用产品思维，
定义AI的边界
Yang.
AI 产品助理
从痛点到产品
两个项目，一个底层问题：当 AI 能做越来越多的事，普通人如何真正用上它？
面试GO
AI 驱动的闯关式模拟面试工具——像打游戏一样通过面试
面试GO 复盘让我学到了四件事，它们直接塑造了下一个项目
没有埋点
不知道用户在哪流失 → 评审官加了埋点+问卷双线验证
AI 不可靠
设计重心在降级不在 Prompt → 评审官用多角色天然交叉验证
用户给症状
PM 负责翻译成需求 → 从'打字累'推理出'语音输入'
文档 = 资产
不记就忘，下次重犯 → 评审官沉淀了 7 份完整文档
评审官
AI 驱动的多角色 PRD 交叉评审工具——用一支虚拟评审团队替代一场真实的评审会
抬头看行业
不只埋头做产品，也理解 AI 产品的竞争逻辑和演进方向。
AI 产品深度拆解报告
豆包是中国最大、全球第四的 AI 原生应用，月活 3.45 亿，日活破亿。本报告从产品定位、用户场景、功能架构、交互体验、商业模式、战略判断六个维度系统性拆解豆包的产品逻辑。核心发现：豆包的成功是「产品方法论」的胜利而非技术绝对领先——字节没有做最大参数的模型，但做到了最好的用户体验。豆包在轻量场景（文案、聊天、语音）上建立了难以复制的体验壁垒，端到端语音大模型体验超越 GPT-4o，但在深度场景（推理、代码、长文本）上短板明显；其「讨好型人格」是最值得深思的体验问题——在娱乐场景是优点，在生产场景是致命缺陷。商业模式上，「基础免费 + 高阶付费」的三档订阅制是对「免费换规模」互联网法则的根本性修正——大模型边际成本不为零，每多一个用户就多一份算力账单。报告最后给出 SWOT 评估和竞争格局推演：AI 助手的终局不是「一个 AI 统治一切」，而是生态位分化，产品必须找到自己「不可能被替代」的那个场景。
AI 产品横向对比报告
大众目光集中在豆包、ChatGPT 等通用 AI 助手身上，但真正的产品机会往往藏在垂直赛道里。本报告扫描了 6 款覆盖教育、法律、家装、农业、音乐、合同六个完全不同赛道的小众 AI 产品——可栗口语、火眼审阅、飞流 AI、见虫、音潮、智合同。它们的共性：不做所有人的工具，只做一类人的必需品。横评发现，垂直 AI 产品的核心竞争力不是模型参数大小，而是行业数据深度 + 场景工作流闭环 + 真实交付能力。火眼审阅 vs 智合同的「同赛道异策略」对比尤其有价值——大企业要合规深度，中小企业要低门槛快上手，同一问题不同用户需要完全不同的解法。「小池塘里的大鱼」比「大池塘里的小鱼」更容易活下来：豆包的用户在「尝鲜」，见虫的用户在「救命」。报告最后给出行动建议：对想进入 AI 产品领域的新人，找到一个真正理解痛点的垂直场景，比去大厂做通用 AI 的第 1001 个功能更有价值。
从 Prompt 到工作流
不仅会写 Prompt，更会用工作流把 AI 能力工程化。
简历优化器
面试GO 的前置应用——先优化简历，再模拟面试
两个项目教会我的事
“
AI 必须被评测才能被信任。面试GO 让我意识到 Prompt 的效果取决于评测标准定得多清楚——准确率、相关性、召回率，每一项都要量化才叫评测。
→ 定义标准 → 嵌入流程 → 验证迭代
“
AI 产品的核心竞争力不是模型参数。豆包的成功是产品方法论的胜利——没有做最大参数的模型，但做到了最好的用户体验。 6 款垂直 AI 产品的横评进一步验证：真正的壁垒是行业数据深度 + 场景工作流闭环 + 真实交付能力。
好产品不堆参数，堆理解
关于我
教育背景
杭州师范大学 · 文化产业管理 · 本科
GPA 4.09 / 4.5（专业 top 2）
主修课程：人工智能导论、社会调查方法、传播学概论、新媒体运营、文化市场营销学
文化产业管理训练的核心是「理解人」——用户研究、传播规律、市场洞察，与 AI 产品设计天然互补：从真实需求出发定义问题，而非从技术出发找场景。
核心技能
产品理念
定义标准
先用评测标尺锁定「什么算好」
嵌入流程
把 AI 嵌入真正需要提效的环节
验证迭代
用反馈和数据反向验证改进