职业履历
关于我
南昌大学（211）管理科学本科。两段产品经历均围绕 AI 落地：先做规则/模型协同的 OCR+NLU 与诊断推荐，后转向以 LLM 为核心的多模态实时交互产品——全开麦语音、动态生成界面、3D 可视化与情绪感知在同一链路里跑通。我擅长在体验审美与工程落地之间找平衡，也是 AI 工作流的重度实践者——调研、原型、文档到验证，习惯用 AI 把个人产出拉到新档位。
我是谁
AI 产品经理，专注 C 端 AI 体验与能力边界定义。从「模型输出 → 产品形态」全链路参与：Bot 指令设计、Prompt 评测、Trace 准出，以及 Agent Pipeline 的体验侧建设。我相信好的产品不只要模型够强，还要交互有品味、链路能落地——习惯把能力拆成可配置、可运营、可回滚的组件，而不是一次性对话。
我怎么工作
一边保持对体验细节和审美的敏感，一边用工程化思维收窄 LLM 决策面——置信度降级、结构化兜底、人工接管节点写进 PRD。写得出标准，也跟得了测、跑得通 Pipeline；极擅长以 AI 重构工作流，调研深挖、原型搭建、文档与代码验证都能借力提速——人定方向与标准，AI 放大执行半径。跨职能准出时，拿数据和 Trace 说话，不靠感觉拍板。
任职脉络
OCR+NLU 意图路由 → 诊断式推荐 → 多模态实时交互 → Multi-Agent 学情链路 → Agent Pipeline 自动化生产。详见上方 职业履历 时间轴。
在职项目详解
从体验准出到工程落地，从 Trace 评测到 Agent Pipeline——既写产品判断，也写 AI 能力怎么被拆成可运营、可复跑的系统。
提效 Skill · AI 自动化生产流程
早期产线依赖人工拆解与手工串联各环节，节点多、交接散、周期长、难规模化。将链路升级为 Agent 自动化 Pipeline，共建主 Skill 编排多子 Skill，把「人机混合作业」收敛为可复跑、可评测、可灰度的 AI 生产工作流。
AI 产出准出与评测
- 定义体验准出标准：叙事链路完整性、交互组件触发时机与形态规范等
- 参与共建 76 信号全链路评测体系
- 为 Agent 自动产出建立可量化的质量基线与回归纪律
AI 组件指令定义
- 建立 AI 组件（Agent 与用户双向控制的动态交互组件）清单手册
- 沉淀 bad case 集，支撑 Prompt 迭代与回归评测
- 与视觉生成、工程侧共建组件指令标准与 Prompt 规范
Skill 搭建与合流
- 负责交互组件策略 Skill 与交互视觉规范 Skill 搭建与验证
- 合流封装进入主 Skill（自动生产 Pipeline）
- 通过 2 套正式产线批次跑通端到端自动化流程
端到端交付与体验准出
- 以端到端视角对完整链路产出负责
- 覆盖内容结构、叙事节奏到组件联动与准出门禁
- 确保最终交付达到上线体验标准
学情 Agent：课堂结束 & 报告
回答 AI 一对一上完课的两个核心问题：学了什么、学得怎样。搭建学情 Agent，打通课中个性化总结与课后家长学情报告，让课堂过程从「讲完即走」变为可留存、可解读的学情资产，支撑「结束 → 报告 → 学管解读」转化链路。
C 端功能规划 · 课堂结束
- 课上场景：学生 / 实时 / 轻量外化
- 「结构化总结 + 个性化点评」框架，思维导图教具呈现
- 知识图谱回顾、认知掌握标注、进步高光口播、课后小贴士
C 端功能规划 · 课后报告
- 课后场景：家长 / 异步 / 完整证据
- 「三问四轨」学情体系，落地六大维度模块
- 每条诊断绑定 Trace 证据链，确保可解释性与准确率
Agent 链路设计
- 「学情 Bot + 讲解 Bot」双层架构
- 课尾并行预调学情 Bot 读 Trace → 输出标签 schema → 讲解 Bot 口播 → 思维导图选展
- 课后基于同一 Trace 异步驱动学情报告链路
Prompt 撰写与评测
