项目经历 · 完整版
覆盖「AI 策略设计、人机协同工作流、RAG 知识库、效果指标体系、供应商评估」的 AI 产品经理完整能力栈，以及 10 年多端产品历程。点击卡片可展开 STAR 详情。
AI Projects
AI 教育核心项目
AI 智能推题系统 · 相似题自动推荐引擎（0→1）
正睿教育 · 2026
产品负责人 · AI 推荐产品从 0 到 1
错题本的相似题推送原先完全依赖教研人工绑定，效率低、覆盖窄；内部题库仅约 20 万题且约 60% 陈旧，无法支撑规模化精准教学。主导以「外部优质 API 为主 + 内部数据治理为辅」的轻量混合架构，1.5 个月完成从可行性论证到全量上线的完整产品闭环。
- 调研科大讯飞 / 学而思 / 菁优网 / 学科网四家供应商，构建「核心优势 × 适用场景 × 计费成本」三维评估矩阵，确立学科网为主 + 菁优网为辅，年接口成本约 4.5 万元（5 万元约束内）
- 设计「2 道巩固 + 1 道拓展」分层推荐策略与多策略候选召回（知识点 / 题型 / 难度 / 教材版本 / 文本相似），支持按学段学科弹性配置
- 建立 Human-in-the-loop 人工抽检工作台与五维推荐质量评分体系，六维效果指标让 AI 推荐可度量、可迭代
情境与任务
量化诊断发现题库数量（摊薄后每科不足 1 万题）与质量（60% 陈旧、标签缺失）双重硬约束。作为产品负责人，目标是在年成本 5 万元内实现「错题采集 → 错因识别 → 候选召回 → 质量筛选 → 分层推送 → 练习反馈 → 题库优化」全链路自动化闭环。
核心行动
- 四阶段演进规划：规则版可用 → 自动召回增强 → AI+人工审核 → 效果闭环（策略 A/B 测试），避免一步到位的高风险
- 人机协同机制：教研/运营可查看推荐理由与候选排序，执行通过 / 替换 / 退回 / 下架，答案解析、难度、超纲边界可追溯可审核
- 6 周交付节奏：商务签约 → 后端推题逻辑与前端联调 → 数理化灰度验证 → 全量上线
成果与 AI 能力标签
与学科网联合完成初中数学、高中数学、竞赛数学、初中科学等多学科推题实测验证。沉淀能力栈：推荐策略设计 | 多策略召回 | RAG 相似题检索 | Human-in-the-loop | 可解释性设计 | AI 供应商评估与成本控制 | 效果指标体系。
智能教师助手 Teacher Copilot · AI Agent 产品实践
个人实践 · 2026.08 – 至今
独立产品经理 · AI Agent 设计与验证
教师出一份质量过关的卷子平均耗时 2-4 小时，考后统计与学情分析再耗 2-3 小时；通用 AI 出题存在超纲、错题等幻觉问题，教师不敢用。独立完成产品定义与 PRD 编制，以约等于零的基础设施成本验证「出题—批改—分析」核心引擎。
- 三条产品铁律：助手而非替代（AI 产出均为草稿，教师在环确认生效）· 防幻觉优先（知识点树锚定、越界显式拒答、审核入库）· 数据不出校（按个保法未成年人标准，支持私有化部署）
- 主观题采用 Rubric 评分量表 + 三采样置信度分级，低置信强制进入人工确认；客观题规则引擎判分准确率 100%，判分异常显式标记而非静默处理
- 基于 Cloudflare 免费栈（Workers/D1/Vectorize/R2）零成本部署 v0.1，多供应商模型按任务类型调度，规划 Docker Compose 私有化交付
情境与任务
学科网等题库网站只解决「找题」，解决不了「针对本班学情出题」；面向教师工作流的成熟 AI 产品极少——明确的场景空白。目标是独立完成产品定义与 PRD，先零成本验证真实效果，再招募教师进入外测。
核心行动
- 出题助手四步流：生成 / 变式 / 审核 / 入题库；RAG 知识库仅服务于出题锚定与讲评参考，严格框定生成边界
