{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "AI Search Builder",
        "job_level": "",AI生成
        "work_category": "全职",AI生成
        "department": "",
        "location": "",
        "work_mode": "",AI生成
        "job_category": "产品类/Product"AI生成
    },
    "company": {
        "company_name": "月之暗面",
        "company_industry": "",
        "company_size": "",
        "company_website": "",
        "company_description": ""
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "",
            "cycle": ""
        },
        "benefits": ""
    },
    "requirements": {
        "working_years": "",
        "degree": "",
        "language": "",AI生成
        "visa_support": "",
        "responsibilities": "Kimi 正在把搜索从\"辅助功能\"升级为产品的核心能力，你将负责 Kimi 搜索的核心体验与质量策略，与模型、算法团队直接协作，对搜索任务完成质量和核心用户留存负责。你的每一次迭代，直接影响千万级用户每天获取信息的方式。\n岗位职责\n1. 建设搜索质量的评测与迭代机制\n围绕真实用户问题建设评测集、失败案例库和质量标准，覆盖相关性、完整性、时效性和来源可信度；\n结合人工评审、模型辅助评测和线上 A/B 实验验证效果，持续定位并解决漏召回、事实错误、引用不支持结论等问题；\n将用户反馈转化为可定位的问题、可验证的假设和可执行的优化需求，形成质量迭代的闭环。\n2. 推动搜索与答案的链路优化\n与算法、工程团队共同优化意图理解、查询改写、召回、排序和基于证据的答案生成；\n面对一个不达标的搜索结果，能拆解并判断问题发生在检索、证据选择还是答案生成环节，并推动对应环节修复。\n3. 设计自然、可控的 AI 搜索体验\n负责提问、意图澄清、答案呈现、来源引用、多轮追问等核心体验，按任务类型（事实查询、比较决策、深度研究）选择直给答案、卡片、表格等不同呈现形态；\n让用户容易理解答案、核验依据并继续探索，在\"AI 直接给结论\"和\"用户保持掌控感\"之间找到平衡。\n4. 探索复杂任务的多步搜索能力\n设计问题拆解、多轮检索、交叉验证和信息综合的任务流程；\n明确何时快速回答、何时追问、何时进入深度研究、何时提示证据不足，合理控制等待时间与计算成本；\n建立以有效任务完成和用户留存为核心的指标体系，平衡答案质量、响应速度和单次成功任务成本。\n任职要求\n我们不要求特定的工龄，但要求以下能力每一项都经得起追问：\n主导过面向真实用户上线并持续迭代的产品或核心功能——能清楚说明你的个人贡献、关键决策依据和最终结果（不是\"参与了\"，是\"我决定的\"）；\n懂搜索，也懂大模型：理解召回、排序、查询理解的基本原理，以及 RAG、上下文组织、工具调用的机制与局限，能与算法同学在同一层语言上讨论问题；\n有评测和数据判断力：能独立定义成功标准、设计实验、分析失败案例；熟练使用 SQL 或同等分析工具；理解离线指标与线上体验可能存在的差异；\n有用户洞察和交互品味：能从模糊需求中识别用户真正要完成的任务，对答案组织、信息密度、引用方式有自己的判断，并能用反馈验证；\n能动手验证：可以用 AI 编程工具、模型 API 或原型工具，把产品假设做成可体验、可测试的原型，根据证据快速调整；\n写得清楚、推得动：能把复杂问题转化为明确的目标、方案和验收标准，在模型能力每月都在变化、信息不完整的情况下推动交付。\n加分项\n有 AI 搜索、对话助手、深度研究或 Agent 产品的实际落地经验；\n有搜索质量评估、数据标注、用户反馈驱动模型优化的经验；\n有 ToC 产品从 0 到 1 或留存显著提升的案例；\n在多模态搜索、跨语言检索，或学术/金融/法律等高价值垂类有深入经验。",
        "requirements_text": "",
        "skills": [],AI生成
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": []
    },
    "posting": {
        "posting_id": "1bf60e6b-0aec-49ad-9661-225524686fb0",
        "post_date": "2026-10-21",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://app.mokahr.com/apply/moonshot/148506#/job/1bf60e6b-0aec-49ad-9661-225524686fb0"
    },
    "fulltext": "Kimi 正在把搜索从\"辅助功能\"升级为产品的核心能力，你将负责 Kimi 搜索的核心体验与质量策略，与模型、算法团队直接协作，对搜索任务完成质量和核心用户留存负责。你的每一次迭代，直接影响千万级用户每天获取信息的方式。\n岗位职责\n1. 建设搜索质量的评测与迭代机制\n围绕真实用户问题建设评测集、失败案例库和质量标准，覆盖相关性、完整性、时效性和来源可信度；\n结合人工评审、模型辅助评测和线上 A/B 实验验证效果，持续定位并解决漏召回、事实错误、引用不支持结论等问题；\n将用户反馈转化为可定位的问题、可验证的假设和可执行的优化需求，形成质量迭代的闭环。\n2. 推动搜索与答案的链路优化\n与算法、工程团队共同优化意图理解、查询改写、召回、排序和基于证据的答案生成；\n面对一个不达标的搜索结果，能拆解并判断问题发生在检索、证据选择还是答案生成环节，并推动对应环节修复。\n3. 设计自然、可控的 AI 搜索体验\n负责提问、意图澄清、答案呈现、来源引用、多轮追问等核心体验，按任务类型（事实查询、比较决策、深度研究）选择直给答案、卡片、表格等不同呈现形态；\n让用户容易理解答案、核验依据并继续探索，在\"AI 直接给结论\"和\"用户保持掌控感\"之间找到平衡。\n4. 探索复杂任务的多步搜索能力\n设计问题拆解、多轮检索、交叉验证和信息综合的任务流程；\n明确何时快速回答、何时追问、何时进入深度研究、何时提示证据不足，合理控制等待时间与计算成本；\n建立以有效任务完成和用户留存为核心的指标体系，平衡答案质量、响应速度和单次成功任务成本。\n任职要求\n我们不要求特定的工龄，但要求以下能力每一项都经得起追问：\n主导过面向真实用户上线并持续迭代的产品或核心功能——能清楚说明你的个人贡献、关键决策依据和最终结果（不是\"参与了\"，是\"我决定的\"）；\n懂搜索，也懂大模型：理解召回、排序、查询理解的基本原理，以及 RAG、上下文组织、工具调用的机制与局限，能与算法同学在同一层语言上讨论问题；\n有评测和数据判断力：能独立定义成功标准、设计实验、分析失败案例；熟练使用 SQL 或同等分析工具；理解离线指标与线上体验可能存在的差异；\n有用户洞察和交互品味：能从模糊需求中识别用户真正要完成的任务，对答案组织、信息密度、引用方式有自己的判断，并能用反馈验证；\n能动手验证：可以用 AI 编程工具、模型 API 或原型工具，把产品假设做成可体验、可测试的原型，根据证据快速调整；\n写得清楚、推得动：能把复杂问题转化为明确的目标、方案和验收标准，在模型能力每月都在变化、信息不完整的情况下推动交付。\n加分项\n有 AI 搜索、对话助手、深度研究或 Agent 产品的实际落地经验；\n有搜索质量评估、数据标注、用户反馈驱动模型优化的经验；\n有 ToC 产品从 0 到 1 或留存显著提升的案例；\n在多模态搜索、跨语言检索，或学术/金融/法律等高价值垂类有深入经验。"
}