AI Native 产品(MJ037773)

Agent 交互与系统体验设计 设计以用户意图和任务完成为核心的 AI Native 产品体验，覆盖任务发起、意图澄清、计划确认、执行反馈、结果验收及后续追同等完整链路。 探索对话、图形界面、生成式 UI、结构化输出等交互形态的组合，根据任务类型和场景选择最合适的交互方式。 设计不同自动化程度下的人机分工机制，明确授权、确认、人工接管和异常恢复等关键环节。 Agent-facing 服务与协议设计 将业务能力抽象为 Agent 可理解、可调用、可组合的工具、技能与服务，设计能力描述、输入输出 Schema、上下文及状态协议。 推动传统页面和业务流程向 Agent 可执行的任务与能力转化，提升工具调用的准确性和任务完成效率。 与工程团队协作设计 Agent 与业务系统之间的接口及协作边界，兼顾复用性、扩展性、权限和安全性。 可信、可控的 AI 体验建设 针对模型幻觉、不确定性和执行异常，设计信息溯源、置信提示、过程透明、结果校验、撤销恢复及服务降级机制。 建立任务状态和执行过程的可解释体验，让用户能够理解 Agent 正在做什么、为什么这样做，并在必要时进行干预。 在产品设计中落实权限、隐私、安全和风险控制要求。 评测驱动与持续优化 建立离线评测与在线监测体系，围绕任务成功率、工具调用准确率、人工接管率、响应时延、成本和用户满意度等指标持续优化产品。 通过 Bad Case、执行日志、用户反馈和实验数据，定位意图理解、任务规划、上下文、工具调用及交互体验中的问题。 与算法和工程团队协同优化 Prompt、Workflow、RAG、工具描述及系统策略，形成 “评测 — 分析 — 优化 — 验证” 的闭环。 快速原型验证与产品落地 使用 AI Coding、低代码或全栈开发工具快速搭建可交互原型，对关键产品假设和技术方案进行低成本验证。 负责需求分析、产品方案、原型设计及优先级管理，并推动设计、算法、研发、测试和业务团队完成上线。 根据真实用户反馈与评测结果持续迭代，平衡用户体验、技术可行性、交付成本与业务价值。 通用能力沉淀与平台化建设 沉淀可复用的 Agent 交互模式、Prompt 模板、Skill、工具组件及评测集，提升不同业务场景的接入和交付效率。 参与 Agent 开发与调试工具链建设，改善开发者体验，推动优秀场景能力产品化、标准化和规模化复用。

具备优秀的产品 sense 和复杂系统设计能力，能够从用户任务出发设计端到端体验，而非仅完成单点功能或页面设计。 理解大模型及 Agent 的基本工作机制，包括上下文窗口、记忆、规划、工具调用、结构化输出、RAG，以及幻觉和能力边界等，并能够将技术特性转化为合理的产品设计。 具备扎实的 System Prompting 与上下文工程能力，能够设计清晰的指令、角色、约束、工具描述和上下文组织方式，并通过评测持续优化。 具备较强的人机交互设计能力，理解对话式交互、生成式 UI、人机协同和任务型产品的设计方法，能够处理不确定输出及异常状态。 具备快速原型和 Vibe Coding 实践能力，能够使用 Cursor、Claude Code 等工具，或通过 Python、TypeScript、API 集成等方式独立完成可验证的产品 Demo。 具备数据分析和实验意识，能够建立合理的评测指标，通过数据和用户反馈发现问题、判断优先级并验证改进效果。 具备优秀的跨团队沟通和项目推进能力，能够在产品、设计、算法、工程与业务之间形成有效协作。 加分项 有 Agent、Copilot、智能工作流、自动化平台或企业级 AI 产品的完整落地经验。 熟悉 Function Calling、MCP、A2A、Skill 或插件生态等相关机制，有工具或协议设计经验。 有生成式 UI、多模态交互、复杂任务调度或人机协同产品经验。 有独立 AI 产品、开源项目、技术原型或高质量产品拆解作品。