岗位职责：
1. 产品战略与矩阵规划
主导产品矩阵落地：您将全权负责"灵境智能(LinoBrain)"产品矩阵的战略规划、路线图定义和产品落地。您将主导以下核心产品线的构建：
企业知识中心产品线:打造融合RAG与知识图谱的混合知识引擎，构建企业的"第二大脑"；
智能流程与Agent产品线:研发可智能路由(MoE)、可编排、可调用工具的智能流程引擎，赋能端到端的业务自动化；
数据洞察产品线:构建能与结构化数据自然语言对话的分析引擎；
工业视觉产品线:发展用于工业质检等场景的端到端计算机视觉平台；
模型即服务(MaaS)产品线:提供模型微调、部署管理，并支持客户构建私有专家模型融入平台MoE框架的PaaS平台。
以及其他所有未来规划的产品线。
定义分层产品架构：规划并迭代"原子功能 -> 可组合产品 -> 行业解决方案"的分层价值体系，确保平台既有强大的技术底座，又有清晰的市场切入点。
技术生态策略：深入评估 LangChain, LlamaIndex, Ollama 等开源框架，制定清晰的"自研核心 vs. 集成生态"策略，在巨人的肩膀上构建我们的核心护城河。
2. 平台设计与开发者体验 (DX)
API-First 设计： 将开发者视为第一客户。为整个产品矩阵设计一套统一、优雅、可扩展的 API-First平台接口，覆盖知识接入、任务下发、状态追踪、可观测性 (Observability)等全链路。
驱动核心组件落地：撰写高质量的PRD和设计文档，主导平台级核心组件（如统一身份认证、多租户计费、安全与治理中心等）的实现。
跨团队领导力：作为技术产品的总负责人，高效协同AI算法、后端架构、Infra、安全等工程师团队，将复杂的技术概念转化为具体的产品形态。
团队管理：组建并带领一支精干的产品经理团队，建立追求卓越、高效协同的团队文化。
3. AI产品核心能力构建
AI时代数据治理：深入各行业客户的业务场景，将复杂的业务流程抽象为结构化的数据模型，建立跨产品线的数据治理标准，包括数据标注、隐私合规、数据建模、评估指标等，确保数据资产的健康运营。
大模型上下文工程：指导团队构建系统化的提示词设计与多模态上下文构建能力，确保AI产品的商业化落地质量。
算法逻辑设计：基于业务理解，设计各类"业务算法"（如智能推荐、风险评估、流程优化、决策支持等），并将其转化为可配置、可复用的产品能力模块。
指标体系构建：为复杂的AI产品设计完整的指标体系，平衡业务价值、技术性能和用户体验，建立数据驱动的产品迭代机制。
4. 场景验证与生态构建
驱动行业解决方案落地：主动与内部业务团队或外部种子用户合作，基于我们的产品矩阵，在政务、企业、金融、教科研等真实场景中，打磨并交付行业解决方案。
抽象与沉淀：从具体场景中抽象出通用的 Agent技能 (Skills) 和可组合的工作流 (Workflows)，并将其产品化，沉淀为平台的核心能力。
构建开发者飞轮：规划并启动平台 SDK、开发者文档、教程和社区，为点燃开发者生态打下坚实的基础。

任职要求：
1.拥有 5年以上软件产品管理经验，其中至少 2 年担任技术平台、PaaS/IaaS 云服务、AI/ML 基础设施或大型开源框架的核心产品负责人。
2.拥有从0到1成功主导复杂分布式技术平台的经验，最好有实际的案例能证明您在产品冷启动、MVP 定义、和迭代演进方面的卓越能力。
3.业务-数据-算法的系统抽象能力：能将模糊、复杂的业务问题，解构和抽象为清晰、正交、可扩展的数据模型和算法逻辑，这是我们最为看重的核心能力。
4.AI专业技能领导力：具备AI时代数据治理或大模型上下文工程的深度理解，能够指导和评估团队在这些专业领域的工作质量。
5.数据驱动的产品决策能力：熟练运用数据分析方法，能够通过A/B测试、用户行为分析等手段验证产品假设，优化产品策略和业务流程。
6.卓越的领导力与沟通能力，能用清晰的逻辑、饱满的热情和同理心，影响并驱动一个跨职能的技术团队。
技术理解与数据洞察
1.对现代 LLM 应用技术栈有全面且深入的理解，包括但不限于：
RAG技术：深刻理解从数据处理、Embedding、检索、重排到最终生成的全链路，并了解其主流优化方案。
知识图谱：理解知识图谱在RAG和复杂推理中的应用价值和构建方法。
Agentic 架构：对主流的Agent框架（如ReAct, AutoGen等）有体系化的思考，理解其核心思想、优势与局限。
混合专家（MoE）架构： 理解MoE的核心思想，及其在提升模型性能、降低推理成本方面的价值。
模型微调：了解模型微调的基本原理、流程和适用场景。
业务数据建模专长：拥有将抽象业务问题转化为具体数据模型的丰富经验，能够设计合理的实体关系、指标体系和数据流转逻辑。
算法产品化思维：具备从业务需求中抽象出算法逻辑的能力，能够设计可参数化、可配置的业务算法，并有效指导技术团队实现。
AI专业技能深度：深入理解AI时代数据治理（数据标注、隐私合规、数据建模、评估指标）和大模型上下文工程（提示词设计、多模态上下文构建）在产品战略中的关键作用。
具备分布式系统的扎实知识，理解微服务架构、容器化 (Kubernetes)、消息队列、API 网关对于构建一个健壮、多租户平台的意义。