李昕昊

求职方向:AI 产品经理(应届生)

环境设计出身,跟过 22 个住宅项目,做家装场景的 AI 产品

武汉 | 期望岗位:AI 产品经理 / 产品经理

我是谁

环境设计出身,实习时在装饰公司做设计师助理,跟过 22 个住宅项目:量房、出平面图、跑现场。那半年最常见的返工不是图画错了,是需求没问全:房主第一次说不清楚,设计师到现场凭经验问,漏一条就得再跑一趟。

第二个产品是给我自己做的:2026 年我投了 100 多个岗位,每天都要写打招呼、按 JD 改简历。

两个产品的做法差不多:先弄清楚问题卡在哪一步再动手做;做出来的东西要能点开、能验证,没做到的部分我直接写在页面上。

作品

问需 · 装修需求采集系统

给装修公司的需求采集与解读工具:房主填需求单 → 设计师出门前拿到一份沟通清单 → 现场照着问、带一份记录回来

  • 三端落地
  • 真实设计师访谈
  • 规则与模型的边界
  • 外发脱敏
  • 质量评测与成本
  • 已上线,三个端都能点开:采集端(小程序 / H5)、解读端(桌面工作台)、现场端(可离线 PWA)
  • 需求来源:3 场设计师访谈产出的必问口径与「遗漏台账 5 类」,需求优先级按访谈结果排
  • 规则边界:采集端不调模型,只用确定性规则;清单条目逐条标注来源(规则托底 / 你来定 / 模型推导)
  • 数据边界:字段级三级外发脱敏与外发审计,住址、电话等字段在离开内网前按策略替换

直聘打招呼助手

给求职者的工具:粘贴一段 JD,用已存的简历生成 3 条可直接发送的打招呼话术,以及逐条可采纳的简历改写建议

  • AI 能力边界
  • 评测体系
  • 模型选型与成本
  • 合规与数据流向
  • 已上线运行:线上实测首字 2.2 秒、完整 2.9 秒;一次生成约 0.0038 元(token 实测 + 官方公开价折算)
  • 一条硬规则:写出来的经历、技能和数字必须能在简历原文里找到出处,找不到就算失败
  • 人评 8 组真实输出:敢直接发 3.75 / 5、无夸大 3.63 / 5;像不像真人写的只有 3.00

跨境电商 AI 广告素材生成系统

面向跨境电商卖家的 AI 广告创意工作台:商品分析 → 策略 → 文案 → 视觉 → 合规 → 质量,六段由分工明确的 Agent 完成,输出一份结构化创意方案

  • Multi-Agent 编排
  • 结构化 Schema
  • RAG 知识库
  • 合规与质量复核
  • 可运行 MVP:React 工作台 + Express 服务;Main Agent 编排 6 个专业 Agent,用 RunContext 逐阶段传递结构化上下文
  • 真实链路跑通过一次:便携咖啡机 / 美国 / Meta,输入输出样例已保存;Demo 与 Real 双模式,面试可现场演示
  • 没做到的:图片生成目前是 Mock,也没有做用户访谈,这两项没有写成已完成

单文件演示,打开即用,展示的是一次真实运行保存下来的样例;真实链路需要本地起服务端,面试时可现场演示。

做产品的几个习惯

这几条在上面三个项目里都能翻到出处:

规则能写死在代码里,就不交给模型;评测先建起来再动提示词,否则改坏了也看不出来;没有数据的部分不写成结论,直接标出来。

这一页写的都是能核对的事实。哪些判断是我做的、哪些还没验证,都写在案例和文档里。