尹承修

Agent Eval 基建

问题：原 Benchmark 仅模拟重点任务、由人工比较最终产物，难以定位需求承接、工具调用、参数传递与多轮修改中的具体问题；线上日均 10000+ 用户与 Agent 的完整 Session 也未被系统接入，真实需求、上下文变化与修改反馈无法进入迭代体系。与此同时，品类负责人复盘线上记录依赖离线表，难以围绕需求、产物或过程问题自助检索；传统日志将对话、任务、素材与多媒体产物割裂，也无法还原真实创作现场。

落地：从 0 到 1 主导产品方案：包括评测、信息架构及关键交互；打通数据回流，将用户对话session整合为可查看、可筛选、可回放的评测资产。以 11 个信号初筛 500 条待评 Session／天；基于5 个评测维度、细化为 19 条可追溯 check 的 Rubric，对轨迹与结果执行 LLM-as-a-Judge 初判，并结合人工复核与证据定位校准评分。支持品类负责人组合筛选、回放与下载目标数据，将结构化标注回归 Benchmark。

多模态 Agent 创作主链路

·定义 agent-first 创作闭环：用户通过对话发起目标，Agent 完成理解与规划，调用资产、插件、Skill 与剪辑能力，并将结果组织到画布／资产中，支持持续修改与复用。

·负责 任务状态、过程反馈与失败恢复等关键体验；通过任务目标与阶段呈现、子任务层级、取消／失败恢复与画布上下文回流，让用户理解当前任务、在关键节点确认参数／补充信息／调整方向，并在失败后继续创作。

Agent 信息降噪与可控性

·面向复杂工具链、长任务与子任务协作过程，制定过程信息的展示、隐藏与打断规则：将底层工具名称、参数与运行日志转化为用户可理解的任务语义，聚合同类动作，仅展示需用户理解或介入的信息，将无需用户关注的后台过程静默处理。

·将用户在画布与素材上的变更以 diff 形式回流至每轮对话，增强 Agent 对产品层状态的感知和上下文连续性；使多模态产物的生成、修改与当前创作对象可解释、可控制。

AI-Native 产品迭代

·个人搭建从模糊想法到工程可读 PRD的前段方法：将一句话、截图等非结构化需求通过探索访谈转化为可讨论的产品方案；围绕需求范式、功能边界与关键决策主动追问／挑战，向研发交付明确的交互逻辑与可执行工程输入。

·参与研发主导的项目级 AI 协作体系：将仓库规则、可执行 Skill、Agent 角色与 MCP 能力纳入需求、实现与验证流程；Harness 将任务分解、实现、测试、Review、MR Gate 与回滚组织为可验证的交付链，关键决策保留人工审核。

·个人主导 replicate-ui-prototype：针对多组件联动、方向未定的产品方案，自动适配开发仓库组件、Design-spec 等规范，一键内网部署高保真 HTML 交互原型，帮助团队迅速对齐并决策。

AIGC 基础体验与多模态模型落地

问题：不同AI模型的输入、输出和参数、权重差异较大，用户难以将分散的模型能力组织为连续创作任务。

落地：统筹并落地 20+前沿生成式模型 API 的接入，覆盖前端交互规划与接口联调；从 0 到 1 上线视频超分、补帧、重绘涂抹与智能分镜等核心创作工具，将底层 AI 能力转化为高度“可控、可编辑”的用户生产力基建。

App 商业化体系重构

问题：海螺 App老权益页与 SKU 展示分散，用户难以理解不同套餐的价值与差异，转化率低。

落地：全面重构订阅体系的 UX 与 SKU 展示升级；深度结合海外市场趋势，设计新权益plan并落地动态 A/B 测试，基于灰度放量期间的支付数据实时调整实验策略。改版全量上线首日增长超过 50%，在3 月底实现月收入3 倍增长。