职位描述
1. Skill工程化（40%）
- 与各业务TL深度协作，将优秀业务方法论固化为可复用的AI Skill
- 设计Skill的输入输出Schema、质检规则、异常处理机制
- 建立并维护团队Skill库，确保Skill可稳定运行
2. AI基础设施（30%）
- 搭建和维护RAG知识库（行业报告、竞品数据、内部SOP等）
- 模型选型与成本控制：持续测试新模型，在保证质量前提下降低token消耗
- 建立质检标准（如CriticSkill打分机制），确保AI产出质量稳定
3. 培训与普及（20%）
- 为业务团队提供AI工具使用培训，降低使用门槛
- 编写使用文档、最佳实践指南
- 收集用户反馈，持续优化工具体验
4. 效果监控（10%）
- 监控团队AI使用率、产出质量、成本消耗
- 定期向管理层汇报AI落地进展任职要求
- 有市场/运营/产品等业务背景（至少1-2年），理解营销策略、用户研究等业务逻辑
- 熟练使用主流AI工具（Codex、Claude等），有Prompt Engineering经验
- 有Python基础，能进行API调用和数据处理
- 良好的结构化思维能力，能将模糊的业务经验转化为清晰的工程规则
加分项：
- 有LangChain、OpenClaw等Agent开发框架使用经验
- 有RAG知识库搭建经验
- 有教育行业背景
- 有技术+业务复合背景（如产品背景+AI开发经验）
核心素质：
- 业务敏感度：能快速理解业务TL的经验价值，判断哪些值得工程化
- 工程化思维：不满足于"能跑通"，追求"可复用、可维护、可扩展"
- 服务意识：定位是"赋能"而非"交付"，帮助业务团队成功而非抢功劳
- 持续学习：AI领域变化快，需要主动跟进新模型、新方法
