共 4281 个在招岗位 · 实时同步阿里巴巴官方招聘数据
1. 负责资产运营多模式业务的技术方案主导与交付，覆盖供应协同、到货计划、现场交付、资产运营与现场资产运维、财务对账等十余类领域，主导技术评审、性能与稳定性保障，对最终交付结果负责。 2. 负责资产运营业务域的系统架构演进与技术决策，面向持续新增的业务模式主导领域拆分、核心模型与扩展机制设计，将模式差异沉淀为统一底座上的可配置扩展点，持续降低新模式的改造成本与系统复杂度。 3. 负责相关平台的AI 原生架构的规划与落地，主导大模型与 Agent 能力在业务链路中的工程化，涵盖场景选型与可行性评估、上下文与知识工程、工具与 MCP 接入、多 Agent 编排与任务调度、执行护栏与权限隔离、评测集与效果回归体系建设，形成可复用的 AI 平台能力与工程规范，并对 AI 应用的准确率、时效与人力效能收益负责。 4. 负责团队 AI 研发效能的提升与技术传承，推动 AI 在需求分析、编码、测试与代码审查环节的规模化应用并度量收益，主导技术选型、架构评审与核心人才培养。
1. 根据业务场景与发展，结合日常跟进与分析，能及时、准确、完整地披露BU整体及各部门的运作情况 2. 通过经营视角的专题分析，持续动态地研究关键问题，挖掘业务机会，预警潜在风险，提升经营效率，为管理者提供业务决策支持 3. 善于运用AI工具，具备一定的AI分析经验，搭建自动化回归与问题归因机制，通过数据分析持续追踪方案效果并驱动迭代优化；与运营、产品、技术等合作方高效协同，推动方案从 Demo 走向生产；将 AI 能力转化为部门可共享的方法论与工具资产
1、负责天猫APP端用户产品的运营：从用户视角出发，通过AI设计不同动机用户在首页/购物车/详情等访购路径和交互逻辑，优化信息架构和页面布局，降低用户决策成本；构建智能交互逻辑，实现"千人千面"的动态内容呈现和引导策略； 2、设计业务运营空间和分发逻辑：从平台视角出发，结合AI思路，设计不同类型业务或活动在首页的运营空间和分发逻辑，提升业务分发和转化效率，设计差异化的AI运营方案 3、推动运营工作流AI化：通过AI持续推动产品在内容投放、数据体系、运营流程上的工作流优化，提升运营时效
1、负责天猫APP端用户产品的运营：从用户视角出发，通过AI设计不同动机用户在首页/购物车/详情等访购路径和交互逻辑，优化信息架构和页面布局，降低用户决策成本；构建智能交互逻辑，实现"千人千面"的动态内容呈现和引导策略； 2、设计业务运营空间和分发逻辑：从平台视角出发，结合AI思路，设计不同类型业务或活动在首页的运营空间和分发逻辑，提升业务分发和转化效率，设计差异化的AI运营方案 3、推动运营工作流AI化：通过AI持续推动产品在内容投放、数据体系、运营流程上的工作流优化，提升运营时效
1. 履约核心系统设计 ● 负责履约表达与协同领域核心功能的领域建模、架构设计及编码实现。不仅关注传统业务逻辑，更致力于将 AI 能力原生地融入业务流程，确保系统的高可用性与智能化扩展性。 ● 主导重点项目的技术方案设计与评审，攻克“业务+AI”结合部的技术难点，保障项目高质量交付。 2. 系统性能优化与AI重构 ● 深入分析现有系统的瓶颈，通过重构代码、优化算法及引入 AI 辅助决策机制，显著提升系统性能与业务处理效率。 ● 基于 DDD（领域驱动设计） 方法论，清晰划分履约业务的领域边界，构建高内聚、低耦合的业务模型，为 AI Agent 提供清晰、标准化的业务接口与数据上下文。 3. AI Native 应用落地与工程化 ● Agent 研发与场景落地：负责 AI Agent 在履约协同复杂场景（如智能调度、异常自动处置、多式联运协同、客服交互等）中的研发、编排、调优与实际落地，解决传统规则引擎难以处理的长尾问题。 ● LLM 工程化体系建设：掌握 LLM 基本原理，负责企业级知识库（RAG）的构建与维护；熟练运用 Context Engineering（上下文工程） 和 Harness 工程/SDD 开发能力，优化 Prompt 策略，提升大模型在垂直业务场景下的准确性、稳定性与可控性。 ● 协议标准化与技能扩展：基于 MCP (Model Context Protocol) 协议打通数据孤岛，实现系统与模型间的无缝交互；开发标准化的 AI Skills，实现跨领域需求的快速组装与交付。 ● AI 驱动的研发效能提升：利用常用 AI IDE 及辅助工具优化开发全流程，探索 AI 赋能软件开发生命周期的最佳实践，推动团队从“Code Writer”向“AI native Architect”新研发范转型。
1、执行区域内的骑手运营计划，做好过程管理和结果复盘，为区域内的履约服务质量和用户体验负责； 2、搭建区域内的骑手梯队，完成骑手的招聘、培训、留存、汰换等日常管理动作； 3、跟进处理因履约原因产生的相关商户、骑手和产品流程等问题，提高作业体验和效率。
客户关系管理 • 客户开发：主动了解所在区域/市场的关键行业knowhow，保持对AI趋势的深度、及时掌握，识别市场机会，开拓新客户或挖掘现有客户的产品和技术需求，形成有效商机。 • 客户业务理解及需求挖掘：充分了解客户商业模式、AI场景下的业务挑战，进行客户组织架构梳理和决策链摸排，获取客户信息，通过串联客户OKR，找到双方合作机会点。 • 建立组织客情：维护好关键决策点的客情关系，协调我司管理层和客户建立连接，作为“铁三角”的导演，进行良好的内部项目协调。与客户各层级建立长期的业务和技术关系，赢取客户信任，在合作中获得关键性支持。 产品和技术价值传递 • 理解阿里云产品及解决方案：深入理解飞天云计算操作系统、七大件、全栈AI（从算力到模型到应用）等阿里云产品的技术价值，了解竞对的差异化竞争优势，能够根据客户需求初步制定解决方案。 • 独立面向客户讲解业务解决方案：针对客户特定场景业务需求，独立面向客户讲解阿里云业务解决方案，清晰的传递阿里云竞争力以及能够为客户创造的业务价值。 制定商务策略及商机转化 • 促进客户决策及商机转化：能摸清并影响客户决策链路，制定应对商务方案，运用销售策略，转化商机，达成业绩，实现与客户的双赢。 • 客户运营和管理：作为第一责任人，从商机获取、客户交流、招投标商务流程管理、客户交付及问题解决，到内部产研、财税法等支撑部门有效协同，整合内外部资源，识别管理风险点，做好精细化运营和项目落地。 持续做好客户服务 • 客户全生命周期的业务支持：持续做好客户服务，及时解决客户问题，提高客户满意度，长期陪伴客户成长 • 推动产品反向优化：将客户使用中遇到的影响客户体验的问题，反向推动内部解决，推动内部产品解决方案和流程体系的改进。
1、负责大规模商品标签、类目属性及商品信息理解算法，解决商品分类、信息抽取、标签生成、知识补全和商品摘要等问题。 2、探索大语言模型和多模态模型在商品理解中的应用，参与指令数据构建、监督微调、偏好优化、强化学习及模型评测等后训练工作。 3、建设面向商品数据生产的 Agent 系统，研究复杂任务规划、工具调用、记忆、反思和多智能体协作等问题，推动数据生产从人工规则驱动向智能化、自迭代方向升级。 4、面向数十亿级商品和多业务场景，建设覆盖数据构造、模型训练、自动评测、在线应用和效果迭代的完整算法链路。 5、与搜索、推荐、广告、大模型及商品发布等团队深度合作。你不仅负责模型指标，也能够参与业务问题定义，并推动算法能力产生真实、可量化的业务价值。
1. 统筹百炼重点项目及内外部研发需求规划，推动算法与平台团队高效协作，保障核心能力高质量交付。 2. 负责研发项目整体进度规划与目标管理，协调各研发小组横向协同与资源整合，确保阶段目标达成。 3. 建立并持续优化研发项目管理机制，提升组织协作效率与交付确定性。
1、跟进研发多模态大模型（vLLM）持续训练、SFT、RLHF 等技术，并跟进在电商领域中的落地场景，涵盖商品内容理解/摘要/商品关键信息与百科生成等各项工作。 2、持续跟进业内SOTA表征模型，参与商品基础表征能力建设研发，涵盖图文与多模态表征、预训练算法、无监督聚类等算法内容。 3、参与商品理解算法基础能力建设与商品同款簇算法创新和研发，探索前沿技术并落地业务。
