AI PRODUCT MANAGER / SELECTED WORKS
把模型能力拆成产品工作流,把判断力落成可验证结果。我把 AI 产品从模型能力拆解到用户工作流:在字节做多模态评测,在众安做企业级 AI 中台,也做过用户增长与 0-1 创业项目。
南京农业大学行政管理本科,2026 年 9 月将赴爱丁堡大学攻读公共管理;经历覆盖字节跳动多模态大模型评测、众安保险 AI 中台与智能外呼、哈啰普惠用户增长,以及农产品数字化助销创业项目。我的优势是把用户洞察、评测体系、Prompt/RAG/Agent 工作流和业务落地连成闭环。
能把 T2I、I2I、RAG、Agent、Prompt 等能力拆成可评测、可迭代的产品假设。
从保险销售、本地生活运营、农产品助销等真实场景中定位用户任务和业务阻塞。
做过 Benchmark、SOP、原型、工作流、智能体应用和数据看板,关注上线后的复盘。
Evidence Ledger
先给出判断力和完成度,再邀请人继续往下读。
这个首页第一版先把人打住:不是靠抽象“我很厉害”,而是靠能被快速扫描的证据、方法和精选作品入口。
首页永远只放当下最能代表我的内容;案例、观点、实验和履历会分别进入自己的容器,而不是继续挤爆首页。
AI 产品经历
字节跳动多模态评测、众安保险 AI 中台、个人企业私有化大模型项目。
评测/数据样本
参与或牵头 Benchmark、评测数据、标签体系与自动化评测链路建设。
业务结果证据
简历中已有跨团队效率、召回准确、接单完单、成本节约等结果指标。
Featured Work
用 3 个精选案例证明你不是“会聊 AI”,而是真的能把它做成产品结果的人。
首页永远只放当下最能代表你的内容。真正需要深入看的案例,会自然进入 Work 容器,不再把首页做成信息仓库。
多模态大模型评测:从模型短板定位到数据优化闭环
在 T2I / I2I 多模态场景中,围绕模型能力评测、Benchmark、标签体系和自动化打标,建立可复用的评测与数据建设链路。
- 先把主观生成质量拆成可评测目标,而不是直接堆指标
- 围绕生成链路重建标签体系、Benchmark 和问题归因方式
结构化证据:把“主观生成效果”改造成可复用的评测闭环
企业级 AI 中台:从能力分散到可复用的智能体生态
在保险/金融/银行等业务场景中,参与企业级 AI 中台、RAG 框架、智能体应用、评测集和插件生态建设,推动 AI 能力规模化复用。
- 把分散在业务线里的 AI 诉求收敛成可复用的平台能力
结构化证据:把分散 AI 诉求收敛成可复用的企业级中台链路
从用户洞察到产品增长:任务大厅与 0-1 项目推进
通过用户社群、需求分析、PRD、数据看板和项目推进,把本地生活平台的用户任务机制从想法推进到上线和增长结果。
- 从社群反馈和数据看板里定位真正的增长阻塞
结构化证据:把社群反馈与增长目标落成真正可执行的任务机制
Operating System
我不把 AI 当作一个功能点,而是把它拆成可验证、可落地、可复盘的工作流。
- 01
先确认用户原本怎么完成任务,找出真正阻塞的节点,而不是先问能不能加 AI。
- 02
把模型能力拆成可验证假设:准确性、成本、时延、可解释性、失败兜底和业务接受度。
- 03
用 Benchmark、Prompt、RAG、工作流或原型打穿关键路径,再决定是否进入正式工程化。
- 04
复盘真实使用证据:谁会持续用、在哪个节点掉线、哪些结果值得产品化和规模化。
能把 T2I、I2I、RAG、Agent、Prompt 等能力拆成可评测、可迭代的产品假设。
从保险销售、本地生活运营、农产品助销等真实场景中定位用户任务和业务阻塞。
做过 Benchmark、SOP、原型、工作流、智能体应用和数据看板,关注上线后的复盘。
Credibility Layer
履历不是附录,而是让这整套视觉与叙事真正站得住的可信层。
字节跳动 AI 大模型实习生:参与 T2I / I2I 多模态评测体系、标签体系、Benchmark 与自动化打标链路建设。
众安保险 AI 产品实习生:参与 AI 中台、智能体生态、RAG 框架、智能外呼与效率工具建设,支持多场景规模化落地。
哈啰普惠用户运营实习生与 0-1 创业经历:做过任务大厅、用户增长、数字化助销和企业私有化大模型项目。
Contact