学校场景落地
妙博士 AI 助学产品完成学校安装与使用。
A Casebook on AI Product Decisions
肖予琪的AI 产品案例集
围绕教育 AI、知识库 Agent、业务自助工具与 AI 基础设施的四个案例，以及我如何在模型能力、产品体验与成本效率之间做取舍。
500+学校场景落地>70%英语选材时间节省−60%熟悉产品体系周期
Core Outcomes / 核心成果
三项核心结果：学校场景覆盖、英语选材效率与新人熟悉产品体系周期。
英语语料选材
引入 RAG 检索后，选材与找题时间节省超过 70%。
熟悉产品体系周期
内部知识库 Agent 缩短新人熟悉产品体系的周期。
Capability Index / 技能矩阵
把模型、产品和工具串成一条交付链。
简历中的技能按三类展开。轨道会自动滚动；悬停、触摸滚动或键盘聚焦即可查看。
01AI 模型与工程
GPTClaudeGemini豆包通义千问Prompt 工程RAG 工程MCP / 工具调用
02产品实践
上下文管理结构化输出Token 成本监控输出质量评估Vibe Coding需求调研与分析PRD 撰写原型设计敏捷开发管理埋点设计
03常用工具
FigmaAxure RPXMindPythonPostmanApifoxAI 对话AI 编程AI 文档AI 生图
Contents / 目录
四个项目，四种产品判断。
当“找语料”不再是一串标签筛选。
英语教研老师面对的并不是一个抽象的“搜索问题”。他们需要同时处理主题、体裁、难度和字数，一条合适的语料往往藏在多层标签之后。
我的产品判断，是让老师直接用自然语言描述主题、体裁、难度和字数，再通过 RAG 检索匹配语料。找语料是检索问题，不应让模型凭空生成来源不明的内容。
同一产品的学生端涵盖拍题、作文评价和知识讲解。我参与助学机、设备与账号管理后台、学生使用数据回流及智能命题流程设计；学生端与教师端的用户目标、错误成本和反馈路径分别考虑。
让产品知识从“散落在文档里”变成随时可问。
公司产品线复杂，产品介绍、营销话术和一线经验分散在多份内部资料中。新人需要在不同文档之间来回查找，熟悉产品体系的成本很高。
我的产品判断不是再做一个通用聊天入口，而是围绕“产品知识查询”和“营销策略建议”两个具体任务组织知识库。先整理产品与营销资料并向量化，再用 Prompt 和业务对话逻辑限定回答方式。
小风智能助手依托公司 AI 中台搭建，用于帮助市场人员更快找到产品信息与可用素材。
当一项 AI 工作开始重复，就把它产品化。
最初，学情报告依赖产品经理反复执行 Dify 脚本、检查生成结果并整理交付文件。随着批量生成需求增加，人工操作逐渐成为流程瓶颈。
我把流程拆成名单接收、报告生成、结果校验和文件交付四段，判断它应该被封装成业务人员可以自助使用的 Web 工具，而不是继续依赖个人脚本。
通过 AI Coding（Vibe Coding）完成批量提交、异步生成、进度查看、失败重试与结果下载，并持续根据实际使用迭代操作路径。这里的关键不只是“写出页面”，而是把等待、失败和交付都设计成可管理状态。
停止重复造轮子，把投入移到业务差异上。
早期 SceneGPT 能满足员工日常 AI 工具需求，但随着业务增加，纯自研平台的开发维护成本变高，功能迭代也难以跟上开源社区。
复盘 SceneGPT 的维护成本与迭代速度后，我推动选型转向 Dify 私有化，并主导“底层开源引擎 + 上层业务中台”的方案设计；企业级能力包括权限管控、多租户隔离和高并发调度。
同时主导 AI 中台与测评一体化平台的方案设计，规划投产前与迭代后的人工或 AI 评估能力。技术选型与质量评估因此被放进同一条产品思考链路。
Appendix A / 方法附录
用评估把“效果不错”变成可比较的判断。
评估体系
同时看业务结果、用户体验和模型架构，不用单一准确率替代产品效果。
- 离线：测试集、LLM Judge、人工抽检
- 在线：反馈、异常、成本、延迟
- 回流：按模型、系统或 RAG 归因 Bad Case
RAG 调优
先判断问题出在用户表达、召回、上下文还是生成，再选择对应手段。
- Query 改写、同义词扩展与任务拆解
- 需要精确字段时考虑向量 + BM25
- 用 Rerank 收紧输入模型的上下文
模型选型
不只看公开 Benchmark，而是用真实业务测试集与成本红线共同判断。
- 按分类、文本、多模态、复杂推理拆任务
- 比较效果、成本、并发、生态与运维
- 为关键链路保留降级与备用方案
我的 AI 产品工作方法框架
01场景与数据
明确业务目标、用户动作、数据来源和不可接受的错误。
02方案与边界
判断模型、RAG、工具调用和传统规则分别承担什么。
03上线与监控
设计日志、反馈、成本、延迟和安全拦截，观察真实使用。
04Bad Case 回流
定位模型、系统或知识库问题，进入评估数据集做回归。
Appendix B / 经历
产品视角，工程基础。
认知科学与计算机科学背景，使我能在用户目标、模型能力和工程边界之间建立共同语言。
Work Experience / 工作经历
江西风向标智能科技有限公司
AIGC 产品经理
负责公司 AIGC 应用从 0 到 1 的探索、需求分析、产品设计、研发协同、上线与持续迭代。
江西金太阳教育研究有限公司
产研轮岗实习生
跨岗参与产品规划、后端研发和软件测试，理解系统架构与 API 交互。
Education / 教育经历
爱丁堡大学
认知科学（AI 方向）硕士
信息学院，全日制。
利物浦大学
计算机科学本科
计算机科学学院，全日制。
西交利物浦大学
信息与计算科学本科阶段
中外合办，智能工程学院。