- 定义学情 Bot、讲解 Bot、思维导图教具的 Prompt（system/user）
- 环节评测标准：76 信号子集、好情绪 baseline、高亮—口播—标签一致等
- 固定 Trace 评测集回归对比，驱动上线准出
S9 旗舰 · AI 作业规划师（语文）
行业首个语文作业全链路智能规划——5W+ 样本调研覆盖 10 省 200+ 学校，总结 26 类语文作业意图 taxonomy，13 个专属辅导工具一键直达。识别方式支持线下手写+线上电子文档双模式。
全场景作业识别
- 线下：学习机摄像头拍摄，自动裁剪，手写体 OCR（容错率 15%）
- 线上：家长端 APP 导入微信/QQ/钉钉文件，10 秒内完成识别
- 基于 2W+ 样本总结 26 类作业类型
- TOP5：做练习(28%) / 背诵(18%) / 抄写(15%) / 阅读(12%) / 默写(10%)
智能工具匹配 & 置信度策略
- 建立"作业类型-工具功能"映射表，匹配准确率 92%
- 12 类作业可跳转专属工具（背诵助手/汉字听写/阅读理解等）
- 置信度三档：高(>0.9)自动路由 / 中(0.6-0.9)疑似提示 / 低(<0.6)引导手选
- 易混类边界治理，NLU 三轮迭代 82% → 85.7%
双端监督体系 & 隐私保护
- 学习机端定时提醒 + 家长端实时同步进度/正确率
- 专注力检测：默认关闭，仅记录行为次数不录制视频
- 数据本地存储，家长查看需身份验证
- 正向引导报告：突出进步点，提供专注力建议
个人职责 / 项目挑战
- 主导 5W+ 样本调研，三步法归类 26 种作业类型
- 设计"识别-跳转-提醒-监控"全链路闭环
- 手写体 OCR 从 82% → 95%+（5000+ 样本优化 + 3 轮测试）
- 工具优先级划分（核心 TOP8 优先开发，低频用通用工具覆盖）
S9 旗舰 · AI 课程规划师
推动学习机从「人找内容」到「内容找人」——B/A/S 三阶诊断模型，10s 冷启动学习计划，配套场景化推荐与全链路管理。调研显示 83% 学生存在选课迷茫、76% 无学习计划、62% 有计划却执行难。
AI 问诊三阶模型
- Step1：年级 + 科目 + 水平（B/A/S 三档）三维度采集
- Step2：调用 500+ 高频问题库，按热度推荐 3-5 个
- Step3：10 秒内生成计划包，含核心信息 + 匹配逻辑 + 课程清单
- B 档→同步课、A 档→短频快专项、S 档→培优拓展
场景化推荐 & 学习管理
- 首页推荐位：近 30 天行为权重得分制，标注 "适合 75-90 分"
- 学期内：同步基础 + 短频快专项；寒暑假：复习 + 预习组合包
- 学习管理：黄金时段分配 + 双端提醒 + 进度条追踪
- 每日报告 + 总结报告（总用时、平均正确率、能力提升方向）
项目挑战与产品策略
- 1200+ 课程包精准匹配：双维度标签体系 + 3 城灰度测试
- 错配率 12% → 1.5%（标签颗粒度优化）
- 家长端/学生端平衡：数据分级 + 正向反馈导向
- 计划执行难：15 分钟微任务 + 学长案例视频嵌入
个人职责
- 主导 3200 份问卷 + 85 人深访，提炼三大学习痛点
- 设计双端方案：学生端问诊漏斗 + 家长端 12 项指标看板
- 协同教研拆解 2000+ 课程包，输出三级课程体系和匹配规则
- 协调 15 人内容团队完成 1200+ 计划包配置，优化生成时间至 10s
B 端课程规划运营管理平台
AI 课程规划师 C 端功能的 B 端供给底座。原有模式用 Excel 手动处理：1 个计划包需 4 小时、错误率 8%、无数据监控。平台实现"自动导入→章节筛选→智能排期→一键上架"四步闭环，全流程线上化。
计划自动化生成
- 自动导入（对接视频后台）+ 手动导入（Excel 模板 15 字段）
- 四维度信息展示：课程基础/目录结构/时长/练习题信息
