主分类：数据运营与质量管理
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": "美团闪购-知识库运营专家",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "核心本地商业-闪购事业部",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "运营类"AI生成
},
"company": {
"company_name": "美团",
"company_industry": "科技零售 / 生活服务",
"company_size": "10000人以上",
"company_website": "meituan.com",
"company_description": "美团通过科技推动服务零售和商品零售的数字化，连接消费者与商户。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "Agent 回答得靠不靠谱，先看它的知识库。知识的质量与丰富度，直接决定这条产品线的上限——这个岗位就是来守这条线的。\n\n你要做的两件事\n\n1. 对 Agent 的问题解决率负责。搭建知识库质量监控体系：机器评测、专家抽检、负样本归因，盯问答可用率、知识完备率、错误率，输出质量报告并驱动改进。对线上问题做结构化归因——是知识缺失、知识错误，还是检索没召回、模型能力不够——归因准了，修复才有的放矢。\n2. 让知识这条生产线转起来。管理静态知识的生产交付：推动各协同方按时按质交付，持续提升生产流程的自动化程度；把“发现→归因→修复→验证”做成闭环，沉淀标准与 SOP，让这条线从靠人盯，变成靠机制自己转。",
"requirements_text": "我们希望你是\n\n1. 有 1 年以上AI产品运营经验，做过知识库、智能客服或其他 AI 产品的优先。\n2. 逻辑硬：拿到一个“Agent 答错了”的 Case，能拆出是知识问题、检索问题还是模型问题，而不是笼统一句“AI 不行”。\n3. 推得动：能拉着业务方和研发按时交付，不怕追、不怕催。\n4. 日常深度用 AI 干活，对大模型的能力边界有体感。",
"skills": [AI生成
"大语言模型"
],
"preferred_qualifications": "1. 有 1 年以上AI产品运营经验，做过知识库、智能客服或其他 AI 产品的优先",
"job_highlights": "这里不设技术壁垒：借助 AI，运营能用自然语言自主写工具、搭流程、做 Skill——想到什么，自己就能动手做出来。大模型的专业知识可以边干边学，你会成为最懂“AI 知识怎么管”的人。最重要的一条放在最后说：这份工作要能容忍不确定性，愿意做基础工作，在模糊里找确定性。\n\n即使不满足每一条，也欢迎带着你用 AI 做出的东西来聊。"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4697962154&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4697962154",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4697962154&jobShareType=1"
},
"fulltext": "美团闪购-知识库运营专家\n美团闪购-知识库运营专家\n\n基础信息\n工作地点：北京市\n部门：核心本地商业-闪购事业部\n职位类别：运营类\n职位族群：产品运营\n更新时间：2026-09-09\n\n岗位职责\nAgent 回答得靠不靠谱，先看它的知识库。知识的质量与丰富度，直接决定这条产品线的上限——这个岗位就是来守这条线的。\n\n你要做的两件事\n\n1. 对 Agent 的问题解决率负责。搭建知识库质量监控体系：机器评测、专家抽检、负样本归因，盯问答可用率、知识完备率、错误率，输出质量报告并驱动改进。对线上问题做结构化归因——是知识缺失、知识错误，还是检索没召回、模型能力不够——归因准了，修复才有的放矢。\n2. 让知识这条生产线转起来。管理静态知识的生产交付：推动各协同方按时按质交付，持续提升生产流程的自动化程度；把“发现→归因→修复→验证”做成闭环，沉淀标准与 SOP，让这条线从靠人盯，变成靠机制自己转。\n\n岗位基本要求\n我们希望你是\n\n1. 有 1 年以上AI产品运营经验，做过知识库、智能客服或其他 AI 产品的优先。\n2. 逻辑硬：拿到一个“Agent 答错了”的 Case，能拆出是知识问题、检索问题还是模型问题，而不是笼统一句“AI 不行”。\n3. 推得动：能拉着业务方和研发按时交付，不怕追、不怕催。\n4. 日常深度用 AI 干活，对大模型的能力边界有体感。\n\n岗位亮点\n这里不设技术壁垒：借助 AI，运营能用自然语言自主写工具、搭流程、做 Skill——想到什么，自己就能动手做出来。大模型的专业知识可以边干边学，你会成为最懂“AI 知识怎么管”的人。最重要的一条放在最后说：这份工作要能容忍不确定性，愿意做基础工作，在模糊里找确定性。\n\n即使不满足每一条，也欢迎带着你用 AI 做出的东西来聊。\nAgent 回答得靠不靠谱，先看它的知识库。知识的质量与丰富度，直接决定这条产品线的上限——这个岗位就是来守这条线的。\n\n你要做的两件事\n\n1. 对 Agent 的问题解决率负责。搭建知识库质量监控体系：机器评测、专家抽检、负样本归因，盯问答可用率、知识完备率、错误率，输出质量报告并驱动改进。对线上问题做结构化归因——是知识缺失、知识错误，还是检索没召回、模型能力不够——归因准了，修复才有的放矢。\n2. 让知识这条生产线转起来。管理静态知识的生产交付：推动各协同方按时按质交付，持续提升生产流程的自动化程度；把“发现→归因→修复→验证”做成闭环，沉淀标准与 SOP，让这条线从靠人盯，变成靠机制自己转。\n我们希望你是\n\n1. 有 1 年以上AI产品运营经验，做过知识库、智能客服或其他 AI 产品的优先。\n2. 逻辑硬：拿到一个“Agent 答错了”的 Case，能拆出是知识问题、检索问题还是模型问题，而不是笼统一句“AI 不行”。\n3. 推得动：能拉着业务方和研发按时交付，不怕追、不怕催。\n4. 日常深度用 AI 干活，对大模型的能力边界有体感。",
"standard_classification": {
"std_category_code": "B009",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}