EDUCATION
数据科学 · 硕士 · GPA 3.9/4.0
Python · 机器学习 · 时间序列 · AI 系统
领导与管理理学 · 硕士
项目管理 · 组织决策 · 商业分析 · 运营管理
市场营销 · 商学学士
消费者洞察 · 营销策略 · 品牌管理 · 整合营销论文已公开发表，查看 AISAS × Agentic AI 的完整研究框架 ↑
TOOLKIT
裂变机制 · 邀请激励 · KOC 合作 · 冷启动 · 自然新增
用户分群 · 行为漏斗 · 留存提升 · 召回策略 · Discord
LangChain · OpenAI API · Prompt · RAG · Agent Workflow
Python · SQL · Tableau · Excel · 增长看板
EXPERIENCE
浙江欧文食品科技集团
负责杭州区域的增长与经营协同，从用户、产品、内容和门店现场出发推进新市场；将 AI 工具用于销售复盘、选品判断、内容生产与会员运营，让新技术真正进入日常业务流程。
两段一线经历，逐步形成从用户现场、产品交付到区域经营的完整视角。
负责排班、商品、服务与日常经营；从消费反馈与选品调整中建立真实用户判断。
门店经营 · 用户洞察 · 选品连接研发、采购、生产、门店与运营团队，把前端需求转成可生产、可交付、可复盘的产品方案。
产品定义 · 研发协同 · 供应链过去做门店、产品线和区域经营时，我本质上一直在做三件事：
系统学习数据与 AI 后，我把会员识别、内容生成、经营分析和知识检索等人工流程，升级为更可复用、更可规模化的产品能力。
SELECTED WORK / 2025
AI AGENT · RAG · GROWTH · MONETIZATION
把传统六爻规则、知识检索和用户背景组合成可追溯、可连续追问的 AI Agent。
不是让大模型“凭感觉算卦”，而是把六爻规则、《易经》知识和用户真实背景组装成一条可追溯、可追问的 Agent 链路。
HOW IT WORKS ↓从同学的考试、转学与情感焦虑出发，通过小范围访谈确认用户需要的不只是结论，而是“结合我的情况说清楚”。
将线下六爻起卦过程转成数字交互，根据六次结果构建六爻，形成后续检索与解读的结构化输入。
梳理六爻与易经资料，结构化为 JSON 并分块索引；用 RAG 找回与当前卦象相关的原文与解释。
LangChain 组织检索与提示词，连接 OpenAI API；Prompt 约束“卦象原文 → 白话翻译 → 结合背景分析”的输出结构。
先收集问题与个人背景，再支持连续追问；通过朋友与同学试用，持续调整知识检索、Prompt 和表达方式。
做出 Agent 后，再用内容、裂变和产品体验完成冷启动，把“追问解读”中的真实行为变成留存与商业化策略。
冷启动阶段同时需要解决首批用户来源、单次体验后的回访动机，以及免费体验到付费价值的过渡。
Discord 真实案例 + KOC 体验分享 + 邀请码裂变，完成首批种子用户获取。
追踪首轮完成率、对话轮次、分享率与 7 日留存，上线连续追问、运势日报与历史记录。
设计“免费体验 + 结果预览”路径，以会员订阅与单次深度解读覆盖不同付费意愿。
点击切换增长阶段 · 指标口径来自项目复盘
B2B RESEARCH · DATA LAYER · AI AGENT
从企业访谈到数据结构，再到 AI Tax Agent 场景验证，把复杂合规路径变成可理解、可追溯的分析流程。
把复杂的税务路径转换为用户能看懂、能追溯、可复用的 AI 分析流程。
每周触达 1—2 家企业，梳理税务追溯与合规分析需求；将调研结果转化为数据层、Agent 流程和可视化引导。
RAG · 18 个相关单元
DATA PIPELINE · FORECASTING · DASHBOARD · S&OP
