阅文集团
策略产品经理
策略产品经理
发布于 3 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
A/B实验
Ai Agent
Dpo
Llm
Rlhf
Sft
Sql
内容分发
大模型微调
值不值得投
81综合评分
综合评分 81
上市大厂核心战略岗，前沿AI与推荐策略双驱动，成长空间大，节奏较快。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.3万
比AI产品经理中位数高
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 100 个在招
市场机会
选择面较广
北京 · AI产品经理 · 约 150 个在招
职位详情
关于这个职位
该职位负责阅文集团亿级内容平台的AI Agent能力建设、LLM后训练跟踪及内容分发策略设计
你需要主导AI Agent在C端和内部工作流的落地，跟踪大模型微调技术，并优化推荐分发策略以提升用户体验与商业化目标
这是一个数据驱动、小团队快迭代的核心策略产品岗位
最低要求
本科及以上学历，1-3 年内容平台 / 推荐策略 / AI 产品相关经验
有 AI Agent 或 LLM 应用产品的实际建设经验，熟悉 Agent 架构（规划、工具调用、RAG、记忆机制）与主流大模型能力边界
熟悉 LLM 后训练流程（SFT/RLHF/DPO 等），能与算法团队就数据构造、评估指标、训练方案进行专业对话，有实际微调项目跟踪经验者优先
具备扎实的内容推荐策略经验，理解召回/排序/重排链路，有冷启动、多样性等专项经验
数据驱动，熟练使用 SQL，具备 A/B 实验设计、显著性检验与因果推断（DID 等）分析能力
结果导向，能在多团队协作（算法、工程、内容运营、编辑）中推动复杂项目落地
工作职责
AI Agent 能力建设：
主导内容平台 AI Agent 体系的产品规划与落地，覆盖内容理解、内容生成辅助、用户交互等核心场景
设计 Agent 的任务规划、工具调用、记忆与多轮对话机制，推动其在 C 端用户场景和内部运营/编辑工作流中的规模化应用
建立 Agent 效果评估体系（任务完成率、用户满意度、留存与转化贡献），持续迭代产品形态与体验
LLM 后训练与微调跟踪：
跟踪大模型后训练技术演进（SFT、RLHF、DPO、GRPO 等），结合业务场景判断技术适用边界，推动后训练能力在内容场景的落地
与算法团队共建领域微调数据体系（内容理解、风格化生成、偏好对齐），定义数据标准、标注规范与评估集
建立模型效果的线上监控与 Bad Case 归因机制，形成"数据—训练—评估—迭代"的闭环
内容分发策略：
负责内容推荐分发策略体系，包括召回、排序、多样性、冷启动与流量分配机制的策略设计与效果优化
深入理解多体裁内容生态（网文、短剧、漫剧、有声等），设计分人群、分场景的分发策略，提升阅读时长、留存与会员转化
通过 A/B 实验与数据洞察驱动策略迭代，平衡用户体验、内容生态健康度与商业化目标
优先资格
深度网文爱好者：熟悉起点中文网、晋江文学城等平台的内容生态、题材分类、榜单机制与读者社区文化，对男频/女频内容差异有体感认知
二次元文化爱好者：熟悉 ACGN 内容生态（动漫、游戏、同人社区等），理解年轻用户的内容消费偏好与社区语境
有 AI 陪伴、互动叙事、AIGC 内容生产相关产品经验
有从 0 到 1 搭建推荐系统或 AI 产品评估体系的经验
AI 洞察
优缺点分析
优点
- 核心战略项目：AI投入是公司级战略，拥有亿级用户规模和充足的算力数据资源，业务场景真实且广阔
- 决策权与成长空间：直接对产品结果负责，策略上线由数据决定，小团队快迭代，能积累深厚的AI与策略产品经验
- 团队氛围好：接受试错，注重数据支撑，与算法、工程同楼协作，沟通成本低
- 技术门槛高：需要同时掌握AI Agent、LLM后训练及推荐策略，对技术理解深度和数据分析能力要求极高