1、负责优酷各端的动漫频道运营，主导制定频道页整体框架逻辑及内容分发规则，结合动漫垂类用户画像，持续优化页面布局与推荐策略； 2、主导竞品分析与产品迭代：密切关注行业动态，深度剖析竞品频道运营策略；并结合数据反馈及用户体验，推动频道分发产品迭代与功能迭代； 3、跨部门及渠道资源协同：具备较丰富的渠道对接经验，协同内外部资源完成重点动漫项目的联合推广。 4、以收入为目标，制定片库运营策略，通过相关数据分析、用户拆解持续优化、平衡分发策略； 5、定制片库采买及排播策略，建立数据评估模型，完成项目续约及上线工作。
1、负责阿里国际旗下Alibaba.com及Accio业务在中国市场的公共关系策略制定与执行，提升品牌在AI领域的专业影响力。 2、围绕AI技术、产品及行业趋势，策划并落地高质量的媒体传播内容。 3、建立并维护与科技、AI、财经类核心媒体及KOL的长期合作关系，精准传递公司在AI领域的战略与价值。 4、监测舆情动态，并协同内部团队制定应对策略。 5、联动市场、产品及技术团队，挖掘AI业务亮点，打造具有行业引领性的传播案例，支持业务增长目标。
1、负责厨热行业运营，包含但不仅限于通过数据挖掘、对市场的洞察和专业能力，输出品牌运营策略； 2、负责商家的销售和运营提升：通过商家日常运营监控和沟通、数据分析等，协调营销活动资源，帮助商家实现销售增长目标；运用商家/平台运营经验，通过产品/规则/培训等体系化方式培育商家成长，提升商家的运营能力； 3、跟进商家大促及营销活动，对商家生意节奏进行牵引，完成目标； 4、联合商品运营团队进行商机洞察和趋势发现，改善商家供给结构，满足消费者的需求； 5、负责国补O2O模式上线跟进。
1. 深度参与飞猪智能客服核心能力建设，涵盖从需求洞察到系统构建的全流程，通过技术能力提升业务效率与效果，实现技术价值转化。 2. 重点参与客服领域真实场景的AI-Agent的设计、实现与优化演进。 3. 深度参与系统架构设计及评审、CodeRview、稳定性工具及机制体系建设，保障系统高可用。 4. 参与关键难点攻关，前瞻性技术预研等技术突破及储备工作。
1、重点商家日常运营与店铺健康管理 负责国际运动头部品牌在天猫的日常运营对接；通过定期巡店及时发现店铺在商品结构、视觉陈列、价格力、内容种草、服务体验、会员经营等环节的问题，输出诊断报告并推动商家整改、跟进闭环。 2、年度规划与节奏管理（JBP / Annual Planning） 主导重点品牌的年度联合生意计划（JBP）制定与签署，拆解到季度、月度、大促节点，覆盖 GMV、新客、会员、独家货盘、营销投入、内容资产等核心承诺项；推动商家按节奏交付。 3、业绩经营会议与数据复盘 组织并主持品牌月度 / 季度业绩经营会议，输出周维度数据分析（GMV、UV、转化、客单、新老客结构、品类贡献、竞品对比等），识别风险与机会，制定改进计划并跟踪落地效果。 4、大促与重点项目操盘 参与 38、618、双 11、双 12、年货节等大促的品牌侧策略制定、货品规划、营销资源协同、独家首发与价格力管控；推动品牌在淘天侧的差异化货盘、独家发售、IP 联名等项目落地。 5、跨团队与跨境协作 与品牌全球 / 中国区电商团队、平台市场、行业小二、商家服务、营销 IP、数据产品等多方协同，承担平台侧 SPOC 角色，向上传递商家诉求，向下落地平台策略。
