{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "AI业务工程师——agent交付方向",
        "job_level": "",AI生成
        "work_category": "",AI生成
        "department": "",
        "location": "深圳·宝安区·西乡",
        "work_mode": "",AI生成
        "job_category": ""AI生成
    },
    "company": {
        "company_name": "Anker",
        "company_industry": "智能硬件/消费电子",
        "company_size": "1000-9999人",
        "company_website": "",
        "company_description": ""
    },
    "compensation": {
        "salary_range": {
            "min": 20000,
            "max": 35000,
            "currency": "CNY",
            "cycle": "month"
        },
        "benefits": ""
    },
    "requirements": {
        "working_years": 3,
        "degree": "本科",
        "language": "",AI生成
        "visa_support": "",
        "responsibilities": "",
        "requirements_text": "职位描述\n给你一条业务线，你能否从零诊断 AI 机会，端到端交付方案，让业务指标发生变化？\n你要嵌入⼀条真实的业务线——可能是供应链、可能是营销、可能是客服——听懂他们的语⾔，找到 AI 能创造最⼤价值的地方，然后自⼰动手做出来。\n你不是从零开始。安克 All in AI 三年，数百个 Agent 已在供应链、营销、客服、研发等全链路运转，你的起点是别人的终点。你要做的，是让它在你负责的业务线里真正产生结果。\n岗位职责\n1.发现机会\n深入业务线，理解流程、痛点、数据流。不只\"听需求\"——你要比业务方更清楚 AI 能在哪里产生最大杠杆，然后说服他们为什么做这个、不做那个。\n2.交付方案\n判断场景适合什么形态。能自己做的直接用 AI 工具做出来。需要专有能力的（工具开发、数据工程），写出足够清晰的规格，协调 IT 或数据团队接棒，把关交付质量。\n3.追踪效果\n上线不是结束。追踪业务指标的变化，持续迭代直到效果达标。你对\"这个 Agent 有没有真的在工作\"的判断，不是看它有没有报错，是看业务数字动了没有。\n4.反哺方法论\n从自己的交付中提炼规律——什么场景适合什么方案、什么判断标准有效、什么坑别人也会踩——反哺给团队，让下一个 FDE 站得更高。\n任职要求\n必备\n- 快速穿透陌生业务域。 不需要多年行业经验，但你需要能两周内从\"外行\"到\"能跟业务 Leader 做有效对话\"——听懂行话、看清流程、找准痛点。\n- AI 是你日常工作的主要生产力工具。 面试时我们希望看到：给你一个场景，你如何跟 AI 协作把它做出来。不是\"我会用 ChatGPT\"，是\"AI 已经融入我日常做东西的方式\"。\n- 端到端交付过实际项目，且你是主要动手的人。 能讲清楚全链路：进入了什么业务场景 → 你发现了什么机会（不是被分配的） → 流程怎么改的 → 你具体做了什么 → 业务效果是什么。不是你协调的、不是你参与了一部分的。\n- 你亲手发现过机会，不是被分配任务。 你能讲清楚：进入一个陌生业务场景后，你怎么判断哪里值得做、哪里不值得。你梳理过业务流程，识别了 AI 化的关键节点——而不是拿着一个现成的\"帮我做一个 XX\"开始写代码。\n- 能判断什么值得做、什么不值得做。 面对新场景，能快速识别关键假设、定义 MVP 范围、说清楚\"我们先花最小成本验证什么\"。\n技术方向\n（不要求全部命中，通过实操考核验证。）\n- AI-native 工作方式。 日常面对的不是一个编辑器，而是多个 Agent 并行执行的工作流。迭代速度由\"你和 Agent 之间的反馈闭环\"决定，不是由手写代码的速度决定。\n- 提示工程 & 上下文工程。 不只是写单条 prompt——能设计 prompt 系统、管理上下文窗口（什么进、什么压缩、什么淘汰），能搭建评测体系，用数据迭代而非凭感觉调。\n- Agent 设计与评估。 能设计工具集、编排逻辑、安全护栏——权限控制、注入防御、幻觉检测、人机协同。评估 Agent 不以\"像人\"为标准，以任务成功率、稳定性和成本效率为标尺。\n- Python。 能写生产级数据管道，集成 LLM API，通过轻量 API 暴露 Agent 能力。不需要训练模型或构建分布式系统。有版本控制和测试的习惯。\n加分项\n- 跨团队协调与需求定义\n- 从单点场景到跨流程复杂方案的演进\n- 方法论提炼——从自己的案例中抽象出可复用的规律\n你可能不适合，如果—\n- 你更享受\"分析清楚\"而不是\"做出来\"——这个岗位的默认状态是动手\n- 你的 AI 使用停留在浅层——\"问 ChatGPT 几个问题\"不等于把 AI 融入工作流\n- 你想找一个稳定、边界清晰的岗位——这个岗位的日常是模糊地带中的判断和推进\n- 你熟练使用 AI 工具，但从没在真实业务约束下交付过——会调 API 不等于能在业务里落地\n团队与文化\n你不是来写提示词的。 安克 2023 年起 All in AI，数百个 Agent 在真实业务中运转——你的起点是别人的终点。\n你的工作会被看到。 这个岗位嵌入业务线，产出直接对应业务指标。你不是中台工具人，你是离业务结果最近的人。\n创新的回报归创新者。 安克把 AI 提效创造的增量价值分配给创造者。你不是在帮公司降本，你是参与价值的创造和分配。\n全链路场景，不会重复。 300 亿营收规模，从研发到供应链到营销到客服——每次换业务线都是新挑战。\nAI 硬件赛道，增长确定。 A+H 上市，2025 年营收 305 亿，研发投入 29 亿占营收 9.5%，56% 员工是研发人员——这是技术驱动的组织。",
