高效产研协同
通过 Figma MCP、Cursor 和云端部署工具，将设计稿同步、UI 代码生成、业务逻辑辅助编写和部署运维串成可复用工作流。
AI Native Product Manager Portfolio
懂技术、重数据，能把 AI 想法推进到可验证交付的产品经理。
这份作品集围绕三类能力展开：真实业务产品基本功、企业 AI 产品化经验、Agent Workflow 项目实践。核心主线是把业务问题拆成流程、指标、系统和可验证结果。
AI Workflow
B/C 端产品
数据闭环
企业 AI 中台
Agent 原型验证
01 / AI Native Workflow
AI 已经进入我的产品工作流
我不是把 AI 当作单点工具使用，而是把它嵌入产品调研、原型设计、研发协同、数据分析和交付验证流程，提升从问题定义到落地复盘的整体效率。
数据驱动改版
用 AI 辅助内容生成与视觉预演，再结合关键词规划、访问数据和用户行为反馈，形成“假设 → 改版 → 监测 → 迭代”的闭环。
企业 AI 落地测评
关注私有化部署、知识库、智能客服、语料召回率、幻觉率和多轮推理效果，能理解企业级 AI 应用的落地要求。
02 / Profile
能力画像
具备编程基础，熟悉前后端协作、Vue 组件化逻辑和接口边界，能够与研发高效对齐需求边界与实现成本；同时具备结构化思维和数据分析能力，能将业务目标拆解为指标、路径和可落地迭代计划。
产品能力
- 结构化拆解：从目标拆到路径、指标、实验和优先级。
- B/C 端双栈：既关注 C 端体验，也理解 B 端效率和业务规则。
- 数据闭环：关注漏斗、转化、留存、复盘和实验验证。
AI 产品能力
- AI Workflow：能将 AI 纳入调研、生成、验证和协作流程。
- 快速原型验证：能用 Agent / AI 工具快速验证场景假设。
- 技术沟通：能用研发语言描述需求、接口、状态和边界条件。
Portfolio Structure
作品集结构
后续内容分为三个方向：传统产品基本功、AI 企业项目经验、自建 Agent Demo 项目。每个方向都围绕业务问题、产品判断和验证结果展开。