- 预置人教版知识点树（初中数学七上 + 小学数学四上双学段）
- 编写 US-1 至 US-7 用户故事与验收标准：出卷 3 小时 → 30 分钟、考后分析 2 小时 → 5 分钟、同一答案多次 AI 批改分差不超阈值、组卷导出保留排版与公式
成果与 AI 能力标签
PRD v0.1 冻结需求基线进入开发，形成可复用的 AI Agent 方法论：人在环审核流、防幻觉三件套、置信度分级与降级策略、按任务多模型调度；设计「家庭内测 → 教师外测 → 商用」三级验证路径。
慈溪市人工智能赋能教育教学项目 · G 端
正睿教育 · 2026.07 – 至今
产品负责人 · G 端 AI 战略项目操盘
慈溪系浙江省精准教学实验区（全省 11 个），但近年投入不足、先发优势弱化，且存在资源分散重复建设、教科研人工管理、决策依赖经验三大痛点。操盘一期市级财政 100 万元（整体五期共 500 万规划）的 AI 战略项目，主导 PRD 主编、架构设计与实施风险规划。
- 设计「区域 AI 教学数字基座 + 学校智能应用终端」双层架构；一期落地三级题库资源系统（预算 87 万）+ 教科研管理系统（预算 13 万），R/S/P 三级 15 项 + 八大模块 28 项功能需求
- 完成五期 AI 演进路线图：数据基座 → 智能教学应用深化 → 教育评价与数据分析 → 智能教师助手与学情诊断 → 区域教育 AI 大脑，循序渐进、每期独立可用
- 定义量化验收标准：并发 2000+ / 年可用率 99.5% / 百万级检索 ≤2s / 组卷 ≤10s / 等保二级；针对最高风险项「教师使用意愿不强」设计试点先行、分层培训、激励机制三重应对
情境与任务
恰逢国家「人工智能+」行动意见、教育数字化意见与浙江省「人工智能+教育」行动方案密集出台，区域教育数字化转型进入政策窗口期。作为产品负责人主导一期产品需求文档编制与整体规划，打通「资源创建 → 审核入库 → 教学应用 → 数据回流 → 优化提质」业务闭环。
核心行动
- 系统梳理国家、省、市三级政策依据，结合区域四大痛点确立「急用先行、基础优先」的一期建设策略
- 市 / 校 / 个人三级题库「分层供给、各取所需、上下贯通、智能增效」，智能组卷、错题自动归集、考试数据自动归档嵌入闭环关键节点
- 「准备（招采）→ 部署（试点上线）→ 应用（培训推广验收）」三阶段里程碑，完成题库质量、等保合规、权限最小化等六类风险预案
成果与 AI 能力标签
一期 PRD V1.0 完成编制并进入市级流程，预算精细拆分与 ROI 论证匹配系统复杂度，形成可复制的区域建设模式。能力标签：AI 战略规划 | 政策解读与产品转化 | G 端大客户需求管理 | 数字基座架构 | 非功能需求定义 | 预算与风险管控。
未来学习中心 · AI 个性化学习平台产品规划
2026.01
产品经理 · PRD 主编与 AI 推荐系统设计
面向高校与职业院校：慕课、数字教材、虚拟仿真实验各自割裂，统一内容与进度缺乏个性化，学习内容与工作场景脱节。主导 V1.0 PRD 编制，规划「AI 个性化推荐 + 学习资源整合 + 跨学科项目学习 + 能力评估反馈」四位一体产品，并完成20 人团队、约 310 万预算、3 个月里程碑的完整交付规划。
- 设计混合推荐引擎：30 分钟自适应能力测评 + 兴趣问卷双输入生成学习路径，协同过滤 + 内容推荐 + IRT 自适应测评模型，支持手动调整、TTL 缓存与异常降级默认路径
- 构建六维能力模型 × 5 层级评估体系，输出能力雷达图、百分位排名、成长曲线与个性化提升建议
- 定义 13 个核心埋点与四类指标，将「推荐点击率、能力提升率」设为北极星指标；性能标准 P95 <1s、高峰 QPS 2000、可用性 99.9%
