AI / Agent 产品化
围绕业务上下文、Skills、记忆、知识检索和任务输出,定义能够真正进入工作流的 Agent 产品。

从一线研究、业务建模和产品定义开始,将复杂问题收敛为角色、状态、规则和可执行流程,再通过交互设计与 Vibe Coding 推进到可运行的产品界面。
围绕业务上下文、Skills、记忆、知识检索和任务输出,定义能够真正进入工作流的 Agent 产品。
把访谈和模糊需求收敛为角色、状态、权限、异常与界面规则,兼顾业务逻辑和用户操作效率。
使用 Claude、Codex 将产品判断推进到可运行 Web 原型和前端实现,直接验证信息架构、交互路径与响应式体验。
负责两条业务线:签引力 Agent 工作台从 0 到 1 定义 Agent 如何进入销售的日常工作;MasterGo 侧解决 AI 能力如何变成可计量、可计费、可售卖的商品。
基于开源 Agent 架构接入 LLM,围绕真实销售任务设计可调用工具和 Skills。
负责 MasterGo AI 商业化方向的产品设计,覆盖 AI 积分体系、设计助手 MCP 计费与大促活动,并承担年度报告与官网 GEO 的设计落地。
负责 AI 电商客服、客服训练与海外独立站 AI 产品的方案规划和落地,围绕“模型能力如何变成商家可理解、可开通、可管理的产品”推进 PLG 增长、应答工作流、知识生产、人机协同与多端体验。
用大模型自动学习与一键初始化,降低中小商家的 AI 客服开通和运营门槛。
参与产品方案:把资料培训改造成 AI 买家多轮陪练,覆盖新人上岗、新品培训与大促演练,串联任务、评分、质检与复训闭环。
参与 ShopMate AI 导购与 LingChat 聚合客服后台的产品方案,面向 Shopify、Lazada 等海外独立站渠道与多语言场景。
负责“车来车往养车”客户端与商家端 1.0 至 2.0 产品升级。通过团队访谈、线上业务讲解和线下门店走访,梳理洗车美容、维修保养、预约下单、商家接单和订单履约等核心场景,独立推进产品方案、交互设计、界面落地与版本验收。
从门店一线重建双端业务需求,推动汽车服务平台从首期版本升级为可持续运营产品。
参与国际货代三端协同平台“时空数距”从 0 到 1 建设,覆盖供应商端、客户端和平台端。工作从业务驻点、一线访谈与需求归纳开始,推进出口门到站主线、询盘匹配和订单资料流转落地。
从驻点调研到三端协同链路,解决询盘匹配、资料隔离与复杂订单协同问题。
基于开源 Agent 架构接入 LLM,设计可由 MCP 调用的业务工具,把客户调研、话术演练和商机复盘真正跑进工作台,并用 Vibe Coding 完成约 50% 前端实现。
围绕人设分流、知识检索、回复生成与转人工设计应答链路规则,以 Dify 节点化落地,把 AI 做成可自助开通的 PLG 产品;自主开通率从 7.2% 提升至 37.2%,京麦服务市场累计开通店铺超 1 万家。
驻点 1 个月、走访 7 家企业与 200+ 从业者,把 300+ 条现场信息收敛为订单、节点、资料与权限,落地供应商、客户、平台三端协同链路。
为销售预先准备好业务上下文、判断框架与执行工具,让他们跳过“从零教会模型”,直接进入客户调研、商机判断和跟进工作。
产品以 Hermes 开源 Agent 的 Skill 架构为核心,接入 GBrain 外置记忆库与阿里百炼知识库,在统一工作台中组织销售任务、客户上下文和可执行结果。
理解任务目标,按需加载销售 Skill,组织工具调用与执行步骤,并用统一协议输出可呈现、可确认的结果。
持续沉淀客户、项目与用户事实,为后续任务保留上下文。
检索企业材料、产品文档与案例,为判断提供可追溯依据。
豆包、DeepSeek 等通用产品已经足够易用,真正的空白不是“再做一个聊天机器人”,而是没有产品提前为销售准备好业务与场景上下文。
销售需要先解释自己卖什么、客户是谁、商机到了哪个阶段、公司采用什么销售方法,模型才能给出稍微有用的结果。
擅长写提示词的人可以获得不错结果,但大量销售并不愿意反复整理和输入上下文。工具看起来好用,却很难自然进入日常工作。
