翟羽京求职：AI 产品经理
数字媒体技术 · 本科 · 2026 年 7 月毕业 · 杭州 · 可周内到岗
AI 产品经理也考虑 AI 产品助理等相近方向
简历里的三条，这里各补一句能核验的说明
把模糊业务痛点翻译成 Prompt / RAG / Agent / 多模态可执行方案，先把「好」写成可判定的判据（C1–C6 六条硬约束、放行一致率 ≥80%、红线漏放 ≤5%、拒答双信号），逐环节界定模型能力边界，以决策取舍表标注假设与不做项。
用 Python（AI Coding / Cursor）零第三方依赖独立完成多智能体系统与记忆库插件（编排、判分器、HTTP/SSE 后端、前端工作台、SQLite FTS5 检索），可离线运行；用 Dify、n8n 搭工作流，并通过 MCP 统一接入外部 API 与工具。
模型 A/B 给记忆系统 8.58 分、6/6 全胜；同一批回答我人工盲评只有 2.17 分、一致率 0%。按归因改输出契约后四轮做到 6/6 可用（v3.1 为定向修订后重评，非盲测泛化）。
2 个主项目，全部可核验；另 1 条其他项目
业务背景：自有抖音数码账号 7 个月 57 条公开作品、总播放 357 万；用 22 条 SQL 做归因——5s 完播率与播放量相关 +0.546、整体完播仅 +0.099，87.4 万播放那条只带来 2,425 主页访问、103 关注。据此把优化动作从“压缩时长”改为“重做前 3 秒 + 主页转化”，并把“脚本稳定产出”定为要解的产品问题。
数据归因（SQL）：抖音后台导出 68 条记录、清洗入库 57 条公开作品，设计单表 23 字段并派生互动率 / 涨粉率、建 3 个索引；22 条 SQL（窗口函数 NTILE 计算爆款集中度、CTE 分层聚合）做归因，定位转化断点——87.4 万播放那条只带来 2,425 主页访问、103 关注，瓶颈在主页访问 → 关注 → 成交链路。
需求拆解：将全链路拆为选题、RAG 知识检索、骨架生成、脚本输出、质量校验五段，逐一定义交付物、判定标准、判定主体与兜底路径。
方案设计：以“一条主线 + 6 个小论点”叙事模板与 C1–C6 硬约束为核心；类比仅允许来自知识库（31 篇示范语料与类比清单），禁止库外自创。
工程实现：用 Python 标准库独立实现 RAG 语料索引（语义检索 + 行号级溯源）、自动判分器、HTTP/SSE 后端与可视化前端工作台，零第三方依赖、可离线运行，配套 73 项回归测试（近半数覆盖失败路径）。
评测与迭代：判定器被反向自审，找出并修复 4 类缺陷（含 1 个让安全红线静默失效的旁路）；抽取召回率从 33.8% 标定到 43.6%（精确 74.1%、加权精确 34.5%）；放行门槛一致率 ≥80%、红线漏放 ≤5%（漏放优先）。桩模式跑通完整链路 52 次、260 次节点执行、936 条 trace，终态交付 20 / 降级 10 / 转人工 22，异常分流与人工接管路径均被实际走通。v2 拆出用户画像、选题评估、内容生产、一致性核查、传播预判 5 类智能体。
问题：每次新会话从零开始，偏好与口径只活在上一轮；记忆散在 5 个工具里，说不清谁是准的；「让模型自己记住」无法核验——它说「你定过 9.0 的拒答线」，我得能查到这句话出自哪个文件、什么时间。
做法：按「谁来确认」分四层（画像 / 事实 / 日志 / 经验）；写入必须先有来源，同主题说法相反就双方标争议等人工裁决，改口径先撤回留墓碑；检索用 SQLite FTS5 双索引（条目 + 原文镜像），每轮自动检索分「强命中 / 低置信 / 不注入」三档；答不上来时用双信号判「库里没有」，并给出原文线索。
评测与迭代：40 题检索评测路径召回@5 0.857、条目召回@5 1.0、MRR 0.81 / 0.92；102 条真实问句重放里，可答 27 条只误拒 1 条（3.7%）。最能说明问题的是这轮自我证伪：模型评审 8.58 分 / 6 胜 0 负，我人工盲评只有 2.17 / 一致率 0%——按归因重写输出契约后，v2 3.83 → v3 4.2 → 定向修订后 5.0（6/6 可直接用）。成本侧：实测单会话 175 步 37.62M token、cacheRead 99.4%，据此把预算改成 token 口径、把上下文注入做 A/B（单版本化仅降 7.6% 未过线 → 回退）。
不占主项目位，但能说明自动化编排与协议接入
方案：用 Dify 搭建“抓取 → 清洗去重 → 摘要总结 → 定时邮件推送”自动采编流程，替代人工每日信息巡检；通过 MCP 将外部检索、API 与工具封装为统一入口供流程调用，实现多步骤任务规划与工具调用。
| 产品设计 | 需求调研与分析、用户画像、业务流程拆解、PRD 撰写、原型设计、SOP 体系搭建、迭代管理 |
|---|---|
| AI 产品 | 大模型应用设计、Prompt 工程、RAG 检索增强（知识库标注建设 / 语义检索 / 溯源）、多模态（图像理解 / 生成）、Agent 与多智能体协同（Python、Dify、n8n）、MCP 协议接入、AI 评测体系与质量护栏（判分器、混淆矩阵、A/B、Badcase） |
| 数据分析 | 指标体系搭建、数据看板、效果复盘、转化率与不合格率追踪；SQL / SQLite（建表 / 索引 / 窗口函数）与 Python 脚本化数据处理 |
| 工具栈 | Axure RP、XMind、Dify、n8n、Cursor、ChatGPT、Claude、Gemini、Stable Diffusion、HTML、Office、SQL / SQLite |
| 学历 | 山东现代学院 ｜ 数字媒体技术 ｜ 本科 学士学位 ｜ 2022.09 – 2026.07 |
|---|---|
| 荣誉 | 中国大学生计算机设计大赛 全国决赛三等奖 米兰设计周中国赛区 国家级二等奖 |
五份深入材料，按「标准怎么定 → 标准怎么校准 → 问题怎么修 → 真实跑起来会怎样 → 标准怎么被记住」排列
个人记忆库：485 条记忆、57 个主题键，写入门槛三道、检索三档、拒答双信号；四轮人工可用性从 2.17 修到 5.0——第一轮推翻的正是「模型说好」。
看记忆系统 →另有 2 份不属于本页项目清单的延伸材料： 剪映 AI 粗剪产品分析（从产品实现反推决策）、 n8n 数字人流水线与成本（落地与算账）。
把本页四个项目与全部深入材料合成一份，含判据、标定实验、迭代记录、真实使用问题、成本预算与我的贡献边界。适合面试前通读或打印带进面试。
下载作品集 PDF 下载 Word 可编辑版