共 4281 个在招岗位 · 实时同步阿里巴巴官方招聘数据
1. 根据市场动态及行业客户需求，制定并执行区域业务规划，确保快递网点、消费者、网络运营以及政府监管等多方利益的平衡，促进驿站业务的持续健康发展。 2. 整合公司内外资源，确保总部运营策略在所负责区域的有效实施与落地执行。 3. 负责监控区域站点和网点的日常运营情况，并及时处理异常问题，保障整体运营稳定。 4. 组建并领导本地化团队，致力于提升站点服务质量与用户体验，优化站点经营环境，增强站点的生存与发展能力。
1. Agent 编排与架构设计 (Orchestration & Architecture) 设计并实现高性能的 Agent 编排引擎，支持复杂的任务分解（Task Decomposition）、动态规划（Planning）及多步推理（CoT/ToT）。 构建 多智能体（Multi-Agent）协作框架，定义智能体间的通信协议、角色分工、冲突消解机制及共识达成策略，确保系统在复杂场景下的协同效率 。 落地先进的 设计模式，如反射（Reflection）、工具使用（Tool Use）、人机回环（Human-in-the-loop）等，提升系统的鲁棒性与自适应能力 。 2. LLM Ops 与系统优化 (LLM Ops & Optimization) 搭建完整的 LLM Ops 体系，涵盖模型部署、版本管理、灰度发布、自动化监控及成本优化（Token 预算管理）。 负责 推理性能调优，通过提示词工程（Prompt Engineering）、模型微调（SFT/LoRA）、量化技术及缓存策略，显著降低延迟并提升吞吐量 。 构建 可观测性平台，实现对 Agent 执行链路的全程追踪（Trace），包括意图识别准确率、工具调用成功率、幻觉检测及异常自动恢复机制 。 3. 数据闭环与评测体系 (Data Loop & Evaluation) 设计并实施自动化的 Agent 评测框架（Eval Framework），建立多维度的评估指标（如任务完成率、规划逻辑性、记忆准确性），驱动系统持续迭代 。 构建 “数据 - 训练 - 评测”闭环，利用用户反馈日志挖掘高质量微调数据（Hard Negative Mining），指导模型对齐与能力增强 。 优化 检索增强生成（RAG） pipeline，包括混合检索策略、重排序（Re-ranking）、知识图谱融合及上下文窗口管理，解决长尾知识问答难题 。 4. 基础设施与工具生态 开发标准化的 工具接入层（MCP/Function Calling），实现外部 API、内部系统及私有数据的无缝集成，确保参数校验与执行安全 。 设计 记忆系统（Memory System），结合向量数据库与关系型存储，实现短期上下文管理与长期个性化记忆的持久化与高效检索 。 探索 容器化与隔离技术，为海量并发 Agent 提供安全、资源隔离的运行环境（如基于 Kubernetes 的动态调度）。
我们是谁？ 作为中国领先的数字地图内容及导航服务提供商，高德地图日均服务数亿用户出行决策，每日处理超百亿级位置数据。视觉技术中心是驱动高德实现厘米级高精地图、实时三维重建、多模态感知等核心技术的引擎，持续突破自动驾驶、AR导航、智慧交通等领域的技术边界。 团队gihub主页：https://github.com/amap-cvlab 为何加入我们？ 挑战世界级技术难题，追求智能上限 用AI驱动国民级APP的产品迭代和颠覆式创新 岗位职责： 团队主要聚焦多模态大模型及端到端模型在车端导航及定位应用，我们期待你的工作将覆盖以下至少一个技术方向即可： 1. 