通用 Agent 的效果依赖个人表达。企业的产品知识、销售规则、客户判断框架和风险边界没有被统一封装,也无法持续复用。
产品不是替销售“聊天”,而是把销售所需的上下文与方法提前组织好。
公司定位、产品能力、适用场景、案例与业务边界。
商机阶段、MEDDPICC、信息完整度、风险与行动标准。
持续沉淀客户背景、已确认事实、信息缺口与近期变化。
将建议连接到任务;涉及写回和外部动作时由销售确认。
产品围绕销售任务组织入口。Agent 负责调取必要上下文、调用对应 Skill、整理证据并给出下一步;用户不需要先理解底层模型如何工作。
基于企业资料与外部信息,生成带来源的客户、行业与关键人调研。
会前补足背景和问题清单;会后提取事实、缺口、风险与待办。
使用组织统一的判断框架检查客户完整度与商机推进状态。
结合产品能力、客户事实和当前阶段生成有针对性的内容。
建议必须引用可验证事实;任务创建和系统写回由用户确认。
业务规则通过 Skill 管理,稳定的数据协议、权限和状态交给工程系统。这样调整销售口径不必等待完整发版,也不会把不确定性传给所有下游界面。
根据任务选择业务能力,复用客户事实与组织知识,并约束输出结构。这里不再强调未经核实的 Skill 总数。
客户态势覆盖简报、完整度、销售框架、事实、缺口、风险和行动,并用来源 ID 与置信度保留可解释性。
针对需要较长时间完成的市场调研,产品将目标确认、任务拆解、证据采集和报告生成分阶段运行。销售可以离开当前页面,回来后继续查看进度、阶段结果和异常状态。
明确行业、区域、时间范围、目标公司和报告格式;关键信息不完整时先追问,而不是直接开始生成。
将任务拆为行业、公司、竞品、关键人和市场信号等子任务,并标记依赖关系与预计进度。
每个阶段记录状态、输入、证据和已完成节点;超时或失败后从最近检查点恢复,避免整项任务重跑。
按来源与时间合并信息,标记冲突、过期和待核实内容,让每项关键判断都能回到原始证据。
用排队、执行、等待确认、合并、完成和失败等状态反馈真实进度,并提供局部重试与人工接管。
先呈现可用的阶段发现,最终输出结论、证据、风险和下一步建议,减少长时间等待的不确定感。
行动建议引用客户事实的来源 ID;信息不足时显示缺口,而不是给出听起来合理的“安慰答案”。
创建任务、写回系统或产生外部影响的动作进入确认流,Agent 不代替销售做越权决策。
Langfuse 用于查看 Agent 链路、响应时延和 token 成本;PostHog 用于理解真实产品行为。两层数据共同决定产品下一步如何改。
Trace 显示某类子任务最长静默 62 秒。问题不只是模型慢,而是用户在这段时间完全不知道系统是否还在工作。由此增加心跳、阶段状态与异常恢复提示。
项目已经形成包含 Agent 对话、客户工作区、调研、盯防、会议辅助和任务协同的工作台,目前用于企业内部销售团队运行验证。
垂直 Agent 的价值,不是比通用模型更会聊天,而是更早理解用户正在完成什么工作。
围绕 AI 电商客服的产品化与 PLG 增长,推进自主开通、应答体系、知识审核和移动端能力,并延伸探索跨境 AI 产品。
从漏斗流失定位初始化阻力,压缩配置步骤,让用户更快进入首次价值验证。
串联历史对话挖掘、人工审核与知识生效,提升机器人应答的可控性。
独立完成产品方案、交互与 UI 设计,并推进移动端及商业化能力落地。
在需求资料不完整的情况下,通过团队访谈和门店调研重建业务认知,完成客户端与商家端的产品、交互及 UI 升级。
观察接车、开单和服务履约过程,用现场问题替代二手需求描述。
重新组织车主与商家的任务关系,降低跨角色协作时的信息断点。
围绕核心任务减少无效跳转,使关键操作的触控效率提升约 28%。
从驻点调研、用户访谈和业务流程建模推进到三端协同链路,重点解决询盘匹配、协作状态与复杂资料流转问题。
覆盖 7 家企业与 200+ 从业者,从真实岗位和协作链路识别产品机会。
把询盘、报价、订单和单证关系转化为可执行的产品流程与状态模型。
围绕核心协作场景确定首期边界,让研究结论进入真实产品交付。