HENGWEI ZHANG / AI PRODUCT MANAGER
2027 届硕士把复杂的技术，
变成好用的产品。
从理解用户，到设计流程，再到运行验证。
这些产品，是我的思考，也是我的答案。
北京 · AI 产品 / Agent 应用 / AI 工作流
以 AsterFire Edu 为例，
探索我从问题走向交付的产品思路。
分子结构、量子性质和机器学习分散在不同概念里。学习者看到了预测结果，却很难理解结果是如何产生的。
优先建立直观联系，降低理解门槛。
方法是否成立，让作品来回答。
从真实业务交付，到持续迭代的 AI 实验。
考研题库覆盖范围
考研题库覆盖学员
内容制作时间 · 单账号试点
把抽象的分子性质、模型结构和训练过程，转化为可探索的教学实验台。
AI 产品实习 · 持续迭代让学生看见模型“如何计算”，而不仅是得到一个预测数值。
用户问题
分子几何、量子性质与神经网络之间的关系难以直观理解，学习者需要在讲解与实验中建立联系。
我的工作
参与需求拆解、教学叙事、交互设计与 Demo 交付，将输入、几何构建、距离角度编码、模型学习和性质预测组织成连贯的观察流程。
产品取舍
以固定教学分子降低操作门槛。清晰区分训练、产物、质量与预测状态；不可用的能力明确标识，不用模拟结果替代真实训练。
实现与边界
现有实验台支持 MLP 与 DimeNet++、三维几何观察、真实训练和显式预测。AI 助教与代码练习等能力仍有规划项，当前不作为已上线成果。
把岗位发现、履历证据、申请准备与人工审核，组织成可追踪的求职工作台。
个人产品 · 求职准备与人工审核自动推进准备工作，把最终提交留给本人。
用户问题
职位来源分散、材料版本混乱，简历定制和填写准备容易重复劳动，也难以追踪信息依据。
产品方案
以持久化工作流串联材料导入、职位评估、计划、简历生成与受控浏览器准备；业务事实与流程状态分别管理。
关键取舍
简历表述需要可追溯依据；浏览器扩展承担扫描和准备，不接受自动提交指令。遇到需要本人处理的环节，进入人工接管。
组织事实，保留来源
将目标拆成下一步
按岗位准备申请材料
浏览器准备，人工提交
从甲方需求到真实上线：三角色学习闭环 + 内容获客增长链路
已上线 · 覆盖约 5000 名学员用“题目—知识点—问答”关联体系，让一次答疑持续产生价值。
痛点
调研中三类角色各有卡点：学员碎片时间刷题需求强但传统题库产品重、答疑链路长；教师端群内答疑分散重复；运营端内容生产耗时。
我的方案
面向学员、教师、运营三类角色做调研，设计学员刷题 / 教师答疑 / 管理员工单三角色闭环；构建「题目 — 知识点 — 问答」关联知识体系，让一次答疑的结果可以被后续复用。
单篇内容制作时间从 4 小时压到 15 分钟，保留人工终审环节
有量化收益AI 负责生成，人负责终审；每个失败节点都能回到稳定产物。
痛点
内容团队要保证周更频次，但选题、文案、配图、格式校验全靠人工串，单篇耗时长；一旦全自动化又容易产出不能用的内容。
我的方案
用 n8n 编排「选题评分 → 文案 / 视觉 Prompt → 格式校验 → 人工审核 → 失败兜底」工作流：AI 负责生成，人负责终审，任一节点失败回落上一稳定产物，不中断整条流水线。
验证与成果
在 1 个自媒体账号试点：单篇制作由约 4 小时缩短至 15 分钟，周更由 1 篇提升至 7 篇；以内容产能、发布频次、人工修改量作为优化指标。
痛点
账号私信 / 评论量大，人工回复不及时导致流失；但全自动回复容易触发平台风控或话术违规，账号风险高。
我的方案
设计感知 → 分诊 → 拟人化改写 → 人工审批 → 执行 → 学习同步的人机协同流程：低风险常规问题自动处理，高风险动作强制进入人工卡点。
商家填写表单即可产出短视频脚本与发布包
公开演示版把复杂生产链路拆成可配置、可预览、可回退的步骤。
痛点
中小商家想做短视频获客，但不会写脚本、不懂剪辑，外包一条成本高、周期长，导致大量商家放弃视频渠道。
我的方案
把短视频生产拆解为 brief → 脚本 → 分镜 → 发布包 的标准化工作流，每一步都是可配置、可预览、可回退的节点；用多智能体分别负责文案、视觉与结构，商家侧的操作简化为填写一份表单。
用可量化的指标衡量 AI 助手的实际帮助程度
个人项目用任务完成率衡量价值，用可回放的 Trace 定位问题。
痛点
AI 助手能对话但完成不了任务是常见情况，用户描述不清具体问题在哪，团队也缺少判断优化方向的依据，根本原因是没有一套可量化的体验评估方法。
我的方案
设计意图识别 → 任务拆解 → 工具调用 → 结果聚合的完整用户旅程，并定义完成率、重试率、端到端时延、人工评分等核心体验指标。
100+ 用户问题的分类、跟踪、回访与跨团队推进
真实客户侧经历让分散的用户反馈有分类、有跟踪，也有结果回访。
中国移动 · 网络维护实习
背景
中国移动河南公司分公司网络维护实习（本科寒假，2024.02–2024.03）：一线用户问题分散在多个渠道，处理进度不透明，跨团队推进容易断链。
我做的事
跟进 100+ 个用户问题反馈与处理进度，建立问题处理台账，跑通「分类 → 进度跟踪 → 结果回访 → 跨团队推进」闭环。
结果
问题解决率 98%、满意度 95%；另完成 20+ 个基站巡检，排查出 3 处潜在设备隐患。
从交互体验，到最终交付。
从履历事实到岗位简历，让每一项表述都有依据。图中为产品生成的样例简历。
查看项目 ↗扎实的工程训练，是理解技术边界的起点。
BEIJING UNIVERSITY OF POSTS AND TELECOMMUNICATIONS
研究方向：连续变量量子密钥分发（CVQKD）。
系统方案设计、光子芯片与电芯片仿真验证。
SHANDONG UNIVERSITY OF SCIENCE AND TECHNOLOGY
GPA 3.58 / 4.0，专业前 6%。
以通信、系统与工程实践建立技术基础。
北京邮电大学
电子工程学院
2024 级专硕第二党支部书记
我关注的不只是 AI 能生成什么，而是它能怎样帮助用户完成一件事。
用户是谁、卡在哪一步、现有方案为什么不够用。三个答案确定之后，再开始设计工作流。
拆出感知、决策、人工卡点、执行与反馈，让不同背景的协作者都能看懂每一步。
用 Python / React 做出 Demo，以完成率、重试率、时延和人工介入率推动迭代。
产品核心
AI 认知
产品与协作工具
技术理解与实现
AI 原生产品 / AIGC 工具 / AI Agent 平台 / AI 应用产品化