1. 负责阿里集团评测平台的整体架构设计与核心能力建设，覆盖基座模型、Agent与Skills等评测对象，支撑文本/生图/音频/视频等多模态模型，Agent以及集团内各类Skills的评测需求。 2. 搭建评测诊断、归因分析与报告生成能力，沉淀一套可复用的评测分析方法论；针对评测失败原因、得分分布、执行轨迹与Badcase做深度归因，为基座模型、Agent与Skills的能力迭代提供依据。 3. 跟进业界模型与Benchmark的最新进展，制定评测实施计划与应急预案，推进评测任务落地、验收评测结果并产出高质量分析报告，把评测元信息、结果与报告沉淀为可管理、可检索的数据资产。 4. 与领域专家团队协作，支撑评测集的制作、验收与上架，配合完成敏捷评测与全面评测，提升评测全链路的自动化程度与工程效率。 5. 支撑集团内各类Agent及竞品接入EVA+自动化评测体系，开发Agent接入诊断与提效工具，建设业务评测集的自动化生成能力，降低业务方的接入与维护成本。
1. 负责酒店行业直播间的日常运营，包括直播排期、选品组货、内容脚本策划及直播复盘，确保直播间稳定高效运转； 2. 制定并执行直播玩法策略，结合大促节点（双11、618、919 等）与日常营销节奏，提升直播间 GMV、观看人数、转化率等核心指标； 3. 负责直播间货品管理，与供应链团队协同完成选品、定价、库存协调，确保直播商品的竞争力与可售性； 4. 跟进直播数据，建立日报/周报体系，针对流量、转化、客单价等维度做归因分析，持续优化运营策略； 5. 对接商家及内容团队，把控直播间视觉呈现、话术规范和品牌调性，沉淀直播间 SOP 与运营方法论； 6. 关注行业直播动态与竞对直播间，定期输出竞品分析，捕捉新玩法与新趋势。
岗位使命 我们要寻找一位懂 Agent 运行机制的"效果型产品经理"。你的核心任务不是堆砌功能，而是通过对上下文工程（Context Engineering）、工具编排（Tools / Function Calling）与评测体系的持续打磨，直接提升 Agent 在真实场景中的任务完成质量，解决答非所问、关键信息遗漏、工具误调用、多轮丢失上下文等核心难题，并具备亲手写代码验证假设的能力。 你的成功标准是任务完成率与任务满足率的持续提升，而不是上线了多少功能。 岗位职责： 1. 诊断 Agent 效果瓶颈并定位根因（Diagnosis & Root Cause Analysis） 面对 Agent 表现不佳时，迅速判断问题落在哪一层：上下文构造缺失、工具 schema 描述不准、工具返回被裁剪后丢失关键字段、上下文窗口（Context Window）被系统开销占满导致对话历史被截断，还是模型能力本身不足。 区分"模型能力不足"与"harness 没喂对信息"——这是本岗位最核心的判断力。多数"答非所问"并非模型不够聪明，而是有效上下文在预算分配中被挤掉；你要能拆到 token 级别算清这笔账，再决定改哪一层。 建立 bad case 分类机制，按出现频率与业务阻塞性排优先级，驱动迭代排期，而非被 case 数量牵着走。 2. 设计上下文工程与工具编排策略（Context Engineering & Tool Orchestration） 定义各类上下文 Provider 的触发条件、注入顺序与 token 上限，在召回质量与窗口成本之间给出明确取舍。 设计工具的渐进式暴露策略（哪些工具在哪些场景进入模型视野），控制 schema 膨胀，并保证暴露给模型的 schema 与实际注册实现（含 Function Calling / MCP 工具）一致，避免"模型看得见却调不通"的幻影工具。 设计记忆（Memory）与检索增强（RAG）注入策略：定义用户画像、历史偏好、外部知识在什么时机注入、注入多少，以及与实时上下文冲突时的优先级。 3. 构建评测体系、以数据驱动迭代（Evaluation & Data-Driven Iteration） 设计细粒度评测集与评测指标，覆盖多轮追问、多约束理解、复杂指令完成度与工具调用正确性，持续补齐场景盲区。 多个指标分开看、不做加权合成，红线项单独判定；核心指标是任务完成率与任务满足率——"格式合法地终结对话"不等于"解决了问题"。 面对模型的非确定性输出，建立可复现的评测方法：当环境不可控（时间、天气、实时数据每轮变化）时，先通过 freeze clock、mock 外部依赖、record-replay 固化环境，再比较跨版本效果差异。 4. 