我是郭一恒，AI 产品经理。从 AIGC 创作实习到企业 Agent 交付，从黑客松组队到独立工具开发，我关注的是：找到真实需求，把模型能力变成可用的产品。
在快看漫画参与 AIGC 产品探索；通过校企合作，为郑州奎达独立交付官网与智能客服。作为队长带领 5 人团队进入知乎黑客松决赛，并受邀赴清华大学、中国人民大学分享项目经验。
湖北大学 · 大数据管理与应用 · 本科 · 2022—2026
直接对接企业负责人，明确咨询场景、证据要求与人工兜底，独立完成官网、客服和知识库框架，取得 2 万元项目服务收入。
围绕人物逻辑、分镜一致性、任务完成度和预算做评测，通过人工确认与局部修订处理失败案例，沉淀工作台和制作 SOP。
组队、收敛需求、撰写 PRD、对齐技术可行性、组织评审与演示，推动 5 人团队在 48 小时内交付可玩的互动叙事作品。
从内容创作探索，到传统企业的 AI 应用交付。
AI 产品经理实习生 · AIGC 方向
直接对接 AI 业务负责人，承担产品拆解、模型评分、脚本生成与视频生成方向的 Skill 需求定义及效果验证。首周在 Mentor 带教下拆解 OiiOii，后续逐步独立推进模块验证与迭代。
参与创作者需求研究，沿生成、修改和交付流程分析竞品交互、质量与成本限制。定义评测任务、通过条件和评分规则，以交付不完整、人物行为违背设定等失败案例支持选型，调整 Prompt 约束并复验。
生成与协作：将人物、剧情和时长要求转为生成约束及验收项，设计剧本、分镜人工确认和局部返工入口；协同研发、算法与设计对齐功能边界和验收要求，跟进修复与复测，开展周度技术分享。
方法沉淀：将产品拆解、模型评测与创作方法整理为 6 项独立开源 Skill。实习后持续迭代漫序，连接研究依据、人工评测、镜头连续性与局部复验，为修改后的内容标记“需复核”，避免沿用旧验收结论。
验证与体验：通过 39 项程序测试及本机中文配音、视频合成验证，提供公网工作台与六步操作演示；完整模型调用与合成在本机运行。
企业 AI 产品设计与交付 · 校企合作
参与工作室对接的企业 AI 应用工作，结合学校技术支持与企业业务资源，直接对接企业负责人，承担需求研究、AI 产品方案、实施推进及交付跟进。将快看实习中的产品研究与效果验证经验迁移到企业场景，从 AI 辅助资料整理扩展至 Prompt、Agent 与官网。
需求与统筹：梳理企业负责人及业务人员的工作方式，判断适合引入 AI 的环节，将诉求转为产品任务，确定优先级与交付边界，持续跟进需求变化。
技术与业务协作：衔接学校技术支持、企业资料与业务反馈，围绕实现可行性、内容口径及交付要求沟通；横跨需求、Prompt、Agent 配置与官网实现，推进验证、实施和上线。
上线与维护：区分需求、资料及模型输出问题，推进调整与复验；完成郑州奎达官网与客服 Agent 交付，提供可维护的知识库框架，承担企业沟通及后续维护。
展开案例，了解我如何定义问题、做取舍，并把方案推进到可体验的成果。
面向工程服务企业非工作时段咨询缺少承接、业务知识分散和线上入口不足的问题，设计基础咨询、知识查询与专业人员对接服务。
产品定位：将客服定位为基础咨询与专业人员对接入口，避免替代专业造价判断；将官网纳入方案，连接业务展示、在线问答和电话联系。
平台与知识：从知识接入、流程编排、发布及维护比较 Dify、FastGPT 与 Coze，采用 Dify、DeepSeek、RAG 与 Bocha Search。整理资料与 FAQ，标注来源、适用地区与规格、更新时间及有效期，明确对外使用范围及更新责任。
验收与异常定位：分别检查检索是否找到信息、回答是否有资料支持；对资料不足、过期信息和专业问题检查澄清与人工引导。材料价格仅提供有地区、规格、时间与来源的参考区间。通过事件流定位异常并调整输入结构。
成果：完成官网、域名、部署、客服嵌入及 RAG 知识库框架，实现 2 万元项目服务收入。同类测试问题口径下，系统提示词长度降低 17.7%，总输入 Token 降低 19.8%。
从知乎人生遗憾讨论中选择大学阶段的选择作为切入点，在 48 小时内完成玩家选择、剧情反馈与结尾相连的互动叙事体验。
产品研究与选题：研究知乎产品能力、赛事规则和开放资源，从“人生遗憾”讨论中提出大学互动叙事方向，经团队讨论确定选题。
需求定义与体验取舍：撰写 PRD，将双主角及多角色支线收敛为一条完整大学主线；提出固定场景预生成、差异场景动态生成的方案，减少等待对体验的打断。
团队协作与交付：组建 5 人团队，协调前后端分工，与队友共同完善验收和异常处理；对接主办方，组织评审与测试，负责路演及最终提交。
成果：带队进入知乎黑客松决赛，累计上千人次体验；受邀赴清华大学、中国人民大学分享项目经验，项目获活动官方推文及宣传片报道。
将固定唇妆陪练扩展为“参考理解—本人适配—跟妆指导—条件调整—偏差修正—完成复盘”的未来体验原型，以个人脸型、工具与操作能力定义适配场景。
场景与方案：覆盖工具齐全、缺少关键工具两套方案，串联用户路径，明确适配要求；规划真实交互、预设示例与概念演示的呈现方式。