在端到端自动驾驶、BEV环境感知、多模态融合、强化学习等领域具备丰富且有独创性的研究经历； 2. 探索多模态大模型在下游任务中的技术能力，包括但不限于图文对齐/识别、跨模态理解生成、多模态检索、VLM端到端自动驾驶、世界模型等； 3. 了解大模型模型的训练/微调/推理加速方法，包括但不限于模型结构调优、训练效率提升、高效低成本微调、Muti-token推理，模型部署加速等； 4. 参与自动驾驶系统中机器学习算法的研究、开发与优化，包括但不限于深度学习算法在端到端感知大模型、规控大模型、视觉语言大模型等方面的应用； 5. 负责收集、整理和分析自动驾驶相关的数据集，进行数据预处理和标注，以提高模型的准确性和复杂场景泛化能力； 6. 设计和实现端到端自动驾驶模型的训练流程，包括选择合适的优化算法、调整超参数、评估模型性能等，确保模型在不同场景下的稳定性和可靠性。
1、负责所属 AI 方向的技术规划与架构演进，持续提升算法能力对业务增长的支撑。 2、负责核心算法模块的设计、技术选型与工程落地，推动算法方案在高并发生产环境中稳定交付。 3、带领算法团队完成任务拆解、项目推进、能力建设与梯队培养，提升团队整体效率与产出质量。 4、对方向核心业务指标负责，建立数据反馈闭环，驱动技术持续迭代与优化。 5、与产品、工程、运营及业务团队深度协同，推动技术方案与业务目标对齐，保障项目高效落地。 6、跟踪 AI 前沿技术趋势，牵头关键技术预研与工程化转化，沉淀可复用的技术资产与最佳实践。
强化学习（RL）是 Qwen 系列基础模型持续演进的重要技术方向，被广泛应用于提升模型在复杂任务中的推理、规划、编码、工具调用与长程决策能力。我们持续探索 RL 在长程代码任务、视觉交互、真实环境执行、数学与代码竞赛等场景中的应用，推动模型在复杂开放任务中的自主性与执行表现。欢迎对大模型与强化学习方向有经验和热情的同学加入。 工作内容包括： 1. 研究 PPO、GRPO 等强化学习算法，提升训推分离场景下大规模 RL 训练的稳定性与效率；探索 RL scaling law、长程训练、多任务融合与系统优化等方向，提升模型持续训练收益与泛化能力。 2. 优化端到端 Agentic RL 链路，提升算法与系统整体效率，增强 agent 在推理、长程规划、代码生成与工具调用等场景中的能力；结合 critic model 与过程奖励机制，对 agent 行为进行有效引导，提升 scaffold 泛化性、指令跟随能力与推理效率。 3. 提升 RL 在长程任务与复杂开放任务中的表现，研究训练效率优化、复杂任务学习方法；探索多 agent 协作、自我反思、记忆机制与规划等方向，提升奖励信号、奖励模型与agentic verifier的准确性和鲁棒性。 4. 与研究员和工程师协作，持续迭代coding agent 与long-horizon agent 的训练数据、奖励信号与执行环境；改进合成数据生成方法，针对模型能力短板构建可验证的 RL 数据，提升基础模型在前沿 benchmark 与真实任务场景中的表现。
● 负责业务系统的质量保障与效能提升，深度参与产品研发全流程，通过质量左移、自动化测试和稳定性建设，持续提升系统质量与团队交付效率；同时探索 AI 大模型在测试与研发效能场景的落地应用。 ● 完成需求相关的功能与回归测试，过程中做好缺陷、风险等管理，保证按时按质量交付 ● 编写和维护负责模块自动化、数据工具、知识库等，做好测试资产建设。 ● 使用 AI 工具辅助测试，提升日常测试质量/效率，日常工作中探索AI使用场景，并做实践
