AI Study Mate
把课程资料、课堂记录、答疑与复习,连接成一条持续可用的学习工作流。
我负责问题定义、功能取舍、用户路径、模型与工具的组织方式,以及测试、发布和迭代判断。 AI 与编程代理协助完成代码实现;每项能力是否值得发布、是否满足用户需要,最终由我验证并负责。
01 · 代表项目
AI Study Mate 来自我自己的留学学习体验:信息散落在录音、讲义与网页里, 答疑、笔记和复习彼此断开。我的工作,是先理清真实流程,再决定 AI 应该出现在哪里。
把课程资料、课堂记录、答疑与复习,连接成一条持续可用的学习工作流。
我负责问题定义、功能取舍、用户路径、模型与工具的组织方式,以及测试、发布和迭代判断。 AI 与编程代理协助完成代码实现;每项能力是否值得发布、是否满足用户需要,最终由我验证并负责。
我没有从“再加一个聊天框”出发,而是先定位资料沉淀、回答可信度与复习脱节的问题, 再把转录、检索、问答和复习安排在各自真正有用的位置。
我负责产品方向、交互路径、任务拆分、代理上下文与约束、验收测试和失败复盘; 编程代理负责大量实现工作,但不会替我决定产品是否成立。
项目从 2024 年的早期原型走向公开测试,我持续按测试结果和用户反馈调整优先级; 同源能力也被迁移到春节场景项目《过个好年》,验证方法能否跨场景复用。
02 · 工作方法
我擅长把模糊需求拆成可验证的产品流程,并把 AI 与编程代理放进一套明确的工作框架: 给足上下文、拆分任务、设定约束与验收标准,再由我对结果负责。我把这套体系称为 “AI 辅助交付框架”(delivery harness)。
观察真实场景,区分表面需求、根本摩擦与暂时不该做的功能。
把用户目标变成信息流、交互路径与清晰的成功标准。
按任务选择模型、检索、工具与代理分工,而不是追逐单一模型参数。
定义可检查的结果、边界情况与失败条件,亲自测试关键路径。
从反馈与故障中重排优先级,决定修复、回退或继续扩展。
03 · 场景实践
教育产品是主线,但我也通过比赛、团队方案与企业实习,检验问题拆解、AI 编排和业务沟通能否在新约束下继续工作。
将 AI Study Mate 已有的多模型与内容组织能力迁移到春节场景,围绕普通用户能理解、愿意体验的路径重新包装和展示。
在四维图新企业数据 Agent 方案中负责产品方向、系统方案、能力迁移、评测框架与展示整合, 并明确区分个人既有产品与团队参赛原型。
在中资战略渠道团队处理渠道运营与客户数据任务,将重复步骤拆成可审阅的 AI 辅助自动化流程,并按业务反馈持续修正输出。
04 · 学习与经历
我的本科背景帮助我理解概率、数据与业务流程的基本结构;三段实习则让我在期限、准确性和跨团队沟通的约束下完成交付。
主修金融数学与统计、商业信息系统。
这段学习为我提供概率统计、数据建模与业务系统的共同语言,帮助我在产品工作中更准确地与不同专业角色对齐。
支持渠道运营与客户数据处理,并以 AI 辅助方式交付可复核的自动化工作流。
参与税务政策研究、运营报告复核与翻译,在监管语境下处理数据准确性与跨境协作。
在严格截稿周期内完成财经短视频制作,并建立可检索素材库优化查找流程。