核心行动
- 定义「能力测评 → 兴趣问卷 → 路径生成 → 确认/调整 → 开始学习」完整状态机，设计断点续测（7 天）、测评异常人工介入、推荐降级、离线缓存四类异常分支
- 明确 V1.0 的 In/Out Scope（VR/AR 沉浸学习、实时直播、区块链证书列入 V2.0/V3.0），P0/P1/P2 优先级与模块依赖梳理
- 业务、技术、数据三类边界条件定义（测评题目 ≤1000 题、单项目周期 ≤12 周等）
成果与 AI 能力标签
完成 V1.0 完整 PRD（产品概述、需求、业务流程、功能设计、埋点、性能指标、风险边界七大板块）。能力标签：AI 推荐算法产品化 | A/B 测试设计 | 自适应测评（IRT） | 降级与容错设计 | 数据埋点与北极星指标 | 性能标准定义。
启望数智化精准教学系统 · 数据驱动多端产品矩阵
正睿教育 · 2025 – 至今
核心产品经理 · 多端产品设计与迭代主导
传统校园面临三大信息孤岛：管理层决策黑盒化、教师备课阅卷高负荷、学生缺乏个性化支持。主导区 / 校 / 师 / 生四级链路多端产品矩阵，打通「教、学、考、评、管」全场景数据闭环，推动教学决策从经验驱动转向数据驱动，为 AI 能力落地提供数据与场景基座。
- 九大核心功能模块基本建成并上线：智慧阅卷、课程学习、教学资源、备课研修、学情分析、题目组卷、启望小程序、局端管理、联考测评
- 局端（数据驾驶舱 / 教学监督 / 题库资源）+ 校端（课程 / 题库 / 备课 / 微课）+ 学生小程序（拍照批改 / 错题本 / 推题导出）实现 G / B / C 三端协同
- 智慧阅卷覆盖日常作业、校考、联考三类场景与三种答题卡模式，单评 / 双评 / 仲裁 / 回评保障质量；支撑慈溪拔尖创新人才培养中心、瑞安教研院、重庆沙坪坝等区域项目与省级协作体联考常态化运转
核心行动
- 主导「教研备课 + 资源中心 + 数据报告 + 个性化学习」四大模块设计，构建教学、学习、测评、评价、研究五大环节的精准闭环
- 设计班级 / 校级 / 教师错题本 / 学生个册等多层级报告矩阵，常态化采集考试作业数据动态更新薄弱环节，实现个体画像到群体追踪的学情诊断
- 沉淀错题推题、视频讲解、拍照批改等个性化学习能力，直接为 AI 智能推题系统提供数据与场景基础
成果与 AI 能力标签
形成「区级教共体协同发展的智慧生态」，沉淀教育行业 know-how。能力标签：数据驱动产品设计 | 学情画像与知识图谱应用 | 多角色多端产品架构 | G/B/C 三端协同 | EdTech 行业纵深。
Career
产品历程（2015 – 2020）
正睿教育 · 教育产品
2020.04 – 至今
产品经理 · 教育行业实战
正睿教育（成立于 2004 年）面向 教育局 / 学校 / 教师 / 学生 / 家长 全角色，我统筹规划从「考试测评 → 数据分析 → 错题推题」的产品闭环，打通局端、校端、教师端与学生端全链路协同，推动产品与 12 年大型联考运营经验深度融合。
- 四大核心产品线统筹：考试服务（考前命题→考中联批联阅→考后多维分析）/ 精准教学系统（局端+校端）/ 启望小程序（家校学情）/ 资源中心（三大题库融合）
- 全链路打通：覆盖局端联考、跨区域联盟联考、单校测评多场景，沉淀「测—评—诊—练」教育业务中台能力
- 沉淀 错题深度分析 → 个性化推题闭环，为后续接入 AI/Agent 做个性化学习奠定数据与场景基础
四大核心产品
- ① 考试服务：考前专家命题 → 考中扫描联批联阅 → 考后多维度数据分析，精准适配教育局联考、跨区域联盟联考、单校测评
- ② 精准教学系统：局端与校端管理平台，支持教研管理、教学监督、师生管理、分权限数据报告
- ③ 启望小程序：家校实时学情，错题深度分析 → 个性化巩固提升，举一反三