推动改进落地并形成线上闭环（Productization & Online Loop） 改进分两类推进：快速止血（Prompt 优化、schema 修正、裁剪策略调整，带根因定位与量化收益预估，短周期上线并回归）与长期治理（工具暴露机制、记忆架构、Provider 触发逻辑等架构级调整，分阶段验收）。 将实验有效的策略固化为生产级能力，持续监控线上表现，定义效果劣化的告警规则并推动闭环修复。 5. 与算法团队协同、对齐训练信号（Collaboration & Model Alignment） 当问题确认为模型能力不足时，输出结构化训练需求：目标场景、期望行为、当前典型错误模式、建议的数据构造方向，用工程师听得懂的语言对齐。 参与模型选型与多模型路由决策，根据场景对延迟、成本与智能度的要求制定策略，把取舍标准写成可执行规则而非"视情况而定"。 6. 跟踪前沿并沉淀方法论（Frontier Tracking） 持续跟踪 Agent、Context Engineering、评测方法论的前沿进展，判断哪些可为高德 Agent 所用，并沉淀为团队可复用的方法与工具。
1. 根据业务领域特点开展项目质量策划； 2. 项目过程质量控制，质量监控，质量改进，引导项目流程过点； 3. 质量管理体系建设、优化和维护； 4. 持续研究质量工程方法，在项目推荐合适的质量工具解决业务问题； 5. 制定质量氛围建设方案并实施落地；
1、配合主美参与制定游戏场景风格，输出场景/关卡地编制作目标效果、模版和规范； 2、场景灯光及渲染氛围营造，把控整体场景综合视觉表现效果； 3、协助技术美术及程序，制定出符合需求的材质效果，推进各类场景的制作规则，以及项目需要的性能优化，保证视觉效果和游戏性的同时不断优化场景内的美术资源来提升性能； 4、研究引擎功能模块，协助团队成员完成场景编辑出现的各类问题。
1.负责数据计算平台or数据湖存储引擎设计和开发，支持万亿级数据的交互式圈人、洞察、归因、报表场景。 2.负责数据or模型训练迭代产品研发，能提供架构设计和优化方案，并从技术上推进产品的快速迭代。 3.紧跟业界前沿创新场景的技术解决方案，比如数据湖技术和大模型迭代技术。
负责企业级智能业务平台中"知识与记忆中心"的整体规划与技术落地。该模块是平台的核心基础设施，为上层多个业务 AI Agent 提供统一的知识与上下文供给，确保 Agent 在每次决策与执行时均能获取充分且精准的信息支撑。 本场景需统一治理跨域结构化数据、非结构化文本、即时通讯记录、既有知识库及业务事件流等多源异构内容，在异构数据源之上建立统一的知识表示、检索与服务体系，并构建"采集 → 提取 → 索引 → 评测 → 优化"的持续闭环，驱动知识质量与 Agent 决策质量的阶梯式提升。 岗位要求： ● 主导知识飞轮全链路的架构设计与技术选型，制定分阶段落地路线图，确保从 MVP 到规模化运转的路径清晰可控。 ● 设计多源异构数据的统一接入与变更感知体系，覆盖结构化数据、文档、IM 对话、知识库与事件流五类内容源，建立差异化的同步策略与时效性管理机制。 ● 针对不同内容类型构建差异化的知识提取与关联推理能力，包括文档解析与语义分块、对话意图提取、事件模式识别、跨域知识归一化与冲突消解。 ● 设计高效的多模态检索与分级缓存体系（向量检索 + 倒排索引 + 热温冷三级 Cache），在响应速度与知识时效性之间取得最优平衡。 ● 建立知识质量的全维度评测与归因体系（检索相关性、知识准确率、上下文完备度、业务效果归因），实现自动化持续运行，驱动飞轮各环节的迭代优化。 ● 沉淀知识工程方法论与最佳实践，培养团队核心技术骨干。
供应链计划运营 1.负责供应链销量预测运营工作，从销量预测偏差case中总结规律，沉淀天气变化、节令日节假日、时令品等场景的销售趋势或特征，反哺销量预测模型优化，并沉淀预测干预方法，持续提升预测准确性； 2.负责生鲜品类的日常订货和库存管理工作，通过设计动态库存管理策略，实现库存水平的精准控制和优化，并通过缺货和损耗复盘，识别各环节优化机会点，与产品经理、算法工程师、业务团队等紧密合作，持续优化缺损； 3.积极响应区域经营意志，协同上下游部门，保障生意计划、APP流量、营促销、价格变化等经营活动的计划性和合理性，并确保算法能够提前感知，在支持好生意增长的同时，控制好损耗。
