王元帅 · AI Product Manager · 3 Years

让 AI 不只停留在演示 而是进入真实业务

我是一名拥有3年经验的AI产品经理,关注模型能力、用户需求与业务价值之间的转化。

01 · Capabilities

把“懂AI”变成
可以解决的问题。

从技术适用性到产品流程,再到真实业务价值,形成一条完整、可验证的AI产品路径。

01

AI项目落地

从真实业务问题出发,完成场景判断、方案设计、原型验证与持续迭代,让AI能力真正进入可使用的产品与流程。

查看 AI 项目
02

AI知识分享

把复杂的模型知识、产品方法与行业变化整理成清晰、可复用的内容,帮助更多人理解并应用AI。

2026年
2025年
02 · Selected AI Projects

用真实项目,
说明我如何让AI落地。

这里展示我如何从业务问题出发,完成AI方案判断、产品设计与原型验证,包括企业知识库问答与风格化数字人SFT微调。

Enterprise AI · Knowledge Assistant

企业知识库问答

面向企业内部员工的知识查询助手,把分散在制度、流程和产品文档中的信息,转化为有权限控制、可追溯、可验证的答案。

权限控制 引用溯源 企业知识检索
业务问题
制度、流程与产品资料分散,员工检索耗时,答案还容易受版本与经验影响。
我的角色
负责需求梳理、问答流程、权限边界与引用机制设计,并推动原型验证。
核心判断
企业问答不能只追求“能回答”,还要做到按权限检索、拒答有边界、答案可追溯。
项目结果
完成可交互原型,覆盖差旅、休假、入职与销售政策等典型知识场景。
Generative AI · Digital Human SFT

风格化数字人 SFT 模型微调平台

面向风格化数字人训练团队的模型微调工作台,把数据准备、SFT配置、训练监控、效果对比与版本管理串成一条可复现流程。

数据集治理 SFT训练配置 模型评测对比
业务问题
数字人人设语料、训练参数和评测样例散落在脚本与表格中,版本难追踪,实验也难复现。
我的角色
负责训练流程产品化、工作台信息架构、关键状态与评测交互,并完成前端原型验证。
核心判断
微调平台的核心不是展示更多参数,而是让数据、配置、评测和模型版本形成可追溯闭环。
项目结果
完成覆盖数据准备、任务配置、训练监控、对比评测与版本管理的一体化工作台原型。
AI Product · Project 03

AI 产品需求工作台

把产品需求方法变成可以直接使用的 AI 工具。从一句话想法开始,逐步澄清、确认和沉淀,带走可编辑的需求文档。

业务问题
想法到开工之间缺少清晰的梳理过程,AI 容易把未确认的假设写成事实。
我的角色
梳理产品方法、设计阶段协作流程与文档交付体验。
核心判断
AI 提问和整理,使用者做关键确认;按需求路由,不机械走完七步。
项目结果
提供 DeepSeek 自带密钥工作台,支持阶段对话、文档编辑与下载、隔离原型预览。
开始使用 · 自备 DeepSeek API Key
03 · AI Playground

把AI放进游戏,
看看它能创造什么。

这里展示我与GPT协作完成的AI游戏,以及从玩法构思、体验判断到最终上线的探索过程。

枫影小径 · Gameplay 点击在线试玩
Featured AI Game · 01

枫影小径

一款雾林主题的横版像素闯关游戏。玩家需要移动、跳跃与挥剑,击败4只小怪并收集钥匙,最终开启暮色古门。

  • AI作用 协助完成玩法构思、关卡规则、交互实现与持续迭代。
  • 我的职责 确定游戏方向、定义体验目标、测试并推动版本优化。
  • 当前状态 已发布 · 可在线试玩

操作:A / D 移动 · W 跳跃 · X / J 挥剑

04 · How I Work

从真实问题出发,
让每一步都可验证。

一套稳定的方法,比偶然出现的漂亮演示更重要。我的工作围绕问题、边界、流程和证据展开。

  1. 01

    识别问题

    明确用户、场景与真正需要改变的行为。

  2. 02

    判断适用性

    评估模型能力、准确性、成本和失败后果。

  3. 03

    设计流程

    设计清晰、可控、可恢复的人机协作路径。

  4. 04

    原型验证

    用最小成本验证关键假设与用户价值。

  5. 05

    数据迭代

    根据真实反馈优化体验、效果与投入产出。

AI产品思考 站内阅读版

Hermes Agent 能为你做什么?

从聊天工具到全天候数字员工。真正危险的不是AI有一天取代你的工作,而是你每天都在使用AI,却仍把它当成一个用完即走的临时顾问。

一、你每天都在重新开始

上午打开一个聊天窗口,把公司背景、产品定位和目标用户重新复制一遍,请AI分析竞品;下午为了写版本复盘,又把同一批资料重新上传;晚上再开一个新对话,让AI整理会议纪要。

每一次,它都能给出一份看起来不错的答案。但第二天,一切重新开始。它不记得昨天被否定的方案,不知道团队已经验证过哪些假设,也不会在你离开电脑后继续追踪任务。

这更像租了一位知识丰富却不断失忆的临时顾问,而不是请来一名能够长期共事的员工。

二、Hermes Agent改变的不是回答,而是工作关系

Hermes Agent代表的是一种持续工作的AI形态:它围绕长期目标保留必要上下文,把任务拆解为可执行步骤,调用工具推进工作,并在结果出现后继续跟进,而不是只完成一次问答。