把数据清洗、多模型比较与融合预测，转成业务团队能够监控并采取行动的供应链决策看板。
WSI 是花王旗下、面向商业与工业洗衣场景的解决方案公司，将洗涤化学品、实时数据系统与现场技术服务结合起来，服务医疗、酒店、工业及食品饮料等行业，帮助客户稳定质量、降低返洗与水电消耗。
当产品需求在地区和 SKU 之间波动，化学品生产排期、库存水位与客户履约会被同时牵动。我们没有停在“预测一个数字”，而是把原始交易、模型比较、看板监控与业务建议连成一套可持续使用的决策流程。
我的重点是把技术结果翻译成业务团队能判断、能追踪、能采取行动的信息。
不同地区和 SKU 的需求分布高度不均，Top SKU 占据大部分销量；缺失月份、异常交易和时间口径不一致，又让传统预测难以稳定进入生产与库存计划。
合并交易、发货日期与商品信息；过滤负数量、负价格和非销售记录，按 SKU × 月聚合，并将无交易月份补 0、统一月度时间索引。
以季节性 Naive 为基准，使用相同训练/测试窗口比较 LSTM、TFT、TimeGPT 与 CNN-LSTM，并用 MAPE、MAE、sMAPE 解释不同量级 SKU 的误差。
根据验证集表现对 LSTM、TFT、TimeGPT 与 CNN-LSTM 的预测结果进行加权融合，输出统一预测；单模型结果仅保留为诊断依据，避免依赖单一模型。
将脱敏数据健康、融合模型准确率、Actual vs Ensemble 与行动建议放进同一视图，让计划人员按区域、SKU 分层和时间周期定位风险。
最终结果由多模型加权融合生成，并保留人工调整入口，用于处理促销、新合同与供应约束等模型外信息。
界面为项目逻辑的脱敏重构 · 业务规模、SKU 名称与绝对销量均已隐藏
数据完整率、缺失月份、异常值处理与更新状态；业务规模与商品信息全部脱敏。
融合模型 MAPE/MAE/sMAPE、实际与预测趋势、SKU 分层偏差及滚动周期表现。
高需求预警、安全库存与再订货建议，并支持进入生产、采购和 S&OP 讨论。
最终采用多模型融合结果，在 Top 10 SKU 评估口径下将 MAPE 降至 7.7%。基于保密要求，业务规模、SKU 名称与绝对销量均已隐藏。
PUBLISHED PAPER
这篇论文回答一个产品问题：在消费者决策链路中，什么时候应该用传统工具型 AI，什么时候值得上 Agentic AI？
研究基于 AISAS 消费者决策模型，对比两类 AI 在注意、兴趣、搜索、行动和分享五个阶段的作用，并提出“心理需求—技术能力匹配”框架。
DOI · 10.54254/2754-1169/2025.BL26643
PUBLIC LEARNING / AIGC
这些账号还在起步阶段。我更看重它们作为一块持续实验场：亲手使用新的 AI 产品，测试新的内容工作流，再把对 Agent、AIGC 与 AI 产品经理的理解讲清楚。
PROFESSIONAL CERTIFICATIONS / SCRUM.ORG
两项认证覆盖 Scrum 团队协作与产品价值管理：既理解如何让团队在透明、检视与适应中持续交付，也理解如何围绕价值、投资回报与产品总拥有成本做取舍。
验证对 Scrum 框架及其应用方式的基础掌握，包括使用统一的 Scrum 术语和方法，推动团队在经验主义机制下持续改进与交付。
验证对 Scrum 产品所有权的理解，重点覆盖如何最大化产品交付价值，并在投资回报、优先级与产品总拥有成本之间进行系统权衡。
BEYOND WORK / ENDURANCE
长距离跑步是我最稳定的一项长期实验：把遥远目标拆成当下的一公里，观察配速和身体反馈，在状态波动时仍然维持节奏。
从半程到全程，每一次完赛都是长期训练的一次校准。
21.1 KM02:12:37FINISHER ↗
21.1 KM02:17:58FINISHER ↗
