AI 搜索成了新的流量入口。我负责诊断报告模块:设计输出什么、怎么保证结论有据可依,并验证「监测—优化—报告」闭环在 B 端跑得通。
用产品思维
把 AI 能力
做成能用的东西
北京工业大学硕士,两段 AI 产品实习: 360集团 做 GEO 诊断报告模块,北京构力科技 做 PKPM-Agent 自然语言建模。 还自己从 0 做了 Lumode —— 一句话生成 3D 模型,已独立上线。 习惯先把指标口径讲清楚,再讲数字;能自己动手把原型跑起来。

我能带来什么
What I bring不是工具清单,是四件能独立交付的事。
产品能力
需求调研 → 优先级排序 → 方案设计 → 开发跟进 → 上线交付 → 迭代优化,跑过完整闭环。
AI 落地能力
RAG 知识库、Prompt 工程、Agent 与 Workflow 设计;结合业务做模型选型与效果对比,不凭感觉选模型。
数据能力
Python / SQL 数据处理分析,能设计埋点、搭评测集,把「效果好不好」变成可复算的口径。
动手能力
Claude Code / Dify / Figma Make / MCP:能自己把原型做出来给团队看,而不是只画图等排期。
四个项目
Selected works点开任意一张卡片,看完整的背景、我的动作、和我对结果的判断。
结构设计师建模、布荷载全靠鼠标点选。我把它做成一句话交互:Dify「1主+3子」Agent 架构,解析—调度—执行闭环。
从想法到线上产品全是我一个人做的:需求、架构、前后端、部署、兜底策略。用户输入一句话,服务端 Blender 出可编辑模型。
VMD-SSA-ATT-BiLSTM 混合模型,配 SHAP 可解释性分析与完整消融实验。这段经历是我做 AI 产品时「先定口径、再看数字」习惯的来源。
我是怎么走到这儿的
About / timeline从工程与数据训练出来的习惯:先定标准,再谈结果。这套方法一路带进了 AI 产品。
高数、线代、概率统计、人工智能导论。第一次接触模型和数据,也是第一次发现自己更喜欢「解释结果」而不是只算出结果。
数值分析、数据分析、模式识别与机器学习、人工智能原理、工程项目管理。用 VMD-SSA-ATT-BiLSTM 做预测建模,配 SHAP 与消融实验,发表顶刊一篇。
竞品分析与用户访谈定切入点,Dify 搭「1主+3子」Agent 架构,3 个候选模型在 40 条测试集上三维度对比选型,建 badcase 归因闭环。
从 0 搭诊断报告模块:模型选型、RAG 配置、结构化输出规则、三指标定义,并用 40 个长尾词 × 6 个 AI 平台验证优化前后效果。
没有团队、没有排期,从需求到部署一个人做完。这个项目让我明白:产品经理会动手,沟通成本会低一个量级。
工作之外
Life wall面试聊完项目,总还得聊聊人。
assets/photos/,命名 01.jpg ~ 08.jpg,刷新页面自动替换(顺序对应上面八格)。生成提示词见文件夹里的「照片提示词.md」。
聊聊吧
Get in touch求职意向:AI 产品经理 · 2026 应届 · base 北京,可即时到岗。


