Hey.
I'm Juicy.
AI Product Manager
10 年产品经理 · 厦大 MBA · 6 年产品负责人
专注 Agent 架构 · 全栈 PoC 加速 AI 产品验证
AI Product Manager
10 年产品经理 · 厦大 MBA · 6 年产品负责人
专注 Agent 架构 · 全栈 PoC 加速 AI 产品验证
从真实场景出发，打通产品定义、Agent 机制、工程实现与质量评测。
把业务痛点，转化为可执行的场景与流程闭环。
划定模型、工具、权限与人工决策边界，设计受控 Agent 工作流。
打通数据、接口、前端与部署，交付可运行产品。
以测试集、评分规则与闭卷复测，支撑失败归因和版本准入。
Engineering & Product Trade-offs in AI Agent Systems
先选最先进且最适合项目的 harness；再判断哪些能力封装成 Skill。Skill 按需加载进上下文会有延时，高频 / 低延时场景直接写进 System Prompt，把响应时间压下来。
聚焦企业级 B 端落地场景：基于 Claude Agent SDK 等先进 harness 搭建，平衡准确性、效率与可维护性。
白盒:对需要避免出错的操作提供参考代码，让大模型据此改写；黑盒:直调已标准化的 SDK / CLI，省时省力。RAG 可直接接入，也可封装成 MCP 松耦合、便于复用。
先把产品做成 Chat 形态，释放 Agent 最强的能力，验证"想解决的功能是否都已实现"——确认闭环后，再研究 GUI 怎么呈现。避免过早被界面束缚。
围绕项目协同、数据自动化、营销执行与知识复用，我主导打造了四大 AI 办公提效产品，通过场景化工程落地打通业务闭环，彻底消除高频重复劳动、释放组织产能。
不止于调 API——向量知识库、模型微调、多 Agent 协作与部署闭环，均在实践中完整跑通。
用 Git Worktree 让多个 Agent 分工并行开发同一项目，产出 DocFragment Agent v1.0.0。
LLaMA-Factory + LoRA 微调 qwen 垂直模型，完整走通 训练 → LoRA → GGUF 输出。
采用带 Eval 的自动化构建范式，实现业务 SOP 的 skill 封装与 A/B Benchmark 效果验证。
自建本地推理/训练环境,解决版本兼容,释放 3090 全部算力。
云端 DSW（Linux）与本地 Windows 双环境搭建,训练与部署无缝衔接。
Docker 容器化 + Nginx 反向代理 + HTTPS，把项目做成"一次构建、到处运行"。
不是从产品转向工程，而是把产品负责人的交付边界，继续扩展到系统架构、工程实现与质量准入。
10 年产品经理，其中 6 年产品部负责人——带团队完成多个产品从 0→1 到规模化上线，沉淀场景判断、业务建模与跨团队推进能力。
2025 年开始系统补齐模型、Agent、RAG 与工程能力，从定义需求继续向下做到工作流、工具链与评测策略。
从问题定义、产品设计和系统架构，到工程实现、Evals、Release Gate 与交付验证，构建可运行、可复核的 AI 产品。 product × engineering 合一，朝 FDE 型能力进化。