产品经历
处理过平台规则、商家流程，也做过 C 端新用户体验。
Evidence first.
Then build.
Then build.
RESUMELIFT / 02
抓下来的一半
是广告和噪声
LI ZE / 李泽产品经历 / 数据 / 原型
重点案例：ResumeLift
我做过的几件事。
规则、数据、原型和 AI，最后都要落到一个具体问题上。
数据处理
先分清有效结果和噪声，再决定一条链路要不要继续。
原型设计
先把关键路径做出来，尽早暴露问题。
AI 应用
让 AI 做提取、筛选和生成；来源与结果仍由人核对。
LEARNING COORDINATES
我的学习坐标
从工程管理到管理科学与工程，我一直沿着管理问题、数据分析与技术应用往下走。本科关注技术经济与项目管理，研究生阶段把兴趣延伸到 AI 与智慧城市。
012020.09 — 2024.06本科 · 已毕业
工程管理
河北工业大学
从项目、成本与资源配置问题出发，第一次系统地理解“管理决策”如何影响真实业务。
022024.09 — 2027.06硕士 · 在读
管理科学与工程
河海大学
在管理研究的基础上继续往技术和数据走，关注 AI 技术如何进入城市治理与真实应用场景。
项目经历。
从平台规则到新用户体验，再到自己的产品原型。
得物
在平台规则、商家流程和业务约束之间做判断。
酷狗概念版 / 03
三个后来没有绕开的取舍。
29% → 36%任务完成率
18.7 → 21.3 min日均听歌时长
4.1% → 7.2%有效邀请转化率
21.3% → 23.8%7 日留存
Soul
把注意力转到第一次进入产品的人：他们为什么停下，又为什么离开。
独立产品实践
把求职、教育和行动里的小问题，做成可以点开的原型。
01ResumeLift / 重点案例
160 条候选记录，
最后留下 50 条高相关问题。
准备面试时，我发现通用题库、真实面经与广告混在同一批搜索结果里。用户需要判断哪些内容可信、相关，值得投入准备时间。
160→50候选记录经过校验后保留的高相关问题
68.8%噪声与低相关内容过滤率
110→11 min单次检索、筛选和整理耗时
当前是可运行原型：采集、OCR、筛选、生成和导出链路已完成；人工补库仍是数据质量保障的一部分，尚未实现完全自动化。
ResumeLift / 05 条处理记录
采集、筛选，再到人工补库。
02志愿通 / 完整交互原型
分数之外，还有位次、偏好和录取规则。
信息散在不同地方，推荐院校时也常常说不清依据。志愿通把成绩录入、偏好问卷、位次换算、冲稳保方案和院校比较放进同一条路径。
方案
把分散信息整理成可以比较的志愿表。
保留的信息
历史年份、最低位次、位次差与冲稳保标签都会一起展示。
目前做到哪
完成 15 个页面和前端链路；AppID 为空，后端仍指向本地服务，暂时是演示原型。
历史录取数据只能辅助填报，仍需补充来源、更新时间、规则变化与人工复核。
03IdeaGo / 迭代原型
第一步模糊时，想法很容易停在原地。
IdeaGo 先帮用户选出真正想推进的一件事，再把下一步写成可以完成、可以汇报的动作。
常见情况
目标很多，迟迟没有开始，之后又为没有进度自责。
怎么处理
先选一件；完成后接收进度和卡点，再给下一步。
目前做到哪
网页原型包含短启动、阶段汇报、响片反馈和旅程封存。
长期使用效果和留存还没有规模化数据；链接可能需要站点账户访问。
AI 畜禽。
省级大学生创新创业项目二等奖。我负责财务统筹与产品策略。
现场问题养殖场需要更早发现异常、减少损失，也要远程掌握多个鸡舍。
调研走访 5 家养殖企业、访谈超过 20 小时，回收 82 份有效问卷，并在 2 家养殖场驻场观察。
第一版按“付费意愿 × 技术可行性”排序，先做环境监控、异常预警、数据看板与远程调控。
两个小实验。
01可运行原型
穿越人生模拟器
AI 负责开放叙事和选项，状态引擎负责属性、阶段、风险与结局。
6 个世界天赋与属性系统自由行动流式生成本地存档
体验 Demo（需自行配置模型 Key）02概念 Demo
FitBloom
把训练概况、负荷趋势、肌群参与和今日计划放在同一页。
指标卡周趋势肌群示意行动入口响应式布局
查看静态 Demo（示例数据）我怎么使用 AI。
它帮我整理材料、比较方案和做原型；来源与结果由我核对。
01
先看原始材料
访谈、数据和现场记录先摆在桌面上。
02
标出不知道的事
事实、假设和推测分开写。
03
尽快做出一版
能点、能看，问题才会露出来。
04
留下人工处理
自动化覆盖不到的地方，不假装已经解决。