- 跨课程包多选 + 智能去重 + 输入时长自动计算天数
- 预览修改支持章节替换、时间调整、学习提示
多维度管理模块
- 计划管理：12 字段展示 + 模糊/精确搜索 + 双层修改（显示层/内容层）
- 问题类型管理：按难度/学科/年级筛选，拖拽排序
- 推荐位管理：拖拽调整排序，三位置分发（问诊/推荐/运营）
- 用户数据看板：报名/到课/完课 10+ 指标，支持导出
项目挑战与产品策略
- 数据标准化：《课程数据标准规范》，自动导入成功率 65%→98%
- 兼容性设计：非标准数据自动适配（缺失目录/单位换算）
- 计划包修改平衡：显示层实时生效 / 内容层需新建版本
- 版本管理：原版本保留给已报名用户，新版本供新用户
个人职责
- 全流程负责：访谈 15 人输出需求清单，独立完成 45 个页面原型
- 跨团队协调后端/前端/QA，推动 18 个问题修复，上线缺陷率<0.5%
- 制定《课程数据加工规范》《数据监控手册》
- 运营培训 2 场覆盖 30 人，上线 1 周内解决 25 个使用问题
S8 AI 辅导班 · 路径化学习重构
45min 长课拆解为 5–15min 闯关小节，地图式进度 + 互动题嵌入 + 三层激励体系。分三期 MVP 上线，独立负责 V2.0-V3.0 迭代。S8 原有完播率不足 30%，课程分类模糊，导购缺乏"惊艳感"产品支撑。
路径化课程拆分
- 基于"知识点关联性 + 注意力时长"双维度拆解
- 闯关地图：已完成√/待完成→/未解锁🔒 三种状态
- 每个小视频聚焦 1 个核心知识点+预告引导
- 视频封面展示 3 项核心数据：进度/时长/互动次数
多维互动激励体系
- 课程内：10+ 种互动题型 + 青铜/白银/黄金称号体系
- 课程外：星星点亮机制，累计解锁学习勋章（桌面展示）
- 周排行榜：同年级好友排名，Top10 获"周冠军"图标
- 激励绑定学习效果：完成≥90%时长 + 正确率≥70% 才得全星
三层课程体系显性化
- 联动教研梳理 4000+ 课程包，按难度+目标分三层
- 同步基础（<80分）/ 专项提升（80-90分）/ 拓展培优（>90分）
- APP 首页顶部三色导航栏 + 桌面 200+ 高口碑课程置顶
- 知识点链路图确保拆分后内容连贯性（断裂率 30%→2%）
个人职责 & 版本管理
- 10 校 500+ 学生 + 20 家门店导购双端调研
- 前期协作 + 后期独立接手，完成 28 个页面原型优化
- 分三期 MVP：V1.0 路径化→V2.0 互动激励→V3.0 三层体系
- 制定《AI课制作SOP》，全版本验收修复 32 个流程漏洞
B 端书单数据管理平台 · 2.0
入职首个 0→1 平台：S8 原依赖小猿搜题资源（合作到期不续约），需自主拍摄原题视频替代。搭建"书单采集→采买派单→拍摄管理→数据监控"全流程线上化平台，产品+项目经理双角色推进落地。1.0 版本派单效率低、状态不透明、数据无监控。
多维度数据看板
- 总览看板：品牌数/书本数/品类数 + 学科年级/地区分布
- 制作进度：购买/拍摄/入库三大环节，累计+当日+趋势图
- 线上热度：学习机端使用人数排序
- 线下热度：全国学校覆盖率排序，指导拍摄优先级
全链路书单管理
- 采集上传（20+ 字段）+ 超级管理员审核
- 自动派单：按采买商地区/承接能力智能分配
- 接单管理：采买/入库/拍摄三环节，物流实时追踪
- RBAC 权限：超管/采集商/采买商/入库拍摄团队四级
项目挑战与产品策略
- 34 省教材差异：按地区热门度分级采集 + 偏远补贴
- 采买周期 15天→8天（拓展三四线城市采买商）
- 数据碎片化：搭建各环节数据接口，同步延迟≤5分钟
- 进度预警：超时自动预警（采买8天/拍摄5天阈值）
个人职责
- 访谈 30+ 内外部用户，输出 2.0 迭代方案，38 个页面原型
