qoder
AI Coding 工具真正影响效率的,不只是会不会生成代码,而是能不能稳定进入真实工作流。
借鉴 CHU LU 的职业版本结构,但把叙事转向 AI PM:从 UI 基本功、复杂系统、商业落地,到 AIGC 产品协作。每一段经历都要回答一个问题:它如何证明我能定义 AI 产品。
第一张 Figma 画板不再只是截图展示。左侧保留原始个人首页的视觉资产,右侧把履历改写成 AI PM 的能力证据:角色、场景、判断、产出。
9 年 / 本科 · 第一批使用 AI 的人,正在把复杂体验、AIGC 实践和团队协作经验,转译成 AI 产品经理的判断力。
原画板讲“我是谁”。网页要多走一步:我长期处理多角色、多流程、多目标约束的复杂产品,现在把这套能力放进 AI 产品里,去定义问题、拆解边界、组织训练和验证结果。
这段经历适合作为 AI PM 的开场证据:不是单纯做界面,而是在业务目标、用户体验、技术趋势和团队效率之间做判断。
保留源画板作为证据,同时用上方网页化重排,把它改成真正适合个人网站首屏的叙事。
先用源文件预览接入第二张画板。后续导出独立节点图后,再补同样的热点说明、放大预览和网页化重排。
精选项目不再按“界面好不好看”排序,而按 AI PM 面试官关心的问题排序:是否能定义问题、理解 AI 能力边界、设计人机协作,并把结果推进到可验证。
AI Coding 工具真正影响效率的,不只是会不会生成代码,而是能不能稳定进入真实工作流。
Agent 平台复杂的地方,不是创建一个机器人,而是让能力可配置、调用、授权、复用和评估。
内容生成不是一次回答,而是一条从输入、生成、编辑、质检到发布的生产流程。
交易产品里的 AI 策略不能只是看起来聪明,它必须解释风险、建立信任、帮助用户判断。
作品集测试里的 75 个画板会全部进入网页,但不会作为静态截图堆放。每一页都要归入一个用途:首页叙事、项目过程、复杂系统、视觉能力或 AI PM 能力转译。
AI 产品不是加一个入口,而是建立一套可运行、可评测、可复盘的闭环。这个部分会成为作品集后续深度页的共同骨架。
先判断问题是否值得做,是否适合用 AI 做。
把模糊想法拆成目标、流程、边界、异常和验收。
设计任务、工具、规则和人机分工。
把产品目标翻译成模型能学习的样本和规则。
不只看它会不会答,还要看它什么时候会错。
灰度、埋点、风险兜底、人工接管。
把失败案例变成下一轮训练和产品优化。
让产品和模型一起变得更可靠。
Project description.