岗位描述： 全面负责千问大模型在 Post-Training 能力进化和上限突破、持续推进模型能力边界和商业价值的不断延伸。通过对前沿算法的极致探索和高效能工程体系的构建，驱动模型在逻辑推理、问答、复杂多轮上下文、指令遵循、Agent 智能体、多模态交互等关键领域实现突破性进展，打造世界一流的模型效果，并定义其在未来 AI 应用中的核心价值。 工作职责： ● 【战略规划与技术引领】 制定并执行大模型 Post-training 的中长期技术路线图，预判并布局下一代对齐技术、能力增强及对齐方案。主导核心算法的战略方向，确保技术路径与公司业务战略高度协同。 ● 【核心能力与壁垒构建】 领导团队进行体系化的数据驱动实验，不仅局限于日常迭代，更要建立可规模化的能力提升范式。您将攻坚并解决模型在复杂指令遵循、通用问答、RAG、深度逻辑推理、内容创作、Tool-Using 等方面的瓶颈问题，构建技术壁垒。 ● 【前沿算法研究与创新】 深入探索并推动 Post-training 领域的前沿算法创新，包括但不限于 RLHF/RLAIF 的新范式、模型融合 (Model Fusion/Merge) 、模型蒸馏及 MoE 模型的高效对齐策略。您的目标是显著降低模型幻觉、提升推理的效果、加强模型复杂指令的遵循能力。 ● 【多模态与未来探索】 从统一多模态模型的战略视角出发，您将指导并规划多模态统一大模型的 Post-training 技术融合。探索并落地高效的多模态 SFT 数据构建、跨模态能力协同训练及对齐策略，确保模型在图文问答、视频对话 等复杂场景下实现无缝、精准的理解与生成。 ● 【团队领导与效能提升】 负责 Post-training 算法团队的组建、培养与管理，打造一支具备高效执行力和持续创新能力的顶尖团队。您将指导并优化从研究、实验、评测到部署的全链路工具链与工程框架，实现研发效能的倍增。
1. AI 解决方案设计与落地 ○ 面向海外企业、跨国公司（如头部零售、国际电信、头部医药、金融等客户），深入理解其核心业务场景与AI转型需求。 ○ 结合阿里云百炼、云服务等产品能力，设计端到端的AI数字化解决方案，推动AI MaaS产品组合的商机转化与项目落地。 ○ 通过Prompt工程、工作流编排、Agent构建等方式，快速开发高价值Demo，向客户进行技术演示与价值验证。 2. 敏捷原型开发与技术协同 ○ 运用“Vibe Coding”理念，借助前沿AI编程助手（如Claude Code、Qoder等），高效构建行业应用原型，从AI-Native 的角度，支持支持敏捷迭代与新时代的云服务产品重构。 ○ 协同内部AI PD与RD团队，将客户反馈转化为产品优化需求，持续提升百炼专属版等AI工具链的企业级能力。
1. 面向ToB行业场景（如AI手机等），设计并构建可扩展、高可用的Agent编排系统，支撑多模态交互系统中复杂任务的自动化执行。 2. 深度整合阿里集团内部丰富的Agent能力，同时对接第三方生态服务，打造统一的行业级Agent应用。 3. 制定标准化的工具描述协议、Agent接入规范与开发者工具链（SDK/CLI/调试平台），降低内外部生态伙伴的接入门槛。 4. 针对移动端等资源受限环境，优化Agent调用链路的性能、延迟与鲁棒性，支持离线、弱网、低功耗等边缘场景下的可靠运行。
1、负责月度结账相关工作，完成PTP模块的计提、预提、费用分摊、账龄分析及相关往来科目发生额及余额核对，按时提交月结报表并配合完成结账时间表内的各项任务。 2、配合内外部审计，提供PTP相关的凭证、台账及说明资料，确保账务处理满足内控及合规要求。 3、持续跟进并优化核算流程，参与系统上线、流程改进等专项工作，提升核算效率与质量。
