Sigma AI 跑步教练

当前运动健康产品正日益臃肿，频繁的广告与过度社交严重破坏了跑步的纯粹性，而传统的静态计划与冷冰冰的数据，既拉高了新手的科学运动门槛，也无法为独自奔跑的都市人提供情绪价值。Sigma 项目正是基于这一行业痛点立项。我们致力于为渴望内心平静的年轻人、缺乏专业知识的新手以及饱受枯燥感困扰的进阶跑者，打造一款无打扰、有温度的 AI 跑步伴侣，用极简的纯粹体验与北体大专业底座加持的"隐形教练"，彻底解决跑者在日常训练中面临的"专业指导贵、传统计划死、独自坚持难"三大核心困境。

岗位职责

1. 业务方向探索与壁垒构建：针对运动App商业化臃肿的行业痛点，确立"极简工具+AI陪伴"的差异化定位，并推动与北体大合作共建运动专业RAG知识库，以专业大模型技术路线构筑竞争壁垒。
2. 系统架构梳理与核心链路设计：输出MVP方案与产品功能图，砍掉低效社交与繁杂仪表盘，首创对话式交互主页；同步输出PRD与底层逻辑图，将抽象需求转化为可开发蓝图并梳理异构数据汇聚链路。
3. 协同统筹与异常应对：全流程协同前后端、UI设计及数据标注团队排查跨端阻塞，定义AI训练数据集的构建方向与质量门槛，确保数据与模型目标对齐；深入排查弱GPS漂移、进程被杀恢复、多设备并发冲突等跑步场景异常，统筹团队制定分级降级兜底策略。
4. 风控合规与价值验证：建立AI安全干预池，设计医疗问诊、伤病等高风险意图的拦截与强制降级预案保障合规；搭建业务数据看板，追踪AI渗透率、长图分享率与次日/七日留存率，闭环验证PMF。
5. 增长与留存：结合LBS自动命名与趣味换算迭代轨迹日记与自定义分享模块，以社交货币属性降低获客成本并驱动自然增长；持续提炼"最北坐标"、"最高频路线"等地理人文标签，将跑步数据转化为结构化运动资产，构建高迁移成本与留存壁垒。
6. AI 架构规划与多智能体（Multi-Agent）落地：独立设计底层 Agent Workflow，引入 Multi-Agent（多智能体）协同架构进行任务解耦，将发散的用户诉求精准拆分为意图路由、知识检索（RAG）与情绪安抚等专属节点。在场景迭代上，应用 WorkTree（工作树）机制，以"标准运动计划"为主干，将突发异常拆分为独立分支进行敏捷迭代；针对运动健康红线，直接在业务逻辑层将"伤病状态、心率上限"等关键指标设为硬性边界，结合北体大知识库对模型输出进行强干预，锁死大模型的自由发散空间，杜绝高危运动建议与 AI 幻觉。

项目成果

• PMF验证与用户沉淀：历经8个月封闭打磨正式公版，以赛道首创CUI（对话式交互）切入，上线近半年沉淀15万+核心高黏性跑者，验证"极简工具+情感陪伴"的PMF。
• AI渗透与留存破局：打破传统运动App"用完即走"困境，AI核心模块日均交互渗透率68%，训练计划与"SIG小结"采纳率75%，驱动次日留存突破45%（远超纯工具竞品），构建用户迁移壁垒。
• 自然增长与社交裂变：深度融合小红书社区基因，首创基于起终点POI与路段特征的智能命名逻辑赋予轨迹情绪价值，零买量纯产品力驱动18%长图自然分享率，零成本沉淀15万+核心跑者。
• 极致兜底与安全合规：断网、杀进程等极端场景轨迹记录完整率99.8%，死守"零摩擦"体验底线；合规干预引擎累计拦截3万余次医疗/伤病高危提问，大模型业务零安全事故。

圆周旅迹 — AI 智能旅行规划助手

当前主流旅游产品日益臃肿，广告、电商与过度社交严重侵蚀用户体验；通用 AI 虽能提供旅行建议，但在垂类置信度与行程合理性上远不可用。基于竞品分析与目标用户（计划性偏弱旅行者）调研，我们确立"AI 原生 + 极简工具"的差异化方向，致力于让用户从"翻十篇攻略还不会排行程"变成"一句话拿到靠谱路线"。

