发现问题
从玩家评论、社群反馈和测试记录里,找出真正影响体验的卡点。
我不把 AI 当成替代判断的黑盒,而是把它放进资料整理、结构化 Prompt、原型推进和版本复盘的具体环节。
从玩家评论、社群反馈和测试记录里,找出真正影响体验的卡点。
把模糊感受拆成场景、目标、约束和验收标准,让协作有共同语言。
用 RAG、Prompt 和结构化工作流减少重复劳动,把时间留给体验判断。
通过版本对比、玩家反馈和关键转化指标,决定下一轮迭代方向。
剧情系统、NPC 关系、任务链、真实种植体系与版本迭代共同构成一个可以被体验、被验证、被持续推进的产品。
把世界观、章节主线、角色关系和触发条件组织成可落地的内容结构。
整理资料、设计 Prompt、搭建 RAG 知识库,并保留人工判断和审校节点。
用产品视角串起用户反馈、需求定义、功能说明、竞品体验和版本复盘。
从培训流程到社区协作,我持续在做同一件事:理解问题、建立闭环、让结果可被观察。
统筹 150+ 学员培训全流程,重构筛选模型,前置筛除 3% 不合格学员;基于出勤数据优化排课与激励机制,出勤率提升至 98%。
处理居民咨询与诉求,建立“登记—反馈—解决”闭环机制;梳理高频问题形成标准化答疑手册,沟通成本降低约 20%。
负责班级与院系之间的对接,及时同步通知和事务,收集同学意见并对接老师推动解决。
目标方向:AI 产品运营。城市:上海;求职类型:全职社招。