1.负责游戏业务数仓的设计与开发，基于 Hadoop/MaxCompute 构建分层数据模型（ODS/DWD/DWS/ADS），保障数据质量和产出时效 2.参与实时数据链路建设，基于 Flink 构建实时指标和实时特征，支撑业务实时监控和运营决策 3.负责核心数据指标体系的搭建与维护，包括 DAU、LTV、付费率、留存等关键业务指标，推动数据资产化建设与落地 4.深度参与数据研发链路的Data Engineering Agent化改造：从需求理解、模型设计、SQL 生成、任务调度到数据治理，逐步将传统人工流程升级为 Agent 辅助的智能化研发模式 5.引入分析工程（Analytics Engineering）实践，推进数据模型的版本化、测试驱动和文档自动化，构建面向 Agent 消费的结构化数据资产体系 6.参与数据治理工作，利用 Agent 能力实现元数据自动管理、数据质量规则自动发现与修复建议生成，持续优化数据模型的稳定性和可维护性
1、 负责多个剧集前期开发、策划； 2、 负责同主创团队、制作团队、内容营销团队、市场推广团队的沟通、协调与具体工作，包括外联、会议组织与召集、工作协调等； 3、 大量阅读网络文学、小说IP，甄选分析有改编潜质的文学作品，作为IP版权资源储备； 4、 负责跟进已有项目剧本阶段优化工作，与项目负责人配合带领编剧团队进行剧本修改。
面向淘宝直播场景，通过前沿AIGC技术提升整体数字人形象表现力和真实感，具体职责不限于： 1、负责数字人相关前沿算法研发，包括但不限于形象生成和驱动（肢体动作、表情、口型）； 2、负责数字人算法的实现和持续优化，提升数字人形象表现力，数字人真实度通过图灵测试； 3、跟踪行业最新技术动态，攻克技术难点，打造行业最具影响力的数字人技术和应用； 4、参与数字人产品的需求分析和技术方案设计，推动技术在业务落地；
1. 研发支撑自动标注、并对标冲击业界 SOTA 的语音算子（识别与对齐、说话人与声学、中文方言/口音/LID、多音字 G2P、中英混、TN/ITN 等），负责训练、评估、迭代与持续对标； 2. 建设亿小时级语音数据资产中枢：内容族与资产族两族标签的 schema/ontology、取数引擎、元数据库、多维查询与按标签取数； 3. 设计跨源去重治理与 train-eval 去污 pipeline，建立数据覆盖率矩阵与缺口诊断，驱动数据按需补齐、形成质量闭环。
1、负责快消品类客户的开发及维护，完成公司下达的IP销售指标，建立与企业客户的良好合作关系； 2、深度挖掘IP和快消行业的营销玩法以及结合空间，对IP商品化授权、IP营销授权、影剧综植入等进行整合推荐及销售； 3、通过IP给品牌营销赋能，打造数据+IP+营销+消费者的全链路一站式解决方案； 4、承担项目经理职责，独立推进整个项目进展并拿到项目结果。
1. 采购策略与品类管理（核心）： 1.1 制定海内外仓储自动化项目的采购策略。 1.2 制定并落地核心品类（物流自动化领域设备相关）的中长期采购战略，对齐公司业务目标与成本规划。 1.3 编制年度招采计划与预算，与业务部门共同制定降本目标。 2. 供应商资源布局： 2.1 开展供应市场分析：调研价格走势、产能分布、技术迭代，输出市场洞察与策略建议。 2.2 供应商开发：落地执行供应商准入机制，建立多元化供应池。 2.3 战略合作：与核心供应商签订长期框架协议，推动联合降本、技术协同、产能保障，建立战略伙伴关系。 2.4 风险管理：识别断供、涨价、质量、合规等风险，制定备选供应商、安全库存、应急预案，保障供应韧性。 3. 成本管理与商务谈判 3.1 成本拆解与建模：分析BOM、材料、工艺、工时、模具等成本构成，建立标准成本模型，识别降本空间。 3.2 制定明确招采策略，拆分明确招采任务，指导采购流程执行。 3.3 跟踪原材料价格、汇率波动，制定价格应对策略，锁定成本，规避涨价风险。 4. 数据驱动与跨部门协同： 4.1 建立采购数据看板：监控成本、交期、质量、供应商绩效、降本达成率，定期输出策略复盘报告。 4.2 跨部门协作：协同研发、质量、生产、财务、物流，解决供应异常，推进国产化、第二供应商开发、流程优化项目。
