一、知识体系
1.技术理解能力
1）掌握大模型核心技术原理（Transformer结构、微调方法、多模态对齐机制等）
2）了解主流大模型平台（LLaMA、GPT、文心一言等）及其开源生态体系
3）具备基本算法素养，能够分析模型性能评估指标

2.行业认知能力
1）深入理解特定领域应用场景（如金融、法律、政务、医疗等行业中大模型的落地实践）
2）熟悉数据要素市场化相关政策（包括数据资产入表、公共数据开放运营等内容）
3）把握行业核心难点（如政府数据孤岛现象）

二、核心专业能力
1.产品策划能力
1）需求洞察：从客户模糊诉求中提炼可标准化的产品解决方案
2）场景闭环构建：设计“数据标注-模型训练-效果验证”全流程实施路径（如医疗大模型的数据清洗+精细调优+私有化部署整体方案）
3）版本演进管理：制定契合大模型发展节奏的产品规划（如结合Agent技术趋势预判2025年工具链升级方向）

2.商业落地能力
1）价值呈现：将技术特性转化为客户可衡量的投入产出比
2）收费模式设计：构建分级定价体系（基础数据服务+增值算法模块+持续训练收益分成）
3）资源整合能力：建立供应商分层合作机制（与头部企业战略合作+区域小型服务商补充执行资源）

3.技术成果转化能力
1）工具有型经验：主导过人工智能类工具的实际开发项目
2）算法协作能力：推动算法团队实现技术向产品功能的转化
3）工程落地思维：兼顾最优方案与实际实施成本之间的平衡

三、关键软性能力
1.跨团队协作
1）高效联动算法、标注、交付等多方团队
2）建立技术与业务间的协同运作机制

2.风险识别与应对
1）提前识别项目执行中的潜在风险
2）制定保障产品顺利落地的安全预案

3.政策响应能力
1）敏锐捕捉政策带来的发展机遇
2）有效规避合规性风险