模型能力产品化
在海螺 AI，统筹 20+ 生成式模型 API 接入与创作工具落地，处理模型的输入、输出和参数差异，并支持产物继续编辑与复用。
多模态内容创作 →ABOUT ME / 05
从产品设计出发，深入技术、理解模型，再做产品
本科在中央美术学院学习产品设计时，我开始关注产品的审美与体验，以及人如何理解信息、使用工具和完成任务。从早期的 StyleGAN 实验，到哥大计算机设计硕士阶段的学习，我逐步补充编程、数据处理与 AI 算法，希望亲手验证产品想法，构建面向 AI 时代的更全面的技术能力。进入 AI 产品工作后，我进一步深入模型能力、Agent 执行与真实行为评测，思考如何将这些能力组织成用户能够理解、参与并完成任务的产品，以及新的模型能力还能带来哪些值得探索的体验。
EXPERIENCE
从体验深入系统与评测
毕业就加入 MiniMax，我看重 AI 产品的发展，也希望在小团队中参与问题定义、方案取舍与落地验证。在海螺 AI 和 MiniMax Hub，我接触了模型接入、创作工具、商业化与 Agent 任务体验。职责的跨度让我有机会理解：一个用户问题，如何牵动模型、工程、设计与业务之间的取舍。
在迭代 Agent 对话体验的过程中，我发现，用户说“结果不符合预期”，背后可能是需求理解偏差、上下文遗漏、工具参数错误，也可能是缺少及时调整方向的机会。仅看界面和最终产物，难以判断该改哪里。我因此推动真实 Session 评测，将用户需求、工具调用与执行结果对应起来，希望为产品改进提供更具体的依据。
Agent 可控性
在 MiniMax Hub，负责任务状态、过程反馈与失败恢复，让用户能够确认关键参数、补充信息，并在失败后继续任务。
Agent Harness →Session 评测
从 0 到 1 主导真实 Session 评测的产品方案、信息架构和关键交互，将问题判断对应到具体对话、工具调用和产物。
Session-Eval →EARLIER WORK
为什么选择 AI 产品
设计训练培养了我的审美判断，也让我习惯从人的使用情境出发，组织视觉、信息、交互与反馈。我会关注功能是否有效，也在意比例、节奏和细节能否形成自然、协调的整体体验。接触生成模型后，我开始面对新的问题：模型如何学习，结果为什么会这样，用户又如何理解和判断这些结果。
为了亲手探索这些问题，我逐步学习数据处理、机器学习与网页实现，将实验结果做成可以操作的原型。选择 AI 产品，是希望继续参与从发现需求、判断能力边界，到设计体验和验证效果的过程。早期研究与设计项目，让我开始同时从用户和技术两侧思考一个方案。
UNDERGRADUATE / ART & PRODUCT DESIGN
设计是起点
本科四年，我持续使用 Rhino、Blender、Adobe Creative Suite、Figma、剪映等工具，熟练完成 3D 建模、视频制作、界面设计与交互原型。这些实践培养了我的审美与表达能力，也让我熟悉不同创作工具的操作逻辑：从平面与界面，到三维资产、空间关系和时间线，理解它们如何共同支持一个创作任务。
这些训练延续到了今天的产品工作中。面对复杂信息，我会关注用户首先需要理解什么；面对多步骤任务，我会考虑用户如何判断当前状态，以及下一步可以采取什么行动。我继续把这种跨媒介经验用于模型能力产品化和 Agent 任务体验。
始于 2021 / GENAI STUDY
观看项目视频 ↗生成模型实验
我最初接触生成模型，是想探索机器学习能否辅助古文字的形态比较。项目始于 2021 年，相关探索持续到 2024 年初；我整理小篆与甲骨文资料，并使用 StyleGAN 生成字形。训练中出现过重复字形等问题，我尝试调整训练材料与结构标注。
为了比较生成结果的形态特征与辨识差异，我继续加入人类评测、计算机视觉相似性分析、条件生成和降维可视化。这次 GenAI 启蒙让我意识到：得到看似合理的结果，与判断结果是否有依据，是两件不同的事。
GRADUATE THESIS / TRIEMOJIMAP
把模型差异做成交互原型
Emoji 同时是图像、语言符号和社交媒介；视觉模型、文本 Embedding 与语言模型对同一个 Emoji 的表征并不一致。TriEmojiMap 的目标，是把这些差异转成可以切换和比较的交互界面，帮助非机器学习背景的用户理解“相似”并不是单一标准。
在这个项目中，我独立完成了从数据整理、模型表示实验到交互网页的原型搭建：整理 1,810 个 Emoji，建立视觉、文本语义和语言模型 Token 三个表示层，并将聚类、单点详情与引导叙事组织成交互式网页。
查看 TriEmojiMap ↗NEURIPS 2024 / RECITYGEN
把生成模型变成设计工具
RECITYGEN 集成 Diffusion 与 Segment Anything Model，让参与者通过自然语言和可视化标记提出城市空间改造意见，并查看生成结果。项目关注的不只是生成图像，也包括公众意见如何进入设计流程。
查看论文 · NeurIPS 2024 Creative AI Track ↗HOW I WORK
我如何推进 AI 产品
理解执行，才能设计体验
Agent 的进度、确认和恢复，都需要与实际执行状态对应。我会结合工具调用、上下文和用户操作，判断应该展示什么、何时需要用户介入，以及中断后怎样继续。
让评测服务具体改进
推动 Session 评测让我更关注判断之后的行动：哪类用户问题值得优先解决，证据指向哪个环节，修改后如何验证。理解技术机制帮助我提出可能的原因，真实行为则帮助我检查这些判断。
用原型验证产品机会
我主导过交互原型方法，将方向未定的需求做成可运行、可比较的方案。接下来，我希望把这种工作方式用于新的模型能力：选择具体场景，验证用户能否完成原来难以完成的事，再判断是否值得继续投入。
BACKGROUND
背景与入口
哥伦比亚大学
计算机设计硕士（交叉学科）
中央美术学院
产品设计 本科