        "skills": [],AI生成
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/62f639f79b20456e0nJy2Ni-FlZR.html"
            }
        ]
    },
    "posting": {
        "posting_id": "62f639f79b20456e0nJy2Ni-FlZR",
        "post_date": "",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://www.zhipin.com/job_detail/62f639f79b20456e0nJy2Ni-FlZR.html"
    },
    "fulltext": "职位描述\n给你一条业务线，你能否从零诊断 AI 机会，端到端交付方案，让业务指标发生变化？\n你要嵌入⼀条真实的业务线——可能是供应链、可能是营销、可能是客服——听懂他们的语⾔，找到 AI 能创造最⼤价值的地方，然后自⼰动手做出来。\n你不是从零开始。安克 All in AI 三年，数百个 Agent 已在供应链、营销、客服、研发等全链路运转，你的起点是别人的终点。你要做的，是让它在你负责的业务线里真正产生结果。\n岗位职责\n1.发现机会\n深入业务线，理解流程、痛点、数据流。不只\"听需求\"——你要比业务方更清楚 AI 能在哪里产生最大杠杆，然后说服他们为什么做这个、不做那个。\n2.交付方案\n判断场景适合什么形态。能自己做的直接用 AI 工具做出来。需要专有能力的（工具开发、数据工程），写出足够清晰的规格，协调 IT 或数据团队接棒，把关交付质量。\n3.追踪效果\n上线不是结束。追踪业务指标的变化，持续迭代直到效果达标。你对\"这个 Agent 有没有真的在工作\"的判断，不是看它有没有报错，是看业务数字动了没有。\n4.反哺方法论\n从自己的交付中提炼规律——什么场景适合什么方案、什么判断标准有效、什么坑别人也会踩——反哺给团队，让下一个 FDE 站得更高。\n任职要求\n必备\n- 快速穿透陌生业务域。 不需要多年行业经验，但你需要能两周内从\"外行\"到\"能跟业务 Leader 做有效对话\"——听懂行话、看清流程、找准痛点。\n- AI 是你日常工作的主要生产力工具。 面试时我们希望看到：给你一个场景，你如何跟 AI 协作把它做出来。不是\"我会用 ChatGPT\"，是\"AI 已经融入我日常做东西的方式\"。\n- 端到端交付过实际项目，且你是主要动手的人。 能讲清楚全链路：进入了什么业务场景 → 你发现了什么机会（不是被分配的） → 流程怎么改的 → 你具体做了什么 → 业务效果是什么。不是你协调的、不是你参与了一部分的。\n- 你亲手发现过机会，不是被分配任务。 你能讲清楚：进入一个陌生业务场景后，你怎么判断哪里值得做、哪里不值得。你梳理过业务流程，识别了 AI 化的关键节点——而不是拿着一个现成的\"帮我做一个 XX\"开始写代码。\n- 能判断什么值得做、什么不值得做。 面对新场景，能快速识别关键假设、定义 MVP 范围、说清楚\"我们先花最小成本验证什么\"。\n技术方向\n（不要求全部命中，通过实操考核验证。）\n- AI-native 工作方式。 日常面对的不是一个编辑器，而是多个 Agent 并行执行的工作流。迭代速度由\"你和 Agent 之间的反馈闭环\"决定，不是由手写代码的速度决定。\n- 提示工程 & 上下文工程。 不只是写单条 prompt——能设计 prompt 系统、管理上下文窗口（什么进、什么压缩、什么淘汰），能搭建评测体系，用数据迭代而非凭感觉调。\n- Agent 设计与评估。 能设计工具集、编排逻辑、安全护栏——权限控制、注入防御、幻觉检测、人机协同。评估 Agent 不以\"像人\"为标准，以任务成功率、稳定性和成本效率为标尺。\n- Python。 能写生产级数据管道，集成 LLM API，通过轻量 API 暴露 Agent 能力。不需要训练模型或构建分布式系统。有版本控制和测试的习惯。\n加分项\n- 跨团队协调与需求定义\n- 从单点场景到跨流程复杂方案的演进\n- 方法论提炼——从自己的案例中抽象出可复用的规律\n你可能不适合，如果—\n- 你更享受\"分析清楚\"而不是\"做出来\"——这个岗位的默认状态是动手\n- 你的 AI 使用停留在浅层——\"问 ChatGPT 几个问题\"不等于把 AI 融入工作流\n- 你想找一个稳定、边界清晰的岗位——这个岗位的日常是模糊地带中的判断和推进\n- 你熟练使用 AI 工具，但从没在真实业务约束下交付过——会调 API 不等于能在业务里落地\n团队与文化\n你不是来写提示词的。 安克 2023 年起 All in AI，数百个 Agent 在真实业务中运转——你的起点是别人的终点。\n你的工作会被看到。 这个岗位嵌入业务线，产出直接对应业务指标。你不是中台工具人，你是离业务结果最近的人。\n创新的回报归创新者。 安克把 AI 提效创造的增量价值分配给创造者。你不是在帮公司降本，你是参与价值的创造和分配。\n全链路场景，不会重复。 300 亿营收规模，从研发到供应链到营销到客服——每次换业务线都是新挑战。\nAI 硬件赛道，增长确定。 A+H 上市，2025 年营收 305 亿，研发投入 29 亿占营收 9.5%，56% 员工是研发人员——这是技术驱动的组织。"
}