工程能力
- 低代码平台：熟练使用 dify/coze/n8n 搭建智能体，能快速验证产品原型
- 部署运维：掌握 Docker 容器化部署，能独立交付 Demo 给业务方验证
- 技术基础：SQL / Git / Linux / Prompt Engineering，能高效协同研发团队
您好，我是垚锦
Scroll to explore
岗位匹配度
AI 评测体系
Badcase 归因
数据闭环
多轮对话
用户场景
01
AI 评测体系与问题归因
具备「理想效果定义—评测集构造—执行回归—Badcase 归因—推动修复」的完整实践。曾独立搭建 CUA 评测体系并作为版本准出围栏，能够从模型表现、产品体验与用户感知等维度定位问题。
02
数据闭环与跨团队推进
能够将复杂问题沉淀为评测集、Badcase 看板、Trace 知识库与复盘文档。曾分析 11,401 条线上 Trace，协同算法与研发推动底层能力优化，并通过数据监控与版本回归验证效果，形成可持续复用的产品迭代闭环。
03
多轮对话与用户场景理解
独立开发开放式对话用研 Agent，将对话拆解为「破冰—引导—追问—收尾」四个阶段，以议题覆盖度和语义抽取衡量对话质量；擅长从用户访谈、行为数据与真实案例中识别深层需求，相关方法可迁移至 AI 陪伴、情绪互动和关系建立场景。
Experience
2026.05 -- 至今
字节跳动
AI产运实习生（豆包办公与生产力）
一、豆包工作本地 Agent 策略与效果优化
- 负责 Browser Use 功能及策略优化迭代：通过线上 Trace 与随机 Session 测评，定位闭源网站倾向误用通用搜索、高频网站操作低效、人工接管授权不稳定 3 类卡点；设计“闭源网站优先浏览器、通用搜索补充”的 System Prompt 路由策略，搭建 browser-use、browser-task 2项垂类Skill并上线，随机 Session 可用率提升至 78%，功能全量发布。
- 推进本地沙箱 Skill/CLI 安装策略迭代：连续推进 6 轮 CUA 策略迭代，针对交互式安装忽略过程提示、CLI 路径错误、授权链接失效等问题，将模糊提示改写为“先 --help、校验落盘路径、后台等待授权”等可机判硬卡点，并推动沙箱外执行策略上线；交互式 Skill/CLI 安装成功率达 90%+。
- 负责 Windows PIP 功能与策略0-1 落地：撰写Windows PIP功能PRD交互引导，设计 Computer Use Skill 并迭代 SP、GUI 工具；基于 15 条关键用例做 Trace 走查，定位应用启动路径、UAC 白屏、PIP 与模型观测画面不同步等P0问题，输出 app_list 优先、白屏检测、能力参数校验等策略并推动多端修复；复测中 90% 的关键用例实现改善，功能完成众测并上线。
二、评测、归因与数据闭环
- 独立搭建 CUA 测评体系并推进版本回归：独立设计 CUA 测评框架，将能力拆为浏览器、专业软件、桌面系统、本地文件、命令行 5 类基础场景，以及长程任务、混合工具、垂类工作流、授权安全 4 类进阶题型，推动初版题库落地；对 3 个 Beta 版本做差分回归。该题库后续作为豆包本地agent版本准出的围栏题目。
- 基于线上回流推动 Windows 文件清理能力专项优化：针对增长侧“本地文件清理”热点带来的集中需求，分析 11,401 条 CUA 线上 Trace，并对 36 条 Windows PowerShell Badcase 专项归因，定位 21 条语法错误、归纳 5 类兼容性反模式；将解决方案从逐条修补 SP 升级为底层环境兼容，协同算法搭建 Windows 下兼容 Unix 语法的执行环境，使多端 Coding 能力可持续复用。
- 搭建 PIP 数据监控与迭代机制：针对上线后仅能看到触发量、无法判断真实使用的问题，将 PIP 拆为“初始化→UAC→密码→真实使用”4 段漏斗，定义功能埋点、意图使用、成功使用及分环节流失率；同步搭建 Badcase 看板、Trace 知识库，推动问题按“复现→归因→策略/工程修复→实验回归”闭环。
