业务问题拆解
用跟访、访谈和流程拆解,把“效率低”还原成认知负载、数据标准、工具适配等根因。
2026 作品集
5 年产品经验,3 年 AI 产品经理经验。专注把 LLM、RAG、语音识别、 信息抽取和评估体系落到真实业务现场,做可交付、可合规、可衡量的 AI 产品。
单次流调时长从 60 分钟压缩至 30 分钟,效率提升 50%
6支救援队伍、240多台硬件设备交付使用
单篇内容全链路生成时长<1分钟,较人工创作效率提升超90%
我的产品方法不是追热点,而是把一线流程、模型能力、合规约束和业务指标放到同一张图里, 从需求定义推进到可上线的 AI 产品。
用跟访、访谈和流程拆解,把“效率低”还原成认知负载、数据标准、工具适配等根因。
熟悉 Prompt、RAG、ASR、NER、LLM 校验、私有化部署等方案的边界和取舍。
构建标注集、评估集和低分样本回捞机制,用准确率、完整率、幻觉控制驱动迭代。
协调业务、算法、研发、采购和合规团队,把 0→1 方案推进到 MVP、招标或上线。
从疾控流调、院前急救到新消费营销,每个案例都围绕真实场景中的 AI 落地问题展开。
产品经理经验
AI 产品经理经验
脱敏标注评估集
国家+地方落地
关于 AI 产品设计、交互逻辑和行业判断,点击可直接阅读全文。
AI Agent 时代的部署难题正在催生一场角色革命。从 Palantir 发明的 FDE 模式到 OpenAI、Anthropic、Google 的集体跟进,这种将工程师派驻客户现场的做法,正在成为解决 AI 落地最后一公里的关键。
对话框正成为 AI 产品的设计雷区,它表面提供无限可能,实则暴露了产品经理的懒惰与无能。未来 AI 应转向意图捕捉与主动服务,从"问答"升级为"选择"。
AI 产品中最让人抓狂的"健忘症"和"左右互搏"问题,往往不是技术缺陷而是设计漏洞。本文深度拆解上下文管理的四大核心策略,以及让 AI 学会"主动遗忘"和"状态显形"的实战方法论。
大模型天生不擅长处理事实,它需要"手和脚"。Function Call 就是连接大模型推理能力和真实世界执行能力的桥梁,这篇文章用最直白的方式把它讲清楚。
打乒乓球、读书、听播客是我日常最稳定的三件事。 球台上讲究节奏和预判,书里找慢下来的空间,小宇宙里装着各种有趣的脑袋—— 这些和做产品其实没什么两样,都是在认真感受人。
与我联系
目标方向:AI 产品经理、LLM 应用产品、RAG/Agent 产品、AI 医疗/政务/B 端智能化产品。 我更适合需要从业务现场出发、推进 0→1 落地和评估闭环的团队。