主分类：内容运营
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "千问事业部-资讯运营专家-信息流-广州",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "广州",
"work_mode": "未披露",AI生成
"job_category": "运营-产品运营"AI生成
},
"company": {
"company_name": "夸克",
"company_industry": "互联网 / 人工智能应用",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "夸克提供AI搜索等人工智能应用服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 新闻价值判断与内容标准建设：对新闻价值做好判断，定义什么是好的资讯内容，制定P0/P1/P2事件分级标准，明确每个级别的选题策略，把\"值不值得做、怎么做\"的运营判断沉淀为可执行的规则和评估体系；在此基础上建设资讯领域的知识库/llm-wiki，搭建skills库，做好Bad case回流，持续迭代优化skills标准\n2. 资讯AI生产流程设计：协同产研把资讯运营全流程拆解为可测试、可迭代、可度量的标准化环节，设计多Agent协作流程，明确各环节的先后顺序、异常处理策略、人工介入时机和容错机制，确保生产链路的稳定性；同时制定每个环节和整体产出的评估标准，建立全链路可观测的质量看板\n3. 数据分析与业务迭代：具备全链路数据思维：生产侧关注产能、质量、时效、各环节通过率等指标，持续优化生产流程，定义质量核心指标，驱动生产标准迭代；消费侧关注PUV、点击率、时长、留存等用户指标，定位内容策略和分发策略的问题并推动优化。能从数据中发现趋势、归因异常、识别机会，形成\"数据发现问题→标准/策略调整→验证效果\"的闭环\n4. 垂类深耕与多场景运营：深刻理解资讯人群需求，负责1-2个核心垂类（如军事国际、科技/AI等）或内容方向（大事件、本地资讯等）的内容标准建设和项目管理；面向Push、信息流、热榜等不同分发场景，制定差异化的内容标准，确保内容产出适配各场景要求，联动产研做好分发、场景能力建设，并对用户体验负责",
"requirements_text": "1. 3-5年资讯运营经验，深度操盘过1-2个资讯垂类（军事国际、体育、科技、财经等优先），或有Push运营、首页/频道运营经验，有重大事件报道/专题策划经验（奥运会、世界杯、两会等）\n2. 熟悉新热运营机制：熟悉Push推送策略、首页/频道编排、突发响应机制（P0事件从发生到push发出/专题上线的时效要求），能基于push打开率、频道CTR、停留时长等数据做策略调优\n3. 新闻素养与合规判断：信源判断、事实核查、时效性把控、舆论风险识别；能快速判断涉政、涉敏、未经证实消息的措辞边界，知道\"能不能发、怎么发\"\n4. 内容经验沉淀能力：有资讯类AI内容生产项目经验（如AI摘要、AI专题、AI快讯、AI选题等），有把运营经验往\"规则化、AI化\"过渡的项目经历，能把\"我觉得这条不好\"翻译成可量化标准，懂得用正例、反例、边界case约束AI\n5. 对大模型和Agent架构有理解：不需要会写代码，但要知道大模型能做什么、不能做什么，理解Prompt设计、工具调用、降级策略等基本概念，能跟产研团队进行有效沟通，能把多Agent链路讲清楚——每个节点负责什么、输入输出是什么、什么标准算合格、什么情况下降级到人工\n6. 有AI项目经验：至少参与过1个AI Agent/Workflow/自动化项目，从需求定义、流程设计、上线到迭代，有\"把人工流程改成AI半自动/全自动\"的成功案例",
"skills": [AI生成
"大语言模型"
],
"preferred_qualifications": "1. 3-5年资讯运营经验，深度操盘过1-2个资讯垂类（军事国际、体育、科技、财经等优先），或有Push运营、首页/频道运营经验，有重大事件报道/专题策划经验（奥运会、世界杯、两会等）",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.quark.cn/off-campus/position-detail?positionId=100042920001"
}
]
},
"posting": {
"posting_id": "100042920001",
"post_date": "2026-09-16",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.quark.cn/off-campus/position-detail?positionId=100042920001"
},