2026.02 -- 2026.05
小米北京科技有限公司 - 生态链
AI 产品经理实习生
一、AI产品测评
- Miclaw 评测：参与搭载 MicLaw 的小米智慧屏11的远场语音场景评测，聚焦「远场语音识别」与「跨设备协同」，独立执行 500+ 条用例并标注 Badcase，输出 10+ 份根因分析报告支撑算法优化。通过「问题收集→分类→复现」标准化流程，推动 3 类高频识别问题在后续版本中修复，用例通过率提升 10%。
二、AI 工作流搭建与优化
- 团队知识库构建与维护：针对200+异构文档分散、跨职能拉通滞后等痛点，构建「Raw→Pending→Wiki」的「人在回路」式知识库以及维护管道。设计Agent 友好的渐进式检索策略，实现「摘要粗筛→深链精读」的上下文消费模式。
- 团队AI赋能与提效：主动发现团队中可用 AI 提效的新场景，将低附加值的SOP转化为可控、可迭代的 Agent 工作流，并搭建竞品动态监测自动化，以及行业前沿技术洞察，为生态链团队流程提效与品类协同决策提供可复用的 AI 基础设施。
三、AI 硬件场景探索与生态架构预研
- A2A 协同逻辑梳理与Demo搭建：梳理硬件产品中Agent-to-Agent 跨端协同框架，绘制「意图捕获→任务拆解→动态路由→闭环反馈」交互流程图。完成协同协议草案并配合研发完成跨设备协同 Demo 搭建，验证多 Agent 组合覆盖生活场景的可行性。
2026.04 -- 至今
Opentalk
开放式对话用研智能体 · 个人独立开发
业务痛点
生态链 80+ 品类、海量 SKU 预立项前依赖大量用户访谈，单场访谈加事后整理耗时数天，品类扩张时用研人力成为瓶颈。核心假设：LLM 能否替代结构化问卷驱动访谈，实现「聊完即出报告」。
产品设计
对话流拆解为「破冰→主题引导→深挖追问→自然收尾」4 阶段，以议题覆盖度追踪替代传统问卷刚性跳转。选型上采用 LLM 驱动而非规则引擎，实时语义抽取 + 多维分类打标，访谈结束自动输出议题覆盖度报告与结构化摘要。
预期目标
完访率 >60%、均长 8-15 分钟、核心议题覆盖率 >80%、结构化提取成功率 >90%。用研数据清洗从「天级」压缩至「分钟级」，为生态链预立项阶段的快速用户洞察提供可复用的产品方案。
React
Node.js
Function Calling
View project on GitHub ↗
Toolkit
AI 前沿与产品洞察
- 模型追踪：每天阅读 arxiv 论文 3-5 篇，关注 OpenAI/Claude/Gemini/Qwen 的最佳实践、技术报告、迭代动态
- 产品拆解：深度使用 20+ 款 AI 产品（DeepSeek harness/Codex/Workbuddy等）
语言与软实力
- 英语能力：CET-6(535)，能流畅阅读英文开发文档/技术报告/论文
- 沟通协作：在项目团队中担任「技术-业务」翻译角色，推动项目任务拆解、进展把控、风险预警
- 学习驱动：通过 Hacker News/arxiv/Reddit 持续追踪 AI 前沿
- 兴趣爱好：热爱健身、徒步、摄影
Publications
中科院 1 区 Top, CCF-C · 已接收
What are the eigen visual features for penetration state recognition?
ESWA
独立一作
中科院二区 Top · 已接收
A survey on vision-based quality prediction across pre-welding, in-welding and post-welding
Measurement
独立一作
中科院 1 区 Top, CCF-A · 审稿中
Graph Retrieval is Effective for OOD Generalization in Time-Varying Welding Conditions
IEEE-TKDE
独立一作
© 2026 江垚锦
上海