1、维护区域现有加盟餐饮商户，并通过各种途径开发新餐饮商户； 2、了解并根据商户需求，制定个性化营销方案，与商户谈判并达成合作； 3、通过现场销售，提升餐厅的信息化、数据化管理水平； 4、优秀的谈判能力，配合Marketing团队完成营销项目跟进，并能够独自完成营销项目； 5、及时处理来自商户的投诉，反馈、建议等，以提高商户的满意度。
1、负责输出直营“商品业务”运营策略和方案，推动业务规模增长; 2、梳理整合上下游资源和建设运营体系，提升品业务运营效率; 3、推动上游建设和升级产品能力工具和资源流程机制，赋能前线作战效率; 4、进行定期数据分析和竞争洞察，看到业务机会和提升业务竞争力;
1. 负责城代零售业务用户增长策略规划与执行，通过数据驱动制定用户拉新、促活、留存及裂变方案，提升核心业务指标； 2. 设计用户分层运营体系及权益机制，结合多渠道资源整合推动用户规模与质量双提升，优化用户生命周期价值； 3.负责结合零售多行业（商超日用、水果生鲜、健康医药、鲜花礼品等）的特点及用户消费场景，制定差异化的用户增长策略，推动各行业用户规模的渗透与提升； 4.主导跨部门协作，向上承接即时零售整体用户增长策略，横向协同零售各行业团队，向下联动区域及城市用户增长、零售团队，推动增长项目高效落地，持续迭代用户增长模型与方法论。
1.负责推荐系统的算法研发与迭代，结合视觉、文本等跨模态信息优化召回、排序及重排策略，提升推荐效果与用户体验。 2.设计并落地多模态特征融合方案，构建用户画像与内容理解模型，推动多模态技术在内容挖掘、识别与生成场景中的应用。 3.参与大模型在推荐系统和多模态领域中的微调，探索强化学习、指令微调等技术在业务指标提升中的实战路径。 4.跟踪多模态与推荐领域前沿技术，推动复杂项目从0到1落地并达成业务目标。
1、通过与连锁酒店集团和城区管理建立关系，拓展区域内优质连锁门店，保证区域供应链完整、拿回优势价格和库存； 2、结合平台工具和连锁酒店集团的优势，形成集团、门店、平台的整合方案，落地执行基础信息维护、工单处理等，提高间夜产出； 3、解决连锁商家遇到的如操作、财务、订单、商品优化等方面的问题，并通过拜访，帮商家解决具体问题及维护与城区、门店的关系。
1. 负责游戏内特效资产的设计和制作，确保视觉效果符合游戏世界观与风格定位（温暖治愈类mmo） 2. 根据策划案需求，独立完成从概念设计到最终游戏特效落地的全流程工作，包括特效美术，规范方案制定、动画制作、端内资源整合等； 3. 与程序、策划、美术等其他团队紧密协作，优化特效性能，确保在移动端设备上的流畅运行与视觉表现平衡； 4. 参与特效风格的统一与规范制定，持续提升特效的整体品质与玩家体验； 5. 对行业前沿特效技术保持敏感度，适时引入创新方案以提升游戏特效表现力。 6. 具备指导初级美术，同时具备梳理和优化工作流程的能力，能够统筹美术战斗体验的设计，开发与优化，能够做战斗线交付审核与验收
1. 建设语音数据的 Agent 能力底座：智能体框架、编排、调度与状态管理，覆盖数据生产、标注、构造、取数、质检等各类任务的自动化； 2. 把各类语音数据流程改造成 AI-Native 自动流水线：可配置的 pipeline 槽位（Preprocessor、Rubric/Schema、Judge Adapter、Aggregator 等），让语音数据处理 / 语音数据策略团队的方法即插即用； 3. 集成与服务 judge / 算子 / 生成等模型，作为 Agent 可调用的工具，实现聚合、分歧检测、软标签等增强组件； 4. 沉淀可复用的 Agent 能力与工具链，与标注平台 / 推理引擎对接，保障规模化、可观测与稳定运行。
