Claude Code/Codex等Coding Agent产品的深度用户，可以独立完成Demo搭建到场景poc验证。",
"standard_classification": {
"std_category_code": "PM004",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}