面向高校师生及科研人员，从 0→1 建设 AI 学术研究服务平台，将万方专业学术文献与大模型结合，覆盖 AI 问答、文献伴读、智能发现与研究分析等科研场景。

核心产品负责人｜负责产品定位、科研场景拆解、功能架构、版本规划及核心 AI 能力的产品化推进。

关键工作与实践

• RAG 与引用溯源：基于万方专业学术文献建设问答能力，在回答中提供文中引用、参考文献和原文溯源，使用户能够从生成内容返回专业文献进行核验。
• 人工评测与回归验证：整理固定问题集，通过人工评测、版本回归和竞品同题对比，评估模型切换与检索策略调整对回答质量的影响。
• 数据驱动迭代：结合用户问题、功能点击和行为埋点识别高频科研需求，并据此推进知识脉络、作者关系、机构关系和文献分析等能力。

面向专业学术检索与文献阅读场景，持续优化搜索体验和 AI 增强检索，推进 AI 阅读及检索智能体建设，并通过搜索指标和用户行为推动产品迭代。

核心产品建设｜从搜索与阅读模块逐步扩展到整体产品规划、效果评估和版本推进。

关键工作与实践

• 搜索指标与召回优化：通过首位命中率、检索效率、翻页率和无结果率等指标定位召回问题，并推动多路径召回优化，使 AI 增强检索无结果率降低约 90%。
• AI 阅读产品化：将原本需约 7～15 秒实时生成的文献阅读内容，逐步改为预生成与结果复用，缩短用户等待并减少重复模型调用。
• Few-shot 与边界样例：基于真实误判案例梳理自然语言检索与段落检索的意图边界，补充 Few-shot、边界样例和无法判断时的兜底规则，优化意图识别与自动路由。

面向多来源外文资源接入主站的场景，梳理资源归属、数据关系、用户权益和历史兼容，推动资源融入现有中文产品体系。

复杂 B 端方案设计｜主导产品方案，梳理资源、数据与权益关系，协调多方接入并推进产品侧整合落地。

关键工作与实践

• 资源归属与访问范围：梳理不同来源资源的归属与关联，明确产品展示方式和用户访问范围。
• 复杂权益设计：设计新增外文资源与原有中文资源权益体系的兼容方案，保障历史用户原有权益和使用方式延续。
• 多方协同落地：协调资源、数据、产品和业务等多方完成主站整合，平台外文资源覆盖提升约 40%，同时保持原有中文资源用户权益兼容。

工作之外，我持续通过视频内容跟进 AI 与产品的新变化。部分学习视频单条最长可达 3 小时，内容密集且重点分散，线性观看成本较高，观看后的重点回顾与知识复用也不够高效。基于这一真实学习场景，我尝试将个人学习需求产品化，把视频中的有效信息进一步整理为可复习、可查阅的结构化知识。

个人独立实践｜完成需求定义、产品流程设计、AI Workflow 搭建及可运行原型验证。

关键工作与实践

• 双模式知识整理：支持「纯视频」与「视频 + PPT / 文档」两种模式；有配套资料时，利用 PPT / 文档辅助专业术语校正、内容对齐和知识结构整理，没有配套资料时则直接基于视频内容完成知识提取。
• 知识结构化：将长视频内容进一步整理为核心正文、补充信息、互动内容等不同类型，减少单纯转写产生的信息噪音，让视频内容真正沉淀为可阅读、可复习的知识资料。

简历不容易完整呈现不同项目中的具体职责，访问者也难以按自己的关注点继续了解。为此，我设计了一套可浏览、可追问、可核对依据的个人职业展示产品，让访问者围绕工作经历和项目实践深入提问。

个人独立实践｜完成产品定位、职业知识库设计、问答流程与前端交互，并通过 Vibe Coding 实现和公开部署。

关键工作与实践

• 复杂问题拆解与检索：根据问题定位相关职业经历和项目资料，将跨经历、跨项目的问题拆解为互补检索，尽量覆盖回答所需信息。
• 回答可信度控制：判断现有资料是否足以回答；依据不足时说明信息边界，减少模型自行推断。
• 可核对回答与公开运行：为回答中的关键信息提供对应的职业经历和项目依据，便于访问者核对；同时完善访问控制、匿名统计和服务状态提示，让产品能够面向真实访客公开运行。