看定位
27 届 AI 产品候选人，已有多段 AI 产品实习和 0-1 项目经历。
About / Reading Guide
如何阅读这套材料
这个站点采用 Overview Surface + Canvas Surface 双态结构：先帮助招聘方快速判断身份、方向与证据，再进入同一容器里的工作地图和详细案例。
Read Path
先按招聘方的阅读节奏来判断，不用一开始就看完所有内容
如果你只有 30 秒，先看首页信号；如果愿意继续看 3 分钟，进入 Work；如果你已经决定深入判断，再点开单案例看证据与复盘。
看证据
扫字节、众安、哈啰和创业项目，判断是否既懂 AI 机制，也懂用户与业务场景。
看案例
进入深案例，看评测体系、数据策略、RAG/Agent 产品化和项目推进方式。
What To Judge
如果你在判断我适不适合 AI 产品岗位，优先看这三类信号
这些信号不是抽象价值观，而是我在项目里反复出现、并且能被公开内容证明的工作方式。
模型能力拆解
能把 T2I、I2I、RAG、Agent、Prompt 等能力拆成可评测、可迭代的产品假设。
用户与业务洞察
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。
落地闭环
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。
How I Work
我更希望你看到的是方法连续性，而不是经历标题的差异
这些步骤几乎会出现在我做过的每个项目里，只是具体场景和产品形式不同。
Method
先框问题，再搭工作流，最后拿证据收口。
- 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。
- 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。
- 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。
- 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。
AI 评测与数据闭环
能从模型短板定位、标签体系、Benchmark、自动化评测到数据优化策略形成闭环。
企业级 AI 产品化
参与 AI 中台、智能体生态、RAG 框架、知识工程与应用广场建设，理解企业落地约束。
用户洞察与 0-1 推进
从社群、用户调研、SOP、原型、增长项目到创业实践，能把需求转成可执行产品路径。
Why Trust This
这套材料最重要的是可信度，而不是把页面做得像奖项站
下面这三条是整个站点的公开边界和取舍规则，也决定了为什么有些内容会先留证据位、而不是急着堆满。
页面内的经历、指标和身份信息只使用已确认可公开的材料，不用夸大措辞去换设计感。
首页负责建立信任和主线，Work 承接详细案例，About 负责解释如何阅读这些材料以及为什么它们可信。
暂时不能公开的截图、内部机制或指标，不会硬塞进页面，而是先做结构预留和脱敏计划。
评测与 Benchmark 数据
字节跳动与众安保险的公开简历信息里，均已确认有 1000+ 级别的评测/数据建设经验。
平台化产品推进
众安侧已公开信息包含 10+ 产品快速上线、80% 保险销售场景覆盖和多类智能体应用推进。
增长与落地结果
哈啰任务大厅项目已公开信息包含拓展至 16 个城市，接单率从 2% 提升至 30%，完单率提升 40%。
Experience Notes
如果你只看履历，这三句最能代表当前公开版本的可信层
这里保留的是最稳的公开事实层，用来和首页、Work、案例详情页形成互相印证。
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。