1、大模型认知——理解LLM基本原理（预训练/SFT/RLHF/Agent架构），能判断生成式任务的能力边界与常见缺陷（幻觉/上下文遗忘/指令遵循偏差） 2、多模态理解——熟悉语音（ASR/TTS/声纹）、图像（OCR/目标检测）、视频理解等模态的技术链路 3、数据闭环思维——理解"数据→模型→体验→数据"飞轮，能从用户反馈中提取badcase反哺模型迭代 4、Prompt与 Agent设计——掌握提示词工程方法论，能理解RAG/Function Calling/Workflow等Agent范式 5、算法-产品翻译力——能将算法指标（WER/BLEU/困惑度）翻译为用户可感知的体验术语（"听懂率""答得准""回得快"），反向也能将体验诉求转化为算法可优化的技术目标 6、Token经营意识——理解Token消耗与模型效果/成本的三角关系 7、技术理解力——不需要写代码，但能听懂大模型/ASR/NLU的基本逻辑，知道能力边界在哪、什么能做什么做不了；跨团队推动力——能协调算法、研发、设计、运营等多方把事情推落地，遇阻不甩手 8、自驱与抗压——主动深入一线发现问题，不等指令驱动；产品迭代节奏快，能扛住压力持续输出；学习敏锐度——AI技术日新月异，能快速吸收新能力并判断对产品的价值，不被旧经验束缚