我們在做什么？
我們在做一類面向真實教學(xué)場景的 AI 教育產(chǎn)品：
- 面向老師：減輕備課、批改、個性化反饋的重復(fù)性工作；
- 面向?qū)W生：在不同年齡、不同基礎(chǔ)下，提供更個性化、更可持續(xù)的學(xué)習(xí)支持；
- 底層依托大模型等 AI 能力，但在用戶側(cè)，要做到——簡單、可信、可控、可持續(xù)使用。
你不會只是“串一下大模型接口”，
而是要思考：在教育場景里，什么樣的 AI 才是真正有價值、被長期使用的？

---
你主要會做什么？
1. 從真實教育場景中“挖需求、定方向”
- 深入理解老師、學(xué)生、教研、教務(wù)等角色的具體場景與痛點；
- 與業(yè)務(wù)、教研、銷售、運營等一起梳理：哪些問題適合用 AI 解決，哪些需要規(guī)則/流程/人工配合；
- 將這些洞察轉(zhuǎn)化為清晰的產(chǎn)品方向、版本規(guī)劃與優(yōu)先級排序。
2. 設(shè)計 AI 教育產(chǎn)品的核心流程與體驗
- 負責(zé)從需求文檔、PRD 到交互流程、信息結(jié)構(gòu)等完整產(chǎn)出；
- 針對典型場景（如作業(yè)批改、學(xué)習(xí)路徑推薦、課中互動等）設(shè)計具體產(chǎn)品方案；
- 與設(shè)計、研發(fā)一起打磨關(guān)鍵體驗細節(jié)：節(jié)奏、信息反饋、引導(dǎo)方式以及“AI 說話的方式”。
3. 推動項目落地與跨團隊協(xié)作
- 制定版本節(jié)奏與里程碑，協(xié)調(diào)教研、技術(shù)、設(shè)計、運營等多方資源；
- 在項目執(zhí)行中持續(xù)跟蹤需求實現(xiàn)情況、技術(shù)約束和風(fēng)險點，推動問題閉環(huán)；
- 在每一輪版本迭代后，根據(jù)數(shù)據(jù)與反饋調(diào)整后續(xù)規(guī)劃。
4. 用數(shù)據(jù)和用戶反饋驅(qū)動迭代
- 設(shè)計并關(guān)注核心指標（使用率、留存、轉(zhuǎn)化、學(xué)習(xí)效果相關(guān)指標等）；
- 通過訪談、可用性測試、埋點數(shù)據(jù)等方式評估功能效果；
- 組織復(fù)盤，將有效的做法沉淀成可復(fù)用的策略或組件。

---
崗位必備能力
1. 系統(tǒng)性產(chǎn)品思維
- 能從“業(yè)務(wù)目標—用戶價值—產(chǎn)品方案—數(shù)據(jù)驗證”完整鏈路思考問題；
- 習(xí)慣搭框架、分場景、分階段，而不是只做單點功能。
2. 用戶研究專業(yè)能力
- 會用合適的方法理解用戶：訪談、問卷、可用性測試、小規(guī)模試點等；
- 能把“零散反饋”抽象成結(jié)構(gòu)化洞察，并落實到產(chǎn)品決策中。
3. 跨團隊項目驅(qū)動能力
- 有驅(qū)動多角色（教研/運營/技術(shù)/銷售等）協(xié)同推進項目的經(jīng)驗；
- 能在資源有限、信息不完全的情況下，保持溝通順暢、推進有節(jié)奏。

---
加分項
1. 成功的 OMO（線上線下結(jié)合）產(chǎn)品經(jīng)驗
在教培、K12、高教或職業(yè)教育場景中，有設(shè)計/運營過 OMO 模式產(chǎn)品的經(jīng)驗，并有可復(fù)盤的案例。
2. 教育科技（EdTech）行業(yè)或教學(xué)經(jīng)驗
- 有在教育公司、教育平臺或?qū)W校體系工作的經(jīng)歷；
- 或有一線教學(xué)/教研經(jīng)驗，更了解真實課堂與教學(xué)流程。
3. 對 AI 技術(shù)（尤其是大語言模型 LLM）有更深理解
- 理解大模型在教育場景的典型能力與局限（如幻覺、安全性、可解釋性等）；
- 對 RAG、Agent、個性化推薦等方向有基礎(chǔ)認知，能與技術(shù)同學(xué)就方案和約束進行有效溝通
基本信息
- 職位類型：全職雇員 / 遠程合作
- 匯報對象：項目負責(zé)人