对业务来说,真正影响效率的往往不是模型会不会回答,而是它能否记住、能否执行、能否持续工作,以及最后能不能交付一份可以直接使用的成果。

普通聊天工具
围绕单次提问工作,依赖人工反复补充背景,回答结束后任务也随之停止。
Hermes Agent
围绕长期目标工作,保留任务上下文,持续执行、检查并推进下一步。
价值变化
从“帮我想一想”变成“帮我把这件事持续做下去”。
产品要求
需要清晰的权限、记忆范围、审批节点、停止条件和过程记录。

三、它能替产品经理承担哪些工作

  • 持续跟踪竞品更新,把零散变化整理为结构化周报。
  • 连接会议纪要、需求文档与任务清单,追踪未完成事项。
  • 围绕版本目标收集数据、用户反馈和历史决策,辅助复盘。
  • 按固定标准检查方案完整性,发现缺失信息后主动追问。
  • 把研究结果整理成可直接使用的汇报、文档或行动计划。

四、数字员工不等于无限授权

AI可以持续工作,不代表它应该拥有无限权限。越接近真实执行,越需要明确哪些动作可以自动完成,哪些必须经过人工确认,哪些数据不能被读取,以及出现异常后如何立即停止。

一个可靠的Agent,不只是会调用更多工具。它还应当让人看得见过程、找得到依据、撤得回错误,并能在不确定时把决定交还给人。

五、从一个持续任务开始

不必一开始就让Agent接管整套工作。选择一个目标清楚、反馈周期稳定、风险可控的长期任务,例如竞品监测或会议事项跟进,先验证它能否真正减少重复劳动。

当AI开始记住上下文、持续推进任务并交付成果,它才从聊天窗口里走出来,成为工作系统中的一员。

下一代工作方式的差别,不是谁更会问AI,而是谁先让AI开始持续工作。

王元帅 · AI产品思考 · 站内整理版

AI产品思考 站内阅读版

Workflow与Agent的区别

从“聊天”到“干活”,先分清这两个词。真正决定AI产品能否进入业务的,不是演示时有多聪明,而是上线后是否稳定、可控、可追溯。

一、大部分AI项目,死在了第一步

很多团队一开始就追求“让AI自己做完所有事情”。在演示里,它会查资料、写邮件、回复客户,看起来像一个真正的智能员工。但演示成功,不代表它已经具备进入生产环境的条件。

真实业务中,一个模糊字段、一张识别失败的图片或一次错误的工具调用,都可能把后续步骤带向完全错误的方向。问题往往不是模型突然失效,而是系统给了它过大的自由度,却没有准备好边界、校验与兜底。

AI产品的第一目标不是“看起来聪明”,而是在可接受的风险内,持续完成正确的事情。

二、Workflow:把路先铺好

Workflow是一条预先设计好的流程。输入从哪里来、经过哪些步骤、什么时候调用模型、失败后转向哪里,都由产品和工程团队提前定义。模型可以参与判断,但不能随意改变整个流程。

它适合规则清楚、步骤稳定、错误成本较高的业务,例如报销审核、订单处理、资料分类和标准化客服。Workflow看起来没有那么“自主”,却更容易监控、测试和复盘。

三、Agent:给目标,让它自己找路

Agent得到的是目标,而不是完整步骤。它会根据当前信息规划行动、选择工具、观察结果,再决定下一步。它的价值在于处理开放问题和复杂变化,而风险也来自同一个地方:路径难以完全预测。

当任务需要跨系统探索、动态调整方案,且允许试错时,Agent更有优势。但如果权限、成本和失败后果没有被限制,自主性越高,潜在损失也越大。

Workflow
步骤预先定义,强调稳定、可控与可复现,适合高频标准任务。
Agent
围绕目标动态决策,强调适应性与探索能力,适合开放复杂任务。
主要风险
Workflow可能僵化;Agent则可能偏离目标、误用工具或放大错误。
产品重点
Workflow设计异常分支;Agent设计权限、停止条件、评估与人工接管。

四、不要二选一,而要分层使用

成熟的AI产品通常不是纯Workflow,也不是完全自主的Agent。更务实的方式,是用Workflow控制主流程,把Agent放在真正需要判断和探索的局部环节。

  • 流程稳定、合规要求高:优先使用Workflow。
  • 信息不完整、路径需要动态调整:在局部引入Agent。
  • 所有关键动作都应保留权限边界、过程记录和人工接管入口。
  • 先验证单点价值,再逐步增加自主性,不要一开始就追求全自动。

五、AI产品经理真正要设计的是什么

不是简单地选择一个更强的模型,而是设计一套人、模型和业务系统能够共同工作的机制。要明确模型在哪一步出现、它能看到什么、可以调用什么、失败时谁来处理,以及结果如何被验证。

当这些问题被回答清楚,AI才从一个“会聊天的演示”,变成真正能够承担业务任务的产品。

先把流程做稳,再把必要的自由度交给Agent。

王元帅 · AI产品思考 · 站内整理版

PROJECT 02 · INTERACTIVE PROTOTYPE

风格化数字人 SFT 微调工作台

企业知识库问答完整产品界面