百度
内容策略方向（J106783）
内容策略方向（J106783）
发布于 6 小时前普通员工/个人贡献者
全职员工仅现场办公AI产品经理
AI产品经理
Aigc
Llm
Prompt工程
Schema设计
产品设计
内容策略
多Agent协同
短剧生产
值不值得投
71综合评分
综合评分 71
AIGC前沿产品岗，技术密度高、成长空间大，工作节奏与地点需与HR确认。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
3.3万
比AI产品经理中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 1410 个在招 · 其中AI产品经理 41 个
市场机会
选择面较广
北京 · AI产品经理 · 约 200 个在招
职位详情
关于这个职位
这是一个面向AIGC内容生产的产品岗位，核心是把用户需求信号转化为标准化的选题线索，并设计多Agent协同的生产编排与评测归因体系，服务原生短剧等内容的规模化生产
你将与算法、工程、内容运营紧密协作，推动内容生产链路的智能化迭代
最低要求
本科及以上，3年及以上产品经验，有AI相关经历，计算机、信息管理、数据科学等相关专业优先
具备以下任一主线的完整落地经历：
多Agent协同产品设计：定义Skill/Tool边界、多步编排、上下文传递与人工确认节点
线索类产品：把广告主brief、方向描述等非结构化输入，转成下游生产可消费的物料，并完整归因
对LLM约束遵循类失败模式有体感，落地过兜底策略
具备跨组织协同能力，能够对齐工程侧与算法侧，推进迭代闭环并沉淀方法论
工作职责
主导需求侧信号→选题线索的归因评估体系，定义用户需求信号抽取维度与线索置信度口径，产出AIGC各生产方式所需的标准化选题线索供下游生产消费，对可消费线索应用负责
配合原生类内容生产Agent的Skill空间与执行策略设计，定义选题→素材召回→剧本要素→成片组装链路中各能力的输入输出Schema、上下文继承协议、多步编排顺序与fallback机制，输出可复用节点规范并推动落地，明确原生生产节奏下的Agent推进策略
搭建覆盖两端的评测与归因体系，分别看选题线索进入生产后的一次可生产性、以及需求解析环节的槽位完整度与歧义消解准确率，稳定区分上游漏约束与下游执行偏差的归属，驱动算法与工程迭代
持续沉淀原生短剧场景的brief范式库、冲突case集与链路节点规范，输出团队级接入模板与迭代路线图，独立拉齐算法、工程、内容运营完成双线复盘与优先级决策
优先资格
计算机、信息管理、数据科学等相关专业优先
原生短剧生产链路跟跑经历优先
AI 洞察
优缺点分析
优点
- 处于AIGC与多Agent前沿方向，技术密度高，能积累稀缺的AI内容生产经验
- 平台资源丰富，可接触大规模用户需求信号与内容生态
- 岗位覆盖从需求解析到生产评测的全链路，视野完整
- 短剧等原生内容赛道增长快，业务有想象空间
- 多Agent协同与评测归因体系搭建难度大，需要兼顾算法、工程、运营多方
- 目标体系尚在探索期，需在不确定性中推进落地
- 适合有3年以上产品经验、对LLM和多Agent有实战理解、擅长跨团队协同并愿意在AIGC前沿探索的产品人
缺点 / 挑战
- 要求对LLM失败模式有体感，技术理解门槛较高
角色解读
- 从单点产品能力向AIGC内容生产平台化架构能力发展
- 积累多Agent协同与评测归因方法论，可向AI产品负责人或内容策略专家方向发展
- 在短剧等原生内容场景深耕，形成可复用的行业方法论
- 负责AIGC内容生产链路的选题线索体系设计，将用户需求信号转化为标准化选题线索，供下游内容生产消费
- 设计多Agent协同的Skill空间与执行编排策略，定义各环节输入输出Schema、上下文继承协议与fallback机制
- 搭建选题到生产的双向评测与归因体系，区分上游漏约束与下游执行偏差，驱动算法和工程迭代
- 沉淀原生短剧场景的brief范式库、冲突case集与链路规范，拉齐算法、工程、内容运营推进复盘
- 熟悉LLM与多Agent系统，理解Skill/Tool边界、多步编排与上下文传递机制
- 具备线索类产品或非结构化输入转物料的产品落地经验，并能完整归因
- 理解LLM约束遵循类失败模式，有兜底策略设计经验
- 跨组织协同能力强，能对齐算法、工程、运营推进闭环
申请策略
- 了解百度AIGC内容生态与短剧业务布局，面试中体现业务理解
- 准备清晰的归因分析案例，说明如何区分上下游问题
- 突出AI相关产品经历，尤其是多Agent协同或线索类产品的完整落地案例
- 用量化结果说明选题线索、评测归因体系对下游生产的影响
- 展示对LLM约束遵循失败模式和兜底策略的具体处理经验
- 体现跨算法、工程、运营的协同推进与复盘能力
- 补充多Agent编排框架（如LangGraph、AutoGen）的实践理解
- 熟悉Prompt工程与LLM评测方法，了解常见失败模式
面试指南
- 用STAR结构描述项目背景、目标、你的设计与落地结果
- 对方法论问题，先讲框架再讲具体指标与案例
- 对协同问题，突出你如何对齐目标、拆解任务、推动闭环
- 你如何定义选题线索的置信度口径？如何评估线索的可消费性？
- 请描述你设计过多Agent协同产品的经历，如何定义Skill边界与上下文传递？
- 你遇到过哪些LLM约束遵循失败的情况？如何设计兜底策略？
- 如何搭建评测体系区分上游漏约束与下游执行偏差？
- 你如何推动算法、工程、内容运营多方对齐并做优先级决策？
职位点评
薪资福利70
成长发展86
工作生活52
使命价值72
薪资福利
70中等
JD未披露薪资与福利，岗位对能力要求较高，预计薪资处于市场中上水平，但缺乏明确福利信息。
薪资信号未披露（AI估算：2.5千–4.0万/月）
成长发展
86较高
岗位处于AIGC与多Agent前沿，覆盖需求解析、生产编排到评测归因全链路，成长空间大。
技术前沿前沿/新兴技术
技术栈AIGC、LLM、多Agent协同、Prompt工程、Schema设计、评测归因
成长机会沉淀方法论、输出团队级接入模板与迭代路线图
业务类型ambiguous
工作生活
52较低
JD未提及办公模式与WLB信息，具体工作节奏需与HR确认。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
72中等
岗位推动AIGC内容生产智能化，处于增长中的AI内容赛道，但社会价值偏中性。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
百度 的其他在招职位
相似职位推荐
Watch Jobs