2027 届校招 · AI 产品经理（应届生）
许隆鑫
Xu Longxin
AI Product Manager · AI 应用方向 · 从模型评测到产品落地
情报学（信息资源管理 · 数据科学系 · 人工智能应用研究方向）硕士背景，精准学（阿里战投 · 准独角兽）AI 产品实习，主导动画制作 环节的内部提效——擅长把模糊的「AI 提效」需求拆成场景、流程、验证指标与可交付方案， 把 AI 能力转化为可验证、可交付的产品价值。
- 11 项
- 工具与作品 · 多款进真实生产
- 3~5 min
- 单剧本资料整理 · 原约 30 分钟
- 8 万条
- 判错数据分析
- 136 个
- 多智能体全球信息源
01Selected Works
精选案例
02Capabilities
能力矩阵
01
AI / LLMCore
- Prompt Engineering
- AI Coding（Claude Code / Codex / Cursor）
- Agent 开发（Dify / Coze / 百度千帆）
- RAG 系统设计
- 多智能体编排
- 大模型效果评测
- GPT / Claude / Gemini 能力边界与适用场景
02
产品设计
- 需求分析与 PRD
- 业务流程拆解
- MVP 验证与路线图
- 指标设计与复盘
- 原型与流程图（墨刀 / XMind）
- 用户研究
03
数据分析
- SQL
- Python
- 数据可视化
- 数据清洗
- Excel
04
开发工具
- Git
- Next.js / React
- FastAPI
- LangChain
- ChromaDB
05
通用
- 英语六级（CET-6）
- MS Office（计算机二级）
- 驾照 C1
- 飞书 / 钉钉协同
03Methodology
方法论沉淀
在科研情报项目与产品实习中沉淀的验证纪律：用对照实验约束评测，用阶段准出条件约束节奏，用证据分级约束表达，让每一步推进都有可复现的口径。
Exit Criteria 阶段路线图
Stage-Gated Roadmap
以准出条件驱动 5 阶段路线图（静态布局 → 动态注入 → 全流程串联 → 多学科扩展 → 批量化），每阶段设明确的准出条件，不达标不进入下一阶段。
五级证据分级
Evidence Grading
所有数字按五级标注——实测 / 阶段性试测 / 估算 / 目标 / 待测，配套 8 维验证指标（问题复现、输入可获得性、端到端跑通、产物可接手、人工总成本、异常兜底、跨案例复现、安全成本），明确「产物门」与「项目价值门」分离——把目标值汇报为已达成是红线。
收缩决策原则
Validate Then Decide
确定性环节优先产品化，AI 不确定环节先验证关键假设。首帧素材可用率约 40% 时主动收缩平台投入，是被验证过的取舍案例。
对照评测与四步验收
Comparison & Acceptance
中科院科研情报期间沉淀：以人工核查的知识体系为基准设计 6 组对照测试用例与统一的结构化基准提示词，完成行业大模型 vs 通用模型的系统性评测、支撑选型；SciAgent v1.0 高校交付时设计「可用性 → 配置 → 流程 → 成果」四步验收实验，每步有明确操作与通过标准——先证明可复现，再谈交付。
04Project Archive
