AI PM作品集

从用户问题出发

关注用户的真实目的与使用场景，明确需求优先级与 AI 的能力边界
通过原型设计、测试和用户反馈验证方案，兼顾用户体验、实现成本与业务价值，持续推动产品迭代

AI 产品实习 AI 阅读应用具身智能测试

实习经历

北京梦见星科技有限公司

AI产品经理实习生丨AI实战星产品线 2026.07 — 2026.09

参与 AI 实战产品的候选人 C 端平台与评测报告模块。C 端平台支持候选人查看岗位机会、了解岗位实战，并获取实战链接；评测报告根据实战过程和产物中的记录形成能力评价。

AI 实战星 C 端产品设计

基于团队已有 demo 细化候选人端页面 UI 与流程，深度参与功能范围梳理和对齐。发现企业岗位详情页的“申请” “实战”操作容易被误解为向单家企业投递，提出按岗位方向组织实战入口，保留企业及岗位信息、调整详情页操作，并检查改后的用户流程与实际需要的业务规则是否一致。在后续 30 余位真实候选人的使用中，同比降低了约 80% 的误解概率。

AI 评测报告与可信度设计

针对 HR 和候选人阅读时不同的需求，分别设计 HR 与候选人双端报告，将能力结论、行为依据和改进建议按不同阅读者需求呈现；结合实际调研的候选人和 HR 反馈，优化能力速览与详情查看方式，并提出核查评测报告是否得到本次实战记录支持，收敛依据不足的表述，并复核整改后的报告。双端评测报告迭代后显著提升了候选人和 HR 的阅读体验。

产品链路验收与问题纠正

围绕候选人从 C 端平台进入岗位实战、再查看 AI 评测报告的流程，测试 AI Agent、AI 产品经理两个岗位的实战链路。发现复制对应报告链接后指向旧报告页面，将证据对应问题反馈开发同事，推动报告链接指向评测系统的正式报告，并在后续亲自验收通过。

调研反馈驱动的产品迭代

为给产品迭代沉淀真实的用户意见，设计并搭建体验反馈表，随项目推进沉淀来自 70 余位候选人和 10 余位 HR 的真实反馈，覆盖 AI 岗位实战、C 端平台以及双端 AI 评测报告。按用户角色和参与环节，归纳实战引导、页面流程、结果解释、评价依据等问题；将反馈与实际走查发现的问题结合，持续支持用户使用路径、报告阅读层级和证据表达等产品问题的调整，使真实用户意见能进入后续版本讨论，而不止停留在一次性调研中。

上海智元机器人

具身智能训练平台丨实习生 2026.01 — 2026.04

阶段验证与场景覆盖

围绕 AI 算法团队的阶段性验证目标，梳理机器人自主执行任务及典型场景干扰条件，跟进不同环境下的任务执行表现与行为差异，识别现有测试场景的覆盖不足，为后续场景泛化与验证方案调整提供参考。

评测与 Bad Case 管理

基于任务成功率、动作稳定性等指标开展执行效果评测，整理 40 余条典型测试及问题样例，按动作执行失败、运行稳定性和场景泛化不足等维度分类，提炼失败原样并反馈算法团队，辅助问题归因与针对性优化。

验证闭环协同

参与算法团队阶段验证的协同推进，围绕任务拆解、测试执行、问题反馈及后续复核等环节对齐工作流程，沉淀数据覆盖、评测口径与验证结果相关记录，为后续 AI 模型迭代提供可追溯的测试依据。

微光伴读

AI 阅读陪伴产品 2026.05 — 2026.06

用户问题与产品定位

将“想读但读不动”拆解为开始难、理解难、收束难三类核心问题，围绕用户阅读场景设计“5 分钟阅读 — AI 辅助问答 — AI 今日总结 — AI 次日实操指南”流程，明确 AI 仅在用户主动需要时辅助理解，不替代阅读本身。

AI 能力设计与工程落地

拆分直接问、今日总结、基于原文回答、后续复盘等 AI 场景，定义触发时机、输入范围、上下文边界与输出规则，并按优先级逐步接入真实大模型。完成本地 AI 代理层及 DeepSeek mock/live 调用链路，通过 prompt/schema 约束、flash/pro 路由、总结缓存、脱敏日志、超时控制与 fallback 等机制，降低越界回答、结构解析失败和重复调用风险，保障阅读流程稳定性。

用户验证与产品迭代

针对阅读启动困难人群开展小样本深度任务测试，并构建 26 条 DeepSeek live 评测样例；验证“5 分钟启动、直接问、今日总结”等功能的早期价值，同时发现能力边界、输出可读性和长内容处理等问题。基于 Bad Case 持续完成模糊返回拦截、复杂问题切换 Pro、长内容总结 fallback 等迭代优化。

鼠标悬浮在右侧卡片区域，可以暂停卡片轮播，点击任意卡片会切换到对应经历~