# 评测产品经理

外部公开机会：不能在 Agent觅聘 内申请，请前往官方渠道投递。

投递在官方渠道完成，完整外部回执留在本人工作区；已登录时，通过 CLI 明确记录的选择、本人自报投递和渠道观察三类最小事件默认上报平台。浏览或保存岗位不会触发上报，外部投递不会出现在“我的申请”里。

- 公司: 小米 (阶段未知)
- 地点: 北京
- 职能: 产品
- 前往官方投递: https://xiaomi.jobs.f.mioffice.cn/index/position/7647141363553454362/detail

## 来源岗位原文

1. 建设 Agent 评测体系：深入理解 Agent 在复杂真实场景下的能力边界，系统性构建涵盖多场景、多模态、多任务类型的评测方法论，将"效果好不好"转化为科学、可量化的能力度量体系。
2. Benchmark 研究与产出：持续跟踪国内外 Agent 评测领域前沿，主导设计具有挑战性与行业影响力的 Benchmark，推动在小米内外部建立影响力。
3. 数据驱动产品迭代：将评测洞察转化为高质量训练数据与产品优化方向，驱动产品与模型的持续演进。
4. 跨职能协同：作为评测方向的核心角色，与算法、产品、工程等多团队深度协作，以评测视角影响产品决策。
任职要求
1.基础要求
本科及以上学历，计算机、数学、统计或相关专业优先
5 年以上相关工作经验，有 AI 产品或大模型领域背景优先
对 Agent 技术方向有深入理解，能够独立判断评测方案的合理性与完整性
2.加分项
熟悉主流 LLM / Agent Benchmark，有独立研究或复现经验
有评测数据集构建或训练数据标注体系设计的实际经验
有车载、IoT、手机 AI 助手等 AI 场景的从业经历
3.素质要求
有强烈的产品直觉，能在技术语言与用户场景之间自由切换
主动性强，能在方向模糊的环境中自驱推进，有强目标感
对 AI 能力边界保持好奇心，热衷于深究"模型为什么在这里失败"
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_11", "en_name": "Beijing", "i18n_name": "北京", "location_type": 3, "mdm_code": "MDCY00000001", "name": "北京", "node_status": 1, "py_name": "beijing"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list": [], "recruitment_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Full-time", "i18n_name": "全职", "id": "101", "name": "全职", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Experienced", "i18n_name": "社招", "id": "1", "name": "社招", "selectability": 1}, "selectability": 1}, "storefront_list": [], "tag_list": [], "target_major_list": []}, "process_type": 1, "project_type": 1, "recruit_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Full-time", "i18n_name": "全职", "id": "101", "name": "全职", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Experienced", "i18n_name": "社招", "id": "1", "name": "社招", "selectability": 1}, "selectability": 1}}

---
opening_id: 0537a50f-5b3c-47ce-9109-d013396eecf7

`anm openings save --id 0537a50f-5b3c-47ce-9109-d013396eecf7`