交互与验收：明确看不清和失败情形的反馈边界，将适配差异与响应延迟纳入验收。通过接口探测与状态测试，定位评价与画面矛盾、语音否定误触发、步骤误跳及旧结果覆盖等问题，整理复现步骤并定义复验用例。
原型与团队协作：承担产品方案及原型的主要工作，组织前端、开发、产品和化妆师对齐样例与迭代任务；按主体验影响安排优先级，拆解联调与素材任务，制定概念视频分镜、旁白及验收要求。
成果：协同完成参考输入、方案、跟妆检查与复盘的线上体验框架，完成 22 项问题的定位与产品评审，输出双版本评审文档、任务清单及复验用例，为团队联调和比赛演示提供统一依据。
将参赛短片中的母女关系延展为六集有声短剧，围绕人物、道具、音画一致性，建立从故事设计到逐镜验收的制作流程。
制作规划：负责故事、分镜、生成与验收，把人物目标、服装、道具状态、说话人和准确台词写入镜头卡，组织跨集因果与前置片。
问题修复：把双手机、口型错位和重复人声定位到具体镜头与秒段，替换问题素材、裁掉异常尾段、停用重复声轨；用 Pillow 绘制正确文字并透视贴合，修复手机名单乱码。
交付方式：通过 JSON 镜头清单与 FFmpeg 管理裁切、声源及合成，采用静音看、独立听、带声逐镜和六集连看的验收流程，开源制作 SOP、渲染代码、返工案例与成本核算方法。
成本口径：视频及其他 AI 生成共消耗 11,460 积分，包含候选生成与返工；完成六集短剧及预热片、宣传片，公开制作 SOP、返工案例与渲染代码。
面向连续研究中重复补充背景、结论难以回查的问题，将亦伴与造物整合为项目研究助理，连接证据审阅、需求定义、前端原型与待办跟进。
流程与证据：研究开源 Personal Agent 的执行与记忆机制，选用 nanobot 搭建受控研究执行层。亦伴负责上下文、证据与需求，造物负责前端原型，将研究证据关联到需求、用户路径与验收要求。
记忆治理：区分本人、第三方与敏感资料，明确使用和保留授权；保存来源、原文与时间，区分事实、推断和待核实项。对过期及冲突信息提出确认与更正，记忆更新、停用经用户确认并保留历史。
原型与失败处理：将选定需求传入造物，保留生成依据与原型版本并导出源码，检查核心路径及异常反馈；针对输入超限、任务取消和待办编辑冲突，完善预检、结果保存与冲突提示。
验证与边界：完成 1 次真实研究、需求与待办关联到交互原型的端到端验证，保留输入输出和失败记录；两个服务共 80 项程序测试通过，提供六步公开流程演示。完整 AI 研究功能在本机运行，相关方法整理为 2 项独立 Skill。
产品判断也来自真实数据、经营责任和人与人的协作。
采集 2 万余条评论，清洗后分析 11,312 条有效评论。独立完成文本预处理、LDA 与情感分析，以 K=5 归纳用户关注主题，结合竞品差异提出补能信息、智能功能说明与服务保障建议。
独立负责选品、采购、定价、备货和销售，根据客户反馈与日流水调整供给。累计营收 20 万+，单日最高营收 8000+，直接承担成本与经营结果。
发起 FDE／To B 交流社群，围绕企业交付案例、需求沟通及实施难点开展交流，共享讨论资料与合作需求，支持成员交流经验和对接资源。
数据分析实践：使用 Python／Pandas 分析 2 万条商品数据，统一分析单位、清洗与统计口径，输出选品、定价与展示建议，并将方法整理为 数据分析 Skill ↗。其他黑客松实践：GOSIM Agentic App 2026、ARC Bench Lite。
在清华大学、中国人民大学分享产品实践，也参与 AI 社区活动，与同行交流想法与经验。
以《未完之页》为案例，分享互动叙事的用户路径、产品取舍与团队交付经验。
受邀参加项目分享，与现场参与者交流黑客松经验。图为中国人民大学站活动合影。
参加 Grok Bot 分享会，与 AI 领域的同行现场交流，在不同的实践与视角中寻找新的产品灵感。
记录团队参赛现场与活动氛围。
阅读参赛复盘 ↗将实习与项目方法整理为 12 项独立开源 Skill，覆盖评测、产品拆解、AIGC 制作、企业交付、上下文治理与数据分析。
定目标 → 定维度 → 设计评测集 → 定打分标准 → 评分校准 → 批量评测 → 输出报告。
核心是固定任务、输入输出口径和评分规则，用任务完成度、逻辑边界与成本解释选型；失败案例必须对应优化建议。评测模板提供方法，不替代具体模型的实测结果。
查看工作流与模板 ↗从真实任务出发，走通输入、处理、确认、修改和导出的路径。AIGC 创作拆解尤其关注角色与风格约束、生成状态、局部返工，以及模型能力与产品承诺之间的差距。
查看 AI 产品拆解 Skill ↗先确认故事、人物和分镜，再生成候选素材；通过镜头清单保存采用区间、声源和版本。发现问题后回查源镜头，按素材错误、音轨冲突、文字可读性或叙事断点选择修复动作，再逐镜复验。
查看制作 SOP 与案例 ↗结合企业交付、模型评测和短剧制作，整理操作方法、案例与练习模板。
分享 AI 领域的研究、前沿技术与知识，以及对产品和行业的思考。
