浙江农林大学 · 智慧农业本科生（2023.09–2027.06） · 杭州
我关注的问题是：如何把大模型能力变成可用、可评测、可持续迭代，并且真正服务业务结果的产品。
目前重点准备 AI 产品经理岗位，偏好 AI 应用、智能体、AI 电商、AI 平台工具 方向。
说明：主页中的业务数据已做去标识、区间化或相对化处理；面试时可以在合适的保密边界内展开具体项目背景与口径。
- 从 0 到 1：从用户访谈、问题定义、方案取舍，到 PRD、原型、工作流和上线复盘
- AI 产品落地：Prompt Engineering、Agent Workflow、RAG、知识库、模型选型、多模型路由
- 效果治理：评测集、指标看板、Bad Case 四层归因、Prompt / 检索 / 知识库迭代闭环
- 业务意识：把准确率、满意度、转化率、人工转接率、成本与毛利放在同一张产品结果表里
- 技术协作：能使用 Python / SQL / 前端与 Vibe Coding，和算法、工程、运营一起把方案落地
我的产品方法：先理解业务，再设计 AI；先定义评测，再追求效果；先做可用闭环，再扩展复杂能力。
1. Mago AIGC Platform · AI 创意与电商内容生产平台
多模型聚合 + 场景化封装 + 多 Agent 协作的 AIGC 产品作品集
我在项目中关注的核心问题：用户不是缺少模型，而是缺少从模糊想法到可交付内容的完整路径。
- 深度访谈创作者与企业客户，提炼 API 不稳定、并发卡顿、场景脱节等关键痛点
- 规划绘图、视频、画布、电商、素材库五大模块，负责电商场景与前端产品落地
- 设计“热点情报 → 创意发散 → 脚本创作 → 角色/风格 → 提示词生成 → 一键生成”的产品闭环
- 设计 8 个 Agent 协作的脚本工作流，并沉淀 Prompt 模板、知识库和人工确认机制
- 通过模型选型、Prompt 迭代、重试/反馈/阈值/归因/修复，平衡效果、稳定性与成本
- 项目已验证较高的内容生产效率、企业付费意愿、复购行为与正向毛利模型
面试可展开：用户研究、MVP 取舍、模型路由、工作流编排、容错设计、可观测性、定价与毛利。
📌 产品 README · 用户研究 · Prompt 迭代 SOP · 定价与毛利
面向真实电商咨询场景的 AI 产品迭代案例
- 重构商品知识库：四类知识分库、标签体系、切片策略、SLA 与六步更新 SOP
- 设计 6 套导购 Prompt 模板，建立版本管理与离线评测机制
- 搭建转化率、人工转接率、响应时长、满意度等全维度指标看板
- 用“表现层 → 策略层 → 数据层 → 模型层”四层方法定位 Bad Case，并按优先级推动修复
- 脱敏后的项目结果：商品匹配准确率提升约 15 个百分点，参数类 Bad Case 下降六成左右，满意度明显提升
- 业务结果：咨询转化与 AI 自主解决率提升，人工转接率明显下降；具体业务金额不在主页披露
面试可展开：为什么先修知识库而不是先调模型、如何建立评测集、如何证明指标提升、如何处理大促风险。
3. AI PM Resume Writing · AI 产品经理简历写作 Skill
把“简历诊断与改写”产品化为可复用的 AI 工作流
- 用 JD 解析、证据映射、STAR/XYZ 改写和多版本定位拆解用户任务
- 建立关键词覆盖、经历相关性、量化充分性、证据一致性等七维诊断框架
- 针对 AI 应用/Agent、AI 增长、AI 策略/商业化三类岗位设计差异化输出
- 设置“不编造数据、不改原事实、不动原版式”的安全底线，处理生成式产品的可信度问题
面试可展开：复杂需求拆解、Prompt/SOP 设计、结构化输出、边界与安全、AI 产品体验设计。
📌 方法论与使用说明
4. BossHunter · AI 求职自动化产品
面向求职者的岗位发现、筛选、评分与投递辅助工作流
我将它作为 AI 产品与工程协作的长期实践，重点关注：岗位信息采集、用户偏好配置、AI 评分、人工确认、投递队列、失败恢复与操作安全。
面试可展开：高风险自动化的人工确认、任务可恢复性、策略与体验的平衡、隐私与安全边界。
用户/业务问题
↓
场景拆解与需求优先级
↓
模型、Prompt、RAG、Agent 方案取舍
↓
MVP 工作流 + 人机协同兜底
↓
离线评测 / 线上指标 / Bad Case 归因
↓
灰度发布、复盘与持续迭代
| 问题 | 我的关注点 |
|---|---|
| 用户为什么需要 AI？ | 是否真的减少决策、创作或操作成本，而不只是“加一个聊天框” |
| AI 方案为什么这样设计？ | 模型能力、延迟、成本、稳定性和可解释性的取舍 |
| 效果如何被证明？ | 评测集、线上指标、对照基线、Bad Case 与人工抽检 |
| 出错时怎么办？ | 置信度、重试、降级、人工接管、回滚与用户反馈 |
| 如何持续产生业务价值？ | 转化、留存、复购、毛利、效率和用户满意度 |
AI 产品 · Prompt Engineering · Agent Workflow · RAG · 知识库 · LLM 评测 · 多模型选型 · 人机协同
产品与数据 · 用户访谈 · PRD · 原型 · 指标体系 · Bad Case 归因 · SQL · 项目推进 · 复盘
开发协作 · Python · TypeScript · Next.js · FastAPI · Go · Docker · PostgreSQL · Redis · LangGraph · LiteLLM · Vibe Coding
AIGC 工具 · ChatGPT · DeepSeek · Midjourney · 可灵 · 即梦 · Coze · Dify · Codex
- 产品方案与架构：Mago 的用户研究、架构决策、API 设计、安全与部署文档
- AI 效果治理：知识库分层、Prompt 版本管理、离线评测、Bad Case 归因与灰度策略
- AI 工作流设计：简历写作 Skill、求职自动化、AIGC 内容生产与多 Agent 协作
- 产品结果意识：准确率、满意度、转化率、人工转接率、效率、成本与毛利的联合权衡
如果你正在招聘 AI 产品经理 / AI 应用产品 / Agent 产品 / AI 电商产品，欢迎通过 GitHub 与我交流。
把 AI 做成产品，而不是只做一个 Demo。