01概念项目 · AI Copilot
面试，不该从一句“请自我介绍”开始。
为缺少反馈渠道的求职者设计 AI 面试陪练，从岗位拆解、追问策略到可执行复盘，形成完整训练闭环。
PROBLEM
用户练了很多次，却不知道回答究竟差在哪里。
DECISION
把模糊的“表现”拆成结构、证据、表达与岗位匹配度四个维度，并为每条反馈绑定原回答片段。
OUTPUT
完成可交互原型、核心 Prompt 链路与 20 条评测用例，定义反馈有效性与复练率作为北极星指标。
AI PRODUCT INTERN · 2026
把 AI 的能力，
变成好用的产品。
你好，我是 NEN / 你的名字。一名兼具产品思维与技术理解的 AI 产品实习生候选人，关注模型能力如何真实地解决用户问题。
OPEN TO WORK
FROM AMBIGUITY
用户真正需要解决的
问题是什么？
TO VALUE
✦
清晰、可信、可迭代
PRODUCT VALUE DELIVERED
PRD
→
MVP
→
MVP
SHIP
LEARN
REPEAT
LEARN
REPEAT
我相信好的 AI 产品，
一半是理解人，一半是理解模型。
01 / SELECTED WORK
项目与思考
从问题定义到技术落地，展示我的完整产品思考路径。
02概念项目 · Knowledge Agent
让团队文档真正回答问题。
针对信息散落、搜索成本高的问题，设计带引用溯源的团队知识助手，并处理 AI 产品最关键的可信度问题。
PROBLEM
传统搜索返回文档，用户仍要自己拼接答案。
DECISION
设计检索—重排—生成—引用的 RAG 流程，加入低置信度拒答与反馈入口，减少“看似正确”的幻觉。
OUTPUT
搭建 Python 原型与离线评测集，围绕命中率、忠实度、响应延迟建立三层评测框架。
03产品拆解 · Growth
AI 产品的 Aha Moment 在哪里？
以新用户首次任务为切口，拆解从注册到获得高质量结果的关键阻力，提出可验证的激活优化方案。
PROBLEM
用户面对空白输入框，不知道 AI 能做什么、该怎么说。
DECISION
用任务模板代替功能介绍；根据目标动态补问上下文；将复杂 Prompt 隐藏在自然的产品流程中。
OUTPUT
输出完整漏斗、埋点字典与 A/B 实验方案，以首次成功任务率验证假设，而非只看对话次数。
02 / WHAT I BRING
产品左脑，技术右脑。
01
产品能力
把复杂问题讲清楚，并推动它发生。
- +用户研究与需求洞察
- +PRD / 原型 / 用户旅程
- +数据指标与实验设计
- +跨职能协作与项目推进
02
技术能力
理解能力边界，也能亲手做出原型。
- +LLM / RAG / Prompt Engineering
- +Python / SQL / TypeScript
- +API 集成与快速原型
- +评测集构建与效果分析
MY TOOLBELT
Figma · Notion · Cursor · Python · SQL · Git · Dify · Coze · Postman
03 / HOW I WORK
从模糊到清晰。
- 01观察
走近真实场景，找到用户说法背后的未满足需求。
- 02定义
明确目标用户、核心问题、成功指标与暂时不做什么。
- 03构建
用原型和技术实验快速验证最关键、最不确定的假设。
- 04学习
看数据，也听用户，把反馈变成下一轮更好的决策。