1、专家项目全生命周期管理：负责内部专家资源池的日常运营与维护，包括专家的招募、准入、分级、履约跟进与关系维护；对接内部专家，主导专家项目从立项、启动、执行到交付的全流程推进，确保项目按节点、按质量、按预算达成目标。 2、内部运营活动的设计与落地：围绕专家生态与业务目标，策划并执行面向专家的运营活动；独立完成活动方案设计、资源协调、执行落地、数据回收与效果评估，持续提升内部专家活跃度、满意度与产出质量。 3、项目复盘与结算：主导项目结项工作，包括交付验收、专家履约评价、费用核算与结算流程跟进；沉淀项目复盘报告，输出可复用的 SOP、案例库与运营方法论，为后续项目提供数据与经验支撑。 4、过程风险管控：识别项目过程中的进度、质量、合规、预算及舆情等潜在风险，建立风险预警机制；针对异常情况快速响应、协调资源解决，并向上同步关键信息，保障项目稳定运行。 5、跨团队协作与支持：与业务、产品、法务、财务、内控等团队紧密协作，推动流程优化与机制建设；定期输出运营数据看板与经营分析，为业务决策提供依据。
（1）联合解决方案设计与落地 深入理解 Qoder 产品能力与合作伙伴技术栈，覆盖 Qoder CLI 作为可嵌入底座被集成、以及 Qoder 主动集成合作伙伴产品与能力两种模式，面向战略 ISV 与技术合作伙伴设计互补的联合解决方案； 主导集成与被集成场景的方案规划，明确 Qoder 集成合作伙伴能力、以及 Qoder CLI 嵌入合作伙伴产品/平台的能力边界、调用方式与品牌呈现策略； 沉淀标准化的参考架构、集成与被集成对接规范及最佳实践，输出解决方案文档、产品架构白皮书和 POC 演示材料； 协同产品和工程团队，推动合作所需的产品适配、CLI/API 双向对接、SDK 封装与技术优化，完成 co-sell 就绪度验证，保障集成与被集成方案稳定落地。 （2）分销网络建设与赋能 与分销团队协作，拓展国内分销商 / 代理商 / 系统集成商网络，重点发展具备集成与被集成落地能力的技术型伙伴； 为分销与集成伙伴提供产品培训、集成技术支持、方案设计指导与最佳实践沉淀； 支持分销伙伴推进客户签约，参与关键客户的售前会议、产品演示与集成方案的技术答疑。 （3）生态布道与品牌建设 作为 Qoder 生态代言人，在行业会议、技术峰会、开发者大会上进行产品演讲与案例分享，重点传播 Qoder 开放集成与被集成的生态价值； 策划并输出高质量技术内容，包括技术博客、案例研究、集成 Demo 项目，展示生态合作中集成与被集成能力的落地价值； 打造集成与被集成标杆案例，沉淀可复制的集成范式与推广模式，反哺生态规模化拓展。
1. 负责Harness AI工程对客和对内安全能力的的调研与开发； 2. 参与构建Harness AI安全系统架构和实际研发落地； 3. 协同提升AI产品对外安全竞争力和风险对抗能力。