"fulltext": "千问事业部-资讯运营专家-信息流-广州\n千问事业部-资讯运营专家-信息流-广州\n\n基础信息\n职位类别：运营-产品运营\n工作地点：广州\n\n职位描述\n1. 新闻价值判断与内容标准建设：对新闻价值做好判断，定义什么是好的资讯内容，制定P0/P1/P2事件分级标准，明确每个级别的选题策略，把\"值不值得做、怎么做\"的运营判断沉淀为可执行的规则和评估体系；在此基础上建设资讯领域的知识库/llm-wiki，搭建skills库，做好Bad case回流，持续迭代优化skills标准\n2. 资讯AI生产流程设计：协同产研把资讯运营全流程拆解为可测试、可迭代、可度量的标准化环节，设计多Agent协作流程，明确各环节的先后顺序、异常处理策略、人工介入时机和容错机制，确保生产链路的稳定性；同时制定每个环节和整体产出的评估标准，建立全链路可观测的质量看板\n3. 数据分析与业务迭代：具备全链路数据思维：生产侧关注产能、质量、时效、各环节通过率等指标，持续优化生产流程，定义质量核心指标，驱动生产标准迭代；消费侧关注PUV、点击率、时长、留存等用户指标，定位内容策略和分发策略的问题并推动优化。能从数据中发现趋势、归因异常、识别机会，形成\"数据发现问题→标准/策略调整→验证效果\"的闭环\n4. 垂类深耕与多场景运营：深刻理解资讯人群需求，负责1-2个核心垂类（如军事国际、科技/AI等）或内容方向（大事件、本地资讯等）的内容标准建设和项目管理；面向Push、信息流、热榜等不同分发场景，制定差异化的内容标准，确保内容产出适配各场景要求，联动产研做好分发、场景能力建设，并对用户体验负责\n\n职位要求\n1. 3-5年资讯运营经验，深度操盘过1-2个资讯垂类（军事国际、体育、科技、财经等优先），或有Push运营、首页/频道运营经验，有重大事件报道/专题策划经验（奥运会、世界杯、两会等）\n2. 熟悉新热运营机制：熟悉Push推送策略、首页/频道编排、突发响应机制（P0事件从发生到push发出/专题上线的时效要求），能基于push打开率、频道CTR、停留时长等数据做策略调优\n3. 新闻素养与合规判断：信源判断、事实核查、时效性把控、舆论风险识别；能快速判断涉政、涉敏、未经证实消息的措辞边界，知道\"能不能发、怎么发\"\n4. 内容经验沉淀能力：有资讯类AI内容生产项目经验（如AI摘要、AI专题、AI快讯、AI选题等），有把运营经验往\"规则化、AI化\"过渡的项目经历，能把\"我觉得这条不好\"翻译成可量化标准，懂得用正例、反例、边界case约束AI\n5. 对大模型和Agent架构有理解：不需要会写代码，但要知道大模型能做什么、不能做什么，理解Prompt设计、工具调用、降级策略等基本概念，能跟产研团队进行有效沟通，能把多Agent链路讲清楚——每个节点负责什么、输入输出是什么、什么标准算合格、什么情况下降级到人工\n6. 有AI项目经验：至少参与过1个AI Agent/Workflow/自动化项目，从需求定义、流程设计、上线到迭代，有\"把人工流程改成AI半自动/全自动\"的成功案例\n1. 新闻价值判断与内容标准建设：对新闻价值做好判断，定义什么是好的资讯内容，制定P0/P1/P2事件分级标准，明确每个级别的选题策略，把\"值不值得做、怎么做\"的运营判断沉淀为可执行的规则和评估体系；在此基础上建设资讯领域的知识库/llm-wiki，搭建skills库，做好Bad case回流，持续迭代优化skills标准\n2. 资讯AI生产流程设计：协同产研把资讯运营全流程拆解为可测试、可迭代、可度量的标准化环节，设计多Agent协作流程，明确各环节的先后顺序、异常处理策略、人工介入时机和容错机制，确保生产链路的稳定性；同时制定每个环节和整体产出的评估标准，建立全链路可观测的质量看板\n3. 数据分析与业务迭代：具备全链路数据思维：生产侧关注产能、质量、时效、各环节通过率等指标，持续优化生产流程，定义质量核心指标，驱动生产标准迭代；消费侧关注PUV、点击率、时长、留存等用户指标，定位内容策略和分发策略的问题并推动优化。能从数据中发现趋势、归因异常、识别机会，形成\"数据发现问题→标准/策略调整→验证效果\"的闭环\n4. 垂类深耕与多场景运营：深刻理解资讯人群需求，负责1-2个核心垂类（如军事国际、科技/AI等）或内容方向（大事件、本地资讯等）的内容标准建设和项目管理；面向Push、信息流、热榜等不同分发场景，制定差异化的内容标准，确保内容产出适配各场景要求，联动产研做好分发、场景能力建设，并对用户体验负责\n1. 3-5年资讯运营经验，深度操盘过1-2个资讯垂类（军事国际、体育、科技、财经等优先），或有Push运营、首页/频道运营经验，有重大事件报道/专题策划经验（奥运会、世界杯、两会等）\n2. 熟悉新热运营机制：熟悉Push推送策略、首页/频道编排、突发响应机制（P0事件从发生到push发出/专题上线的时效要求），能基于push打开率、频道CTR、停留时长等数据做策略调优\n3. 新闻素养与合规判断：信源判断、事实核查、时效性把控、舆论风险识别；能快速判断涉政、涉敏、未经证实消息的措辞边界，知道\"能不能发、怎么发\"\n4. 内容经验沉淀能力：有资讯类AI内容生产项目经验（如AI摘要、AI专题、AI快讯、AI选题等），有把运营经验往\"规则化、AI化\"过渡的项目经历，能把\"我觉得这条不好\"翻译成可量化标准，懂得用正例、反例、边界case约束AI\n5. 对大模型和Agent架构有理解：不需要会写代码，但要知道大模型能做什么、不能做什么，理解Prompt设计、工具调用、降级策略等基本概念，能跟产研团队进行有效沟通，能把多Agent链路讲清楚——每个节点负责什么、输入输出是什么、什么标准算合格、什么情况下降级到人工\n6. 有AI项目经验：至少参与过1个AI Agent/Workflow/自动化项目，从需求定义、流程设计、上线到迭代，有\"把人工流程改成AI半自动/全自动\"的成功案例",
"standard_classification": {
"std_category_code": "B004",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}