• 职位简介： 你将嵌入一条真实的业务线——可能是供应链、营销、客服或研发——听懂业务语言，从零诊断AI机会，端到端交付方案，亲手做出可运行的试点，并让它在你负责的业务线里真正产生结果。
• 深入业务线，理解流程、痛点与数据流。不只被动接收需求，要比业务方更清楚AI能在哪里产生最大杠杆，并推动他们达成共识。
• 从零诊断AI机会，端到端交付方案，直至让业务指标发生变化。你要自己动手做出试点，而不是只停留在分析或建议层面。
• 判断场景适合什么交付形态：能自己做的直接用AI工具实现；需要专有能力（工具开发、数据工程等）时，写出足够清晰的规范，协调IT或数据团队接棒，并把关交付质量。
• 上线不是结束。持续追踪业务指标的变化，不断迭代直至效果达标。判断一个Agent有没有真的在工作，不能只看它有没有跑起来，而要看业务数字是否发生变化。
• 沉淀方法论：把“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”等经验反哺给团队，让下一个FDE站得更高。

• 能快速进入陌生业务域。不需要多年行业经验，但需要你能在两周内从“外行”到“能与业务Lead做有效对话”，理清流程、找准痛点。
• 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，你如何与AI协作把它做出来。不是“我会用ChatGPT”，而是“AI已经融入我日常做东西的方式”。
• 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（不是被分配的任务）→流程怎么改→你具体做了什么→业务效果是什么。
• 能判断什么值得做、什么不值得做。进入陌生业务场景后，你能说清哪里值得投入、哪里不值得；梳理业务流程，识别AI化的关键节点，而不是拿着一个现成的“帮我做一个XX”就开始写代码。
• 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AI-native工作方式”。
• 日常面对的不是一个Agent，而是多个Agent并行执行的工作流。迭代速度由“你和Agent之间的反馈环”决定，而不是由手写代码的速度决定。
• 具备提示工程和上下文工程能力。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，而不是凭感觉调参。
• 具备Agent设计与评估能力。能设计工具集、编排逻辑、安全护栏等；以“像人”为标准，以任务成功率、稳定性和成本效率为标尺。
• 技术方向不要求全部命中，将通过实操考核验证。

• 有跨团队协调与需求定义的经验。
• 有从单点场景到跨流程复杂方案的演进经验。
• 有方法论提炼能力：能从自己的案例中抽象出可复用的规律。
• 掌握权限控制、注入防御、幻觉检测、人机协同，并能评估Agent安全性。
• 熟练使用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。 你可能不适合，如果
• 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。
• 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。
• 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。
• 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。 李先生在线某公司

来自公开渠道的招聘信息，已清洗脱敏：不含企业名、HR 姓名与联系方式， 也不转载职位原文以外的内容。仅供了解岗位画像，不作为投递依据。

看全部岗位