负责阿里集团、阿里云可观测数据处理基础设施建设，打造日增百PB级数据的实时数据分析平台。通过实时采集、索引、存储、压缩等技术，实时处理来自千万设备的海量日志数据，并针对AI应用场景进行特定优化，提供智能、自动化数据分析服务。 加入该岗位，您将有机会在国内超大规模的实时日志平台上，构建各种面向各类AI应用场景的数据存储和处理平台，打造新一代的AI基础设施。 1. 参与阿里云战略级产品SLS研发，参与面向AI应用场景的多模态数据采集、处理、检索分析等功能开发与设计； 2. 参与数据飞轮的建设，研发高质量数据集的清洗和存储、检索系统； 3. 参与Agent数据反馈回路建设，打磨Agent质量； 4. 参与建设Agent数据基座，研发稳定可靠的Agent运行时数据基础设施。
技术方案设计 • 收集、识别、分析客户需求，并确定技术方案的目标、范围和交付成果 • 基于需求分析，进行技术可行性分析和方案评审，选择合适的技术选型、功能设计、技术架构、数据架构和开发流程等 技术实现 • 基于技术方案的拆解，按照任务目标和产出规范，完成任务/子任务的设计、编码开发和系统功能实现 • 负责核心功能的架构与代码模板的编写，开发与维护系统公用核心模块，技术架构重构、优化等 • 对编码进行阶段性的讨论和CodeReview，并通过调试优化，推动代码成功部署 • 对开发中和部署后的程序进行必要的维护和迭代，包括值班oncall、升级工单处置、bug排查、问题诊断、产品体验改善、性能和成本优化等 稳定性和性能优化 • 制定稳定性策略，寻找并解决产品系统中的潜在风险和瓶颈，覆盖线上疑难杂症问题，确保系统的安全可靠 • 运用产品优化技术和方法，进行性能优化，提高产品稳定性和性能 技术预研 • 跟踪和了解最新的产品技术和趋势，根据业务需要提供最新的技术支持和建议。 技术规划 • 理解业务战略及重点，基于业务需求作出高可用、高可靠、高拓展性的技术架构规划和落地。
1. 负责可观测领域 AI Agent 的核心架构设计与研发。构建具备分层规划、工具调用与自验证能力的自主运维系统，解决复杂环境下的故障诊断与处置问题。 2.负责云监控系统自身诊断场景的 Agent 落地。将运维标准操作程序与排查经验转化为可复用的工具链，开发高可用、高并发的执行引擎，完成从意图理解到操作执行的工程闭环。 3. 建设 Agent 的业务评估基准与持续迭代机制。设计并实现基于大语言模型裁判机制的自动化评测流水线，通过数据回放与治理，保障智能体在真实生产环境中的准确率与稳定性。 4. 推进云监控 2.0 基于 UModel 统一数据模型构建 Agent 的底层知识体系。打破指标、日志、链路的数据隔离。 5. 负责云监控接入层及探针建设。支持 Prometheus、OpenTelemetry 等标准协议接入，完成可观测的采集、计算、存储的端到端链路在异构计算芯片架构上的深度适配，满足不同客户场景下的无缝接入与监控需求。
1. 参与模型服务平台云原生管控系统的开发，包括服务生命周期管理、弹性伸缩、灰度发布等核心能力建设 2. 负责大规模GPU集群的资源管理与调度系统开发，包括资源分配、超卖策略、异构资源调度等 3. 参与基于Kubernetes的调度器与Operator开发，实现GPU资源的精细化调度与利用率优化 4. 负责大规模GPU集群的稳定性建设，包括故障检测与自愈、可观测体系、安全管控等 5. 参与平台产品化与计量计费系统的开发，支撑商业化运营 6. 根据用户反馈快速定位线上问题，将运维经验沉淀为平台能力，持续提升系统可靠性