- ④ 资源中心：整合启望题库（培优/拔尖）、学科网海量题库、睿达资源库，支持区本/校本资源库建设
对 AI 教育的可迁移价值
- 已掌握教育「测—评—诊—练」全闭环的真实数据与场景 → AI Agent 落地有据可依，不脱离实际
- 题库 + 学情数据资产 → 个性化学习路径 Agent 的 RAG 知识库天然就绪
- B 端中台经验（局/校/师/生多角色权限）→ Agent 权限与多端协同设计
金广通中台系统 · 多业务中后台
钱跃科技 · 2019
中后台产品经理
公司多业务线各自开发，用户/订单/支付/财务重复造轮子。主导将核心功能抽象为中台，统一向各业务端输出。
- 1 周产出中台原型并完成评审，1 个月上线
- 用户/订单/支付/财务/配置五模块复用，新业务线接入成本骤降
- 埋点 + 诸葛IO/友盟数据体系，用数据驱动运营决策
情境
业务线扩张，每新增一条线，用户/订单/支付/财务都要从头开发，账户不互通、用户价值无法最大化。
任务
把测算、小说、征信、网赚等多业务的核心共享功能抽成中台，节约开发资源、提高复用。
行动
- 快速对接各业务线产品/运营，摸清流程
- 抽象出可复用模块，分模块设计列表/搜索/操作的通用能力
- 1 周输出原型 → 评审 → 跟进开发
迁移到 AI 教育
教育平台同样需要中台化——学情、题库、用户、教研内容的统一抽象与多端输出，与这段经历高度同构。
汉龙智联营销平台 · B 端多系统集成
众泰大冶 · 2019
产品经理 · B 端
车商城 APP + 经销商 APP + 智联营销平台三端联动，对接用友 ERP/MES/WMS，把库存、销售、调配、售后、结算串成一站式服务。
- 主导三端 + 后台产品设计与排期（一期整车销售 → 二期售后 → 三期数据）
- 与 ERP/MES/WMS 多系统对接，打通数据与工单流
- 一期按时进入联调，平台上线运营支持经销商网络
行动亮点
- 深入各业务部门摸清实际流程，抽象出整车销售、售后、调拨、自动补货等核心流程
- 按价值排期：销售优先 → 售后 → 数据优化，分三期迭代
- 6 月出一期原型，7 月二期，8 月三期
迁移到 AI 教育
AI 教育产品往往要整合学情系统、题库、教务、第三方模型 API——这种"复杂多系统集成"的经验正是落地 AI Agent 教育产品所需。
爽读免费小说 APP · C 端增长
钱跃科技 · 2019
产品经理 · C 端
产品矩阵需要流量池，通过小说搜索器模式低成本聚合内容，免费阅读 + 广告变现 + 金币激励系统。
- 设计搜索器逻辑 + 金币提现系统，引导阅读看广告形成变现闭环
- 作为矩阵流量池，向其他业务线分发，用户价值最大化
- 内容产品 + 激励增长的完整方法论
迁移到 AI 教育
- C 端留存/激励设计 → 学习产品的完课率、学习动力设计
- "内容 + 算法分发"思维 → AI 个性化内容推荐的基础
网约车 / 分时租赁 · 多端全栈
众车纷享 / 车厘子 · 2015-2019
产品主管 / 产品经理
主导/参与网约车（T3 出行、众车出行）、分时租赁（车纷享、长安出行）的全栈产品：乘客端、司机端、车机屏、管理后台。
- 1.5 个月网约车乘客端+司机端+后台全上线，满足国家牌照政策
- 分时租赁 OCR 自动审核，认证速度提升 2-3 倍
- 支付宝免押金接入后订单提升约 30%；红包车设计降低搭电概率 40%
核心能力
- 从 0 到 1 多端产品（APP/后台/车机屏）的快速落地
- 带团队 + 制定 OKR + 跨部门协同
- 用 KANO 模型做需求优先级，按价值迭代
迁移到 AI 教育
AI 教育产品同样是多端（学生端/教师端/家长端/管理后台）+ 强业务流程 + 多角色协同，这段全栈经验直接可用。