- 设计采集方案：协调 3 家采集商、300+ 学校，准确率 98%+
- 拓展 10 家采买商、5 家拍摄团队，制定验收标准
- 培训 3 场 + 3 万字操作手册，上线解决 40 个使用问题
个人作品集
独立 Vibe Coding 开发的 Web 作品，均已部署云端，欢迎在线体验。
已上线
AI 学习空间站
AI 产品经理的沉浸式学习站：知识库与闯关主线、语音讲解与实时一对一、费曼追问与行业洞察合一。把「学 AI」做成能开口、能追问、能复盘的完整产品体验。
已上线
阅架 · 我的阅读宇宙
个人阅读书架：59 本预置书、书摘与想法、今日一句、背景音乐与 12 套皮肤，支持本地电子书阅读。纯前端静态站，已部署云端。
已上线
古诗词收藏集
沉浸式古诗词浏览：水墨视觉、多主题切换、古琴配乐与诗库检索。把「读诗」做成可停留、可听、可收藏的 Web 体验。
已上线
现代诗收藏集
伦敦雨夜氛围的现代诗阅读器：背景视频、环境雨声、诗库浏览与细读模式。强调情绪氛围与阅读节奏的单品页应用。
已上线
在生命星轨之间
宇宙生命流动体：九颗星轨（家人、健康、友人、事业、成长、体验、热爱、金钱、当下）环绕核心，拼出一张人生意义的星图。Three.js 粒子载入、Bloom 辉光宇宙与程序化音景；点击中心球可唤醒「巡星者」——儒雅哲思音色的语音 Agent，流式对话陪你讨论存在与选择。
兴趣爱好
摄影与绘画是我保持观察力的方式——产品的判断不只来自工位，也来自对真实生活的体感。
业余时间里，我喜欢拿起相机记录街景与旅途，也会用数位板画板绘，或在纸本上速写设色。我习惯多出去走走：在城市街巷里看光线如何改变人的节奏，在旅途风景里感受空间与情绪如何被压缩进一帧画面。绘画则逼着我慢下来——把模糊的感受落成线条与色块，本质上和做产品一样：先观察，再取舍，最后留下真正值得被看见的部分。
我相信好的产品感，底层是对「人」的理解。用户如何做决定、什么会让他们停下来、什么会让他们愿意继续——这些答案往往不在 PRD 里，而在屏幕之外的生活里。摄影和画画，是我主动为生活留白、也为产品积累直觉的方式。
摄影
海景 · 落日 · 城市与冬日绘画
板绘 · 手绘 · 插画 · 速写产品思考
AI 产品的难点不在模型，而在边界。
概率型 AI，要先写「决策协议」
作业规划师里，识别准确率到不了 100% 是常态。真正决定能不能上线的，不是再堆一轮模型，而是把「高置信自动执行 / 中置信提示确认 / 低置信引导手选」写成产品协议，并和埋点、评测、迭代闭环绑在一起。用户面对的不是模型，而是一套可预期、可纠偏、可追责的决策流程。
AI PM 的价值在「可运营边界」
模型能力会波动，但产品不能跟着波动。PM 要做的是划定哪些决策可以交给模型、哪些必须规则兜底、哪些必须人工介入，并为每条路径设计监控指标与纠偏机制。边界划清楚了，团队才知道该优化算法、改交互还是补运营——而不是在「体验还行」和「偶发翻车」之间反复横跳。
多模态产品，难在「输入契约」
作业规划师同时支持拍照和文件导入，背后不是多接一个 OCR，而是重新定义：什么场景用哪种输入、失败时如何降级、家长端和学习机端如何分工。多模态 PM 的核心工作，是把模糊的「拍一下就能用」拆成可测试的输入路径，而不是堆识别能力后祈祷用户拍得够清楚。
先定义「什么是好」，再谈模型迭代
没有离线黄金集和发版门禁，线上只能靠感觉调 Prompt。Trace 评测、用户修正回流、Badcase 归因，本质是同一件事：在模型变之前，先把质量标准、验收口径、回归纪律立住。否则每次迭代都是「好像更好了一点」，却无法向业务证明可交付。
内部提效工具，产品化比跑通一次难十倍
多节点内容生产链路升级为 Agent Pipeline，技术 demo 往往几天能出，但真正难的是：异常怎么处理、谁来审核、版本怎么回滚、新人怎么上手。把 AI 工作流做成平台，PM 要扛的不只是功能清单，而是人机协作方式的重写——这也是 Agent 落地最容易被低估的部分。