市场洞察和竞争分析 •基于细分领域市场发展趋势、市场空间、核心场景及痛点等需求信息，结合所在区域/行业的特点，输出细分领域的机会点及市场洞察分析报告； •通过竞争项目中竞对的策略和方案分析，给出差异化竞争方案，并定期输出高质量的竞争情报。 商机识别和售前引导 •基于对客户业务策略的理解，准确识别和理解客户语言背后的真实意图和本质，与客户关键决策人建立信任关系，并制定针对性的产品/解决方案引导策略，引导产品和解决方案销售。 •制作高质量解决方案和项目建议书等相关文档，并就具体业务或技术场景，对客户关键决策人进行引导。 •能高质量完成面向客户中高层的方案汇报。 解决方案设计和推广 •根据客户需求制作针对性的解决方案，项目中制定正确的产品选型策略、POC测试打击策略、招投标策略、产品配置策略等，达成合同签约，持续保障阿里云在该客户的份额提升。 •推动行业解决方案在细分领域的孵化和规模化复制。 •在方案落地过程中及时发现并处理技术和项目风险，协同产研及交付团队正常履约，实现合同转化。 生态合作 •通过联合解决方案，推动与行业生态伙伴的合作，推动阿里云产品“被集成”。 能力沉淀和赋能 •沉淀面向细分领域/场景的行业解决方案、联合解决方案、最佳实践等知识文档。 •对销售团队和生态伙伴宣讲、布道和赋能培训。 产品需求和缺陷反馈 •代表客户持续向产品反馈需求，抽象和归纳细分领域的产品需求和缺陷，推动产品改进、新产品立项和重大功能上线，打磨产品和解决方案，提升产品竞争力。
1、协助制定阿里云业务线重点行业打法与策略规划，聚焦大模型、MaaS（模型即服务）及生成式 AI 在行业的落地路径，主导 AI 原生新场景、新市场的孵化与商业化验证； 2、具备较强的数据分析能力，能综合销售数据、PPL（销售漏斗）数据、模型调用量/Token 消耗/Credits 消耗、MaaS 战役营收情况等业务数据，帮助业务发现问题、甄别问题根因并提供可落地的解决方案； 3、具备销售策划能力，能围绕大模型与 MaaS 的商业化模式（如 API 计费、PPU、专属模型部署/私有化等）设计销售策略，负责销售活动策划、销售制度的制定与管理； 4、具备大项目跟踪能力，能针对行业线重大项目（尤其是大模型/MaaS 标杆项目）进行全周期跟踪，追踪过程问题、预判风险、推动项目闭环，并对丢单进行复盘与归因； 5、沉淀行业标杆案例与最佳实践，形成可复制的打法，反哺行业策略与团队赋能。
一、我们在做什么 淘宝搜索是阿里核心业务之一，日均服务数亿用户的购物决策。我们正在将搜索从"找商品"升级为"发现灵感"，探索 AI Native 的下一代搜索体验。 我们尝试打造全新的Agentic Search搜索产品范式：围绕店铺 Profile 理解、店铺优质装修素材挖掘，以及 User × Query × 趋势的兴趣推理，建设店铺内容型 Agentic 灵感导购，帮助用户更高效地发现风格、店铺和值得继续深逛的商品。 这个方向将形成区别于主链路“逛商品”的认知心智，并把用户在灵感浏览、自然语言反馈和多轮选择中产生的高质量兴趣信号，反哺主搜索的个性化推荐策略。 二、你的岗位使命 作为这一方向的AI搜索PM，你将负责定义“店铺内容型 Agentic 灵感导购”是什么、解决谁的什么问题，以及如何证明它创造了新的搜索价值。你需要把用户需求、搜索与推荐能力、店铺供给、内容表达和 AI 交互组织成一条完整链路，并推动产品从概念验证走向规模化。 三、职位描述 你将负责 1. 定义产品方向与演进路线。 围绕内容、灵感、发现和效率，明确「逛」区别于主搜索商品链路的用户价值；从宽泛词切入，识别优先场景并推动 MVP、实验和持续迭代。 2. 建设搜索理解与店铺推荐策略。 和算法团队共建 Query 理解、店铺级召回排序及个性化策略，将用户当下需求、长期偏好与趋势信号转化为可解释、可承接的推荐结果。 3. 推动店铺 Profile 与内容供给建设。 