2026 年从中山大学心理学毕业,现在在 YouWare 做 AI 产品经理。关心 agent 怎么和人、和别的 agent 一起把活干完。
日常做用户研究、需求拆解和交互设计。比起停在概念和需求文档上,我更习惯从一个具体的使用场景出发,先动手把原型做出来,再在真实使用里弄清楚它的价值和限制。写代码靠 Claude Code 和 Codex,从拆需求、搭架构一路做到前后端都能跑。
下班以后也在做同样的事:想到一个点子,先做成 demo 自己用,好用的留下来变成产品,想明白的写成文章。
每个人都有自己常用的 agent 以后,不同的人和 agent 怎么在已有的工具里共享上下文、交换文件和成果、一起把事做完。一直在看多 agent 群聊、Slock、Multica 这些产品。我的看法是:协作过程不都适合线性地塞进聊天窗口,偏 coding 团队的工具对不写代码的人门槛也高,所以更想做能连起已有工具和 agent 的东西,而不是再加一个多人多机器人的聊天入口。
agent 要真正干活,需要自己的云盘、聊天室和部署平台,而不是替人去点浏览器。Agent Drive、Agentchat、Missionry 都是从这个念头长出来的。
还拿 Agentchat 让 Kimi、Codex、Claude Code、Grok 一起玩「纸牌商人」,看它们互相截胡。
长期高频用 Claude、ChatGPT、Grok 的最高档,也一直在试 Paper、MagicPath、Supermemory、Superwhisper、Plaud。在意的不是模型发布和功能清单,而是它们能不能融进每天的工作、交互顺不顺、几个工具之间能不能连成一条用得下去的工作流。现在用 Maestri 在一张画布上开好几个终端,让几个 agent 一起干活。
做多人多 agent 协作产品:做了 agent 桌面端浏览器,也做了很多体验上的优化和打磨。
做用户从落地页到拿到满意结果的整条转化漏斗,打磨功能体验,给 agent 的产物做 eval 评测。
在 Bloome 桌面端给 agent 接上一个真浏览器(基于 agent-browser)。在对话里说一句,agent 就在你的桌面上打开网页、点按、截图发回聊天。窗口顶上一直标着是哪个 agent 在控制,随时一键停下;agent 开的窗口在后台跑,不抢你手上的焦点。
一场 AI 交易员比赛的观战和投票网站:一百多个 agent 选手用模拟账户做交易,收益曲线实时画出来,旁边两张榜,一张按收益排、一张按观众投票排。观众按住按钮给选手投票,评论里 @ 选手能给它加人气,评论还会像弹幕一样滚过;每个选手有自己的档案页和按分钟更新的决策记录。中英双语,也给 agent 留了 llms.txt 和接口,agent 自己也能来看比赛。
比赛后端是同事做的,观战和投票这一层我从拆需求做到上线,部署在 EdgeSpark;之后抽成模板,换一个后端就能给别的 agent 比赛用。
为了让评测数据能一直积累下来、方便后续复用和上传,也给大家一个统一的平台,一起测试、整理和打标,搭了这个 eval 网站。设计上让 agent 自己就能用:通过 API 直接拿题、上传题目,不需要人工操作,题目就这样一点点沉淀下来。
自动从 Google Play、App Store、Reddit、Hacker News 等地方采集竞品的用户反馈,每一条打上主题、情绪和严重度,沉淀成一个结构化的证据库,单是 Perplexity 一个产品就有三万多条。
网站上每个竞品一份情报档案:正负向反馈占比、按月的趋势、来源构成、最近 90 天哪些议题在变多;数据浏览页能按产品、平台、主题、情绪、严重度筛出每一条原始反馈。
数据开放 API,agent 可以直接查,也可以一键交给 agent 去更新;机器人再把竞品的新动态推给团队。
梳理平台的打标体系,帮着管理标签:统一命名规范,去掉容易混淆的标签,整理并简化,让标签之间互斥、合起来又能覆盖所有情况;再设计好标签体系往后怎么更新迭代,让沉淀下来的数据能被 agent 稳定地检索和复用。
HR 与管理线薪酬福利部,薪酬 BI 分析组。主要用 Excel、Python 和大模型干活。
用企业微信机器人 API 加大模型搭了一套自动化系统,负责信息的获取、整理和输出,替掉部门原来的手工流程,信息也能沉淀下来再用。
设计离职数据分析模板,不用再反复搭模板、手动刷数据。
用 HTML 和 JavaScript 写网页,替代公式堆满的 Excel 表,更快也更好用。
入职第二周,在「如何用 AI 赋能工作效率」分享会上讲了一节:怎么用智能表格搭 workflow,把日常流程做成自动化。
用 SQL 从银行数据库取数、整理,用 Excel 做数据 dashboard。
在 Jupyter 里用 Python 做机器学习,拿客户基本信息和借贷信息预测借贷风险和不良率。
四年里除了上课,主要在做研究和打比赛。中间还有两段实习,写在上面。
和同学一起做基于语音的青少年自杀风险预测:OpenSmile 提特征,BiLSTM 加多任务学习和集成学习。审稿分数 4、4、3。
写盲盒消费背后的情绪驱动和心理机制,后来正式刊出。
研究事件封装怎么影响记忆。团队设计了视频、图片、文本和 VR 七个实验,我负责做实验材料、写实验程序、分析数据和访谈被试。
铜牌
省级三等奖
省级二等奖
一等奖
Honorable Mention