千问千问事业部-智能眼镜及穿戴设备产品运营专家-杭州
任职要求
1、本科及以上学历，5年以上互联网行业从业经验（有 AI、工具类经验优先）； 2、对 C 端用户体验敏感，能站在用户视角思考问题； 3、具备较强的执行力与项目推进能力，能独立负责一块业务； 4、具备较强的数据敏锐度与数据分析能力，通过数据分析发现问题…
工作职责
1、AI 基础体验与功能运营 ● 参与 AI 产品核心体验设计与持续优化，包括但不限于：Chat / Skills / 多模型能力等基础功能； 从用户视角出发，梳理关键使用路径（Onboarding、首个任务、结果反馈等），提升渗透率和成； ● 能够策划并落地围绕 AI 能力的运营活动（拉新、促活、转化、留存等），设计活动链路与转化承接，提升用户对产品能力与会员价值的认知； ● 能够建立关键运营指标体系（功能使用、留存、转化、渗透率等），基于数据分析用户行为与问题，提出优化建议并推动落地，对活动和功能效果进行复盘，形成可复用的方法论； ● 能够协同产品、算法、设计，推动功能快速迭代与体验落地 ● 建立产品核心指标看板（如：日佩戴时长、语音交互成功率、功能渗透率、OTA 升级率、APP 留存率）；定期输出《产品健康度报告》，用数据证明哪些功能受欢迎，哪些设计存在缺陷，直接驱动产品路线图（Roadmap）的调整； 2、用户教育与运营体系建设 ● 设计“开箱即用”的引导流程，确保用户 10 分钟内完成配对并体验第一个 AI 功能； ● 梳理用户从“开箱 -> 配网 -> 首次交互 -> 日常佩戴 -> 充电维护 -> 故障报修”的全流程触点，识别体验断点，推动产研团队进行针对性优化； ● 新功能上市后，每次 OTA 固件升级或 APP 新版本的功能发布运营，制定功能上线后的冷启动策略，包括弹窗引导、教程推送、种子用户内测及效果复盘，确保新功能被用户“看见”并“使用”； ● 能够结合 AI 能力（模型、多模态、Skills、工具调用等），探索新的用户玩法与轻量互动形式，实现普通用户也能理解和愿意用的产品形态。
1.主导WorkBuddy移动端（iOS/Android）整体架构演进，制定技术规范与长期迭代路线； 2.负责移动端核心功能开发、重构与性能优化，解决兼容性、稳定性及卡顿等关键问题； 3.协同产品、后端及跨平台团队，对齐需求细节，确保移动端产品体验闭环； 4.推进移动端工程化建设，包括构建流程、自动化测试及发版策略优化。
1.负责以数据为中心的 LLMOps 平台整体架构设计与建设，覆盖大语言模型 Post-train（SFT、RLHF、DPO 等）全阶段的数据管线与训练工程体系； 2.主导大模型训练数据生命周期管理，包括大规模语料采集与清洗、数据质量评估与过滤、数据去重去污染、数据版本管理与血缘追踪，确保各训练阶段数据的高质量与可溯源； 3.带领工程团队构建高效的数据处理流水线与编排调度系统，支撑 PB 级语料的高吞吐处理，持续优化数据准备到训练启动的端到端效率。负责团队的技术方向把控、人才培养与跨团队协作，推动工程文化与最佳实践落地； 4.建设模型训练实验管理与可复现体系，打通数据准备、分布式训练、评估验证（Benchmark / Human Eval）、模型注册到部署上线的全流程自动化，缩短模型迭代周期； 5.构建 Post-train 阶段的数据闭环能力，包括人类偏好数据采集与管理、RLHF/DPO 训练数据管线、合成数据生成（Synthetic Data）与质量评估体系； 6.持续提升平台运行稳定性、安全性与可观测性，建立完善的 SLA 体系、训练容错与断点续训机制，保障大规模训练任务的连续性； 7.优化大规模 GPU/异构计算集群的资源调度策略，提升多任务并行训练效率与集群利用率，降低基础设施成本； 8.紧跟 LLM 领域前沿动态（如 Data-Centric AI、Scaling Laws、MoE、长上下文训练、多模态等方向），推动技术架构持续演进与平台能力升级。
1.负责腾讯云CodeBuddy/WorkBuddy的后台架构设计与优化，确保系统的高可用性和扩展性； 2.领导后台团队，制定技术标准和规范，确保团队成员按照统一标准进行开发； 3.与产品经理、前端开发团队及其他相关部门紧密协作，理解业务需求并提供技术解决方案； 4.跟踪最新的技术趋势，引入新技术和工具以提升团队效率和产品质量； 5.负责关键模块的设计和开发，解决开发过程中的技术难题，确保项目按时交付。
1、多分数最优化算法设计：负责搜索排序机制中的多目标、多分数优化算法设计，围绕相关性、转化效率、用户体验、商业收益、供给生态、流量公平性等目标，实现多目标帕累托最优解。 2、AI Agent for Strategy 实现自动化动态流量分配：负责构建面向搜索策略优化的 AI Agent 系统，将 LLM 的推理、规划、工具调用和自动执行能力应用到搜索机制策略迭代中，提升策略诊断、参数搜索、实验设计和效果分析的自动化水平。