AI 产品经理，主要关注 大模型应用、AI Agent、智能客服以及 AI × FinTech / Web3 等方向。具备增长、钱包、数字支付及 AI 产品实践经验，长期关注如何把大模型能力真正接入业务流程，而不是停留在问答、Demo 或概念验证阶段。

在 AI 客服方向，曾负责钱包 AI 客服与智能问题处理产品设计，围绕充币未到账、提币失败、链上确认慢、地址及资产异常等高频场景，梳理用户问题类型、业务状态和处理路径，并设计从 意图识别、知识匹配、业务状态查询、AI 回复、补充信息、转人工到异常升级 的完整流程。相比传统 FAQ，我更关注 AI 是否能够理解用户当前所处的业务状态，并基于真实交易和资产信息给出有针对性的处理建议，同时针对资金异常、风控限制及模型无法确认的问题设置人工兜底，降低误答风险。上线后也会持续分析用户提问、未解决问题和转人工原因，不断调整知识内容、问题分类和回复逻辑，让 AI 的能力随着真实用户反馈持续迭代。

在 AI Agent 方向，我持续实践大模型在研究分析、任务拆解、工具调用和自动化工作流中的应用，也参与过 AI 量化研究系统相关产品实践。我的关注点并不是让模型直接替代所有决策，而是根据不同任务划分 AI 和确定性系统的边界：AI 更适合信息理解、研究分析、候选方案生成和复杂任务编排，而涉及资金、风险、执行和关键业务规则的部分，则需要通过确定性逻辑、权限控制和风险校验进行约束。这样的设计可以在发挥大模型能力的同时，保证系统的可控性和可追溯性。

我本身也有较强的增长和数据产品背景，习惯从用户行为和业务结果出发判断 AI 产品是否真正有效，而不是只看模型回答“像不像人”。在产品设计中，我通常会关注用户问题解决率、转人工率、任务完成率、错误率、响应时延以及用户后续行为，通过数据持续验证产品方案，并把高频反馈进一步转化为产品需求和系统能力。

在 FinTech 和 Web3 场景中，我尤其关注 AI 与钱包、支付、交易、风控和用户服务的结合。相比单纯做内容生成，我更感兴趣的是 AI 如何参与真实业务流程，例如帮助用户理解复杂的资金状态、辅助客服定位问题、自动整理大量用户反馈、进行交易研究和风险分析，以及通过 Agent 连接不同系统完成更长链路的任务。

我认为 AI 产品经理的核心并不是“会不会写 Prompt”，而是能否理解模型能力和限制，并把用户需求、业务流程、数据、工程能力和风险控制连接起来，最终做出 真正能够上线、能够被用户使用、能够被数据验证并持续迭代的 AI 产品。

用户_默认昵称

追光吧少女Vivian

用户_默认昵称