组织店铺风格、适用人群、场景、价格带、商品结构、服务与权威信息；探索店铺装修、穿搭内容等素材的识别、筛选和治理机制，解决素材质量参差、覆盖不足和同质化问题。 4. 设计 AI 原生的连续导购体验。 在不牺牲首屏效率的前提下，探索轻量AI Summary 的价值；重点建设流内持续对话，让用户能够自然表达，并驱动结果刷新和收敛。 5. 设计并验证内容承接链路。 比较内容详情、店铺全部宝贝等不同承接方式，确保用户在封面看到的商品和风格能够被后续页面接住，同时平衡发现效率、浏览深度和交易转化。 6. 建立实验与增长闭环。 定义核心指标和可验证假设，通过受控实验识别 Summary、内容形态、个性化和承接方式的净增量；将「逛」场景沉淀的兴趣反馈转化为主搜索个性化可复用的策略资产。 在这些工作中，你直接负责产品判断、方案设计、实验定义和结果复盘；搜索算法、数据、设计、工程及商家供给能力由你牵引相关伙伴共同建设。
· 负责区域及出海市场营销工作，能结合公司战略方向、产品技术特点及市场需求，识别市场机会点，制定整合营销计划，挖掘新赛道及核心圈层，建立系统化市场覆盖矩阵，并确保有效实施。 · 负责大型Campaign项目策划及落地执行，基于赛道洞察、竞对情况、市场机会点、目标受众画像、产品优势，制定针对性的营销策略，能够在复杂环境中建立跨团队协同机制，协调各方力量达成目标。 · 负责AI、出海等重点赛道的心智定义、内容生产和传播策划，能结合市场热点策划事件营销，结合技术趋势、应用趋势挖掘和包装客户案例及产品技术优势，通过高质量内容及传播策划提升相关赛道阿里云声量。 · 负责营销活动的效果评估和数据分析，建立并持续迭代营销效果评估体系，定义关键指标，结合评价维度分析营销效果并持续优化营销策略。
1、建立商品降本评估体系，深挖商品降本机会，促进业务迭代降本运营机制； 2、针对公司重点大品大类，进行行业研究，探索全链路供应链降本机会，以及商品力跃迁机会； 3、基于对业务的理解和风险判断，持续优化业务成本管理体系，通过数据分析挖掘DPP降本机会点，驱动成本卡模型的优化和升级； 4、建立财务模型，正确评估项目收益，并系统化降低风险； 5、熟悉合同管理方法，发挥财务专业力，协同业务运营团队，牵引业务达成目标。
1、店铺销售：负责与公司内外部合作部门进行沟通对接，达成店铺销售目标，包括但不限于目标拆解、任务跟进、数据分析及制定业绩提升方案等； 2、人员管理：负责店铺员工面试、入职、带教、团队建设及相应的员工能力提升等； 3、货品管理：负责店铺货品陈列培训、库存分析及员工陈列能力提升等； 4、店务管理：负责店铺员工管理制度执行、顾客接待与维护管理、日常重大客诉处理等； 5、培训管理：根据公司的战略制定不同时期的培训计划（包括新店人员培训、日常培训、修订业务流程、操作规范、服务技巧等），并组织实施、监控培训过程、评估培训效果及组织培训考核等。
1、负责推荐场景里的AI场景用户运营，设计传统推荐到AI chatbot场景的用户路径设计，扩大 AI 导购在传统电商逛场景下的渗透，在传统推荐场景激发用户问 AI，牵引推荐场景里AI用户规模增长。 2、负责天猫 APP 全端信息流策略运营、以及agent 策略运营，以 ipv 为北极星指标，推进多目标建模、用户长期兴趣建模、实时特征等落地。把行业运营经验沉淀为可被模型调用的策略agent，系统性提升推荐效率与用户体验。 3、负责手猫 APP 端内 AI 导购 体验定义与评测体系：定义用户理想态与测评机制，通过高参模型蒸馏与行业横向对比，制定理想态下的评测标准，以评测驱动整个系统的迭代方向；并打造自动化测评 agent，使其具备自主发现问题、定义问题的能力，持续无限逼近理想态。