- 业务复杂度高：需平衡多体裁内容生态、用户体验与商业化目标，策略设计与效果验证难度大
- 适合具备1-3年经验，对AI大模型和内容推荐有深刻理解，且数据驱动、结果导向的复合型产品人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 纵向可发展为AI产品专家或策略产品总监，负责更大规模的AI战略与内容生态建设
- 横向可向AI业务负责人或商业化产品负责人转型，统筹技术与业务的深度融合
- 负责亿级内容平台的AI Agent产品规划与落地，设计任务规划、工具调用等机制，推动在C端和内部工作流的应用
- 跟踪大模型后训练技术（SFT/RLHF等），与算法团队共建微调数据体系，建立模型效果监控与归因机制
- 设计并优化内容推荐分发策略，包括召回、排序、冷启动等，通过A/B实验提升阅读时长与会员转化
- 具备AI Agent或LLM应用产品的实际建设经验，熟悉Agent架构及大模型能力边界
- 扎实的内容推荐策略经验，理解召回/排序链路，熟练使用SQL及A/B实验设计、因果推断分析
- 优秀的跨团队协作与项目推动能力，能与算法、工程、运营等多方进行专业对话并落地复杂项目
申请策略
- 在简历或面试中展现对网文、二次元等ACGN内容生态的深入了解，这是极大的加分项
- 准备具体的Bad Case归因和策略迭代案例，体现数据驱动和结果导向的工作风格
- 突出AI Agent或LLM应用产品的从0到1建设经验，详细说明Agent架构设计及落地效果
- 强调推荐策略优化经历，展示通过A/B实验和数据分析提升核心指标（如留存、转化）的具体案例
- 体现跨团队协作能力，特别是与算法团队在数据构造、模型微调方面的沟通与项目推动经验
- 深入学习大模型后训练技术（SFT/RLHF/DPO）及Agent前沿架构，提升与算法团队对话的专业度
- 强化SQL、因果推断（DID）及A/B实验设计能力，确保数据分析的严谨性与深度
面试指南
- STAR法则：针对项目经验，清晰阐述情境、任务、行动和结果，重点突出数据指标的提升
- 结构化思维：回答策略设计问题时，从底层逻辑（召回/排序）、业务场景、数据验证三个维度展开
- 请分享一个你主导的AI Agent或LLM应用产品案例，你是如何设计任务规划和工具调用机制的？
- 在内容推荐策略中，你是如何平衡用户体验、内容生态健康度与商业化目标的？
- 当模型效果出现Bad Case时，你的归因机制和迭代流程是怎样的？
- 请描述一次你通过A/B实验和因果推断（如DID）验证策略有效性的经历
- 深入了解阅文集团的核心产品（如起点中文网、QQ阅读）的内容生态和推荐机制
- 复习大模型微调（SFT/RLHF）及Agent架构的核心概念，准备与算法团队协作的实际场景
职位点评
薪资福利85
成长发展90
工作生活65
使命价值80
薪资福利
85较高
作为已上市大型企业的公司级战略岗位，薪资福利具备较强竞争力，且核心业务线稳定性高。
薪资信号未披露（AI估算：2.5千–4万/月）
成长发展
90较高
岗位涉及AI Agent、LLM微调及推荐策略等前沿技术，且直接对产品结果负责，技能成长与业务视野拓展空间极大。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、SFT、RLHF、DPO、GRPO、RAG、SQL、A/B实验
业务类型profit_center
工作生活
65中等
JD提及'小团队、快迭代，接受试错'，暗示工作节奏较快，但未明确说明WLB或加班情况，整体互联网产品岗节奏偏快。
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
80较高
依托亿级用户规模的内容平台，推动AI技术在内容理解、生成及分发中的落地，具有较高的行业影响力和创新价值。
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
Watch Jobs