岗位职责

1. 产品规划：通过用户访谈与竞品拆解（携程/马蜂窝）绘制用户故事板，梳理"出行意愿→目的地→排行程→出发后调整"全链路痛点，确立"计划—探索—我的"三页面极简架构并以AI对话为第一入口；输出MVP方案与PRD，定义景点识别、行程规划、发散推荐三大模型能力及14维评测框架（覆盖基础识别、行程合理性、发散推荐、安全幻觉）作为验收基准；提出"种草→解析→规划"三步转化漏斗，将链接解析确立为站外引流核心路径。
2. 执行推进：全流程协同前后端、算法、设计与数据标注团队将PRD转化为开发任务，排查跨端阻塞确保核心业务流按期交付；统筹OCR（境外菜单/路牌）、商品包装识别（AR采集）、景点视觉理解三类数据集的标注规范与质量门槛，将14维评测框架落地为用标注集测准确率、用真实行程测顺路率、用Bad Case测幻觉率的可执行验收流程；建立Bad Case共享库，解决SFT微调后产研反复拉扯的协作问题。
3. 功能设计与增长运营：设计AR采集功能，AI识别旅行物品生成"商品—地点—时间—AI点评"邮票式旅行印记，将碎片化体验转化为情感资产；推动URL解析支持小红书/马蜂窝一键导入，并在攻略无结构化内容时主动提供替代方案将失败场景转化为二次转化机会；协同运营小红书官方账号累计259篇笔记沉淀9.8万粉丝，形成"内容种草→工具使用"增长闭环。

项目成果

• 数据底座与交付：推动产品从MVP阶段走向正式上线，建成旅行垂类多模态数据底座，沉淀OCR（境外菜单/路牌）、商品包装识别（AR采集）、景点视觉理解三类标注数据集及全球热门城市三级地理知识图谱，为模型持续迭代提供结构化训练资产。
• AI核心指标与评测闭环：AI行程采纳率70%+、交互渗透率稳定60%，14维评测体系持续驱动路线规划、景点识别等核心场景置信度显著提升；建立Bad Case共享库作为产研协作标准机制，有效提升模型迭代效率。
• 差异化功能与增长验证：AR采集功能上线后成为产品差异化记忆点，AI识别旅行物品生成"商品—地点—时间—AI点评"邮票式旅行印记，将碎片化体验转化为情感资产；URL解析成为站外用户转化核心入口，配合小红书259篇笔记沉淀9.8万粉丝，验证"种草→解析→规划"增长模型有效性。

美妆垂类 AI 智能导购 Agent

美妆电商客服场景中，用户咨询高度个性化（肤质、肤色、使用场景），传统关键词匹配式客服无法理解复杂购物意图，通用大模型又缺乏美妆垂类知识，导致推荐不精准、转化率低。项目旨在打造一个具备美妆专业知识、能理解用户需求并自主调用工具完成导购任务的 AI Agent。

岗位职责

1. 独立搭建美妆智能导购 Agent 的完整 Workflow，覆盖用户进线→意图识别→槽位填充→工具调用→推荐输出的全链路对话逻辑。定义 Agent 可自主调用的工具集（商品检索、肤质判断、色号匹配、库存查询等）及其触发条件与调用优先级，完成部署至电商客服平台对接。
2. 负责美妆垂类知识库搭建：梳理 1 万+ 产品信息，结构化沉淀为商品卖点、目标人群、使用场景等维度标签，并设计 RAG 检索链路，使 Agent 推荐内容有据可依。
3. 统筹多模态商品图库建设：制定 30+ 品类（口红、粉底、唇膏等）的商品图片质量标准（描述准确性、展示角度、光线、清晰度），构建 20 万张高清图片库，为 Agent 可视化推荐能力提供数据基础。
4. 建立全链路评测体系：定义识别准确率、工具调用成功率、推荐合理率、响应时间等核心指标，持续跟踪线上 Bad Case 驱动 Workflow 迭代与模型优化。

项目成果

• Agent 上线后承接约 65% 的美妆客服日常咨询，人工客服日均处理量下降近七成；用户平均等待时长从 2-3 分钟缩短至秒级响应。
• 基于知识库与 RAG 链路的商品推荐，导购场景订单转化率较人工客服提升约 40%。
• 20 万张商品图片库与 1 万+ 产品知识库形成可复用数据资产，支持后续品类扩展与模型迭代。

恋爱AI虚拟角色对话能力优化

1. 参与产品需求拆解与用户场景梳理，协助定义恋爱AI角色的核心对话能力目标（破冰自然度、情感共鸣力、人设一致性），将抽象的用户体验诉求转化为可执行的功能需求文档。
2. 协助搭建角色人设体系，梳理不同角色类型（如霸道总裁、温柔学长等）的性格特征、语言风格与情感表达规则，形成标准化的人设框架，指导后续模型训练方向。
3. 参与对话质量评测体系建设，定义人设一致性、情感回应能力、对话连贯度等评测维度，构建 2,500 轮标准测试用例与 5 分制评分体系，对主流大模型（ChatGPT、文心一言等）进行横向评测，输出选型对比报告辅助技术决策。
4. 持续跟踪线上用户反馈与 Bad Case，协助推动多轮对话逻辑迭代优化，提升 AI 角色在情感场景下的回复真实感与上下文连贯性。