鲁俞良
我关注 AI 产品、Agent 系统、影像表达与工具建造。喜欢把真实流程拆成对象、状态和动作，也喜欢用原型、文字和影像把复杂想法变得可感知、可使用。
01 / JOURNEY
03 / VISUAL
Image Notes
影像
04 / INTERNSHIP
Work Logs
实习
2026/03 - 2026/07
效率源信息安全技术股份有限公司
AI 产品经理实习生
2025/10 - 2026/02
杭州嘿库科技有限公司
AI 产品经理实习生
2025/05 - 2025/08
广东行则将至传媒有限公司
AI 创作 / 项目经理
效率源信息安全技术
股份有限公司
国家级专精特新“小巨人”国家高新技术企业 AI 产品经理实习生
Enterprise Agent
“问迹”智能数据研判 Agent：面向纪检、公安及海外等客户的数据研判需求，从 0 到 1 参与“问迹”智能数据研判 AI Agent 产品完整研发周期。
业务需求抽象与产品架构设计
深度拆解客户真实研判流程与专业资料，将“检材分析、线索发现、证据串联、报告撰写”等人工经验转化为 Agent 可执行任务链路；梳理案件、检材、任务、Skill、专家、知识库、线索、报告等核心对象关系，设计从案件创建、检材绑定、智能研判、线索沉淀到多格式报告输出的完整产品架构，覆盖 6 类研判场景，线索准确率达 90%+。
LangGraph Agent MVP 搭建
基于 StateGraph 快速开发 ReAct Agent 最小可用版本，定义 Agent 状态结构、节点路由、条件分支、会话断点记忆策略，搭建“需求理解-Task Planning-Tool Calling-结果校验-报告生成”的节点流转机制；规划代码沙箱、报错自迭代、长文本上下文压缩等关键流程，Agent 核心任务链路跑通率达 95%+，支撑大客户演示、完成端到端验证。
Skill 体系与 Context Engineering
基于客户业务场景和专业研判资料，设计渐进式 Skill 披露机制，撰写30+研判 Skill 按身份、通联、轨迹、资金、资产、消费 6 大维度组织，支持 Skill 方案组合、智能推荐与人工干预；借助Context工程与主动澄清卡片设计将复杂用户意图智能转化为可调用 Skill 组合，产出对应文件/报告，Skill 选择效率提升约 50%，形成可复用的行业“战法”库雏形。
专家模式与 Multi-Agent 协作设计
设计专家助手与专家团队机制，支持创建专业 Sub-Agent，并配置角色 Prompt、关联 Skill 与 RAG 知识库；基于“专家助手-专家团队-案件检材指派”的协作链路，设计多专家分工研判、交叉补充与结果汇总机制，使复杂任务拆解时长缩短约 45%。
Codex 原型-需求-前端一体化落地
使用 Codex 完成“需求-原型图-前端开发”的一体化落地，设计并实现案件管理、检材中心、任务追踪、Agent 对话、专家模式、线索看板、报告输出等核心页面；利用 Mock 数据与预留接口支持后端一次性接入，完整参与全部3轮产品迭代，需求-原型-前端可交互版本交付周期缩短约60%，支撑售前 Demo快速成型，进入某市级单位试点阶段。
私有化模型选型与部署验证
参与大模型选型与部署方案设计，基于政企客户数据安全要求选择本地化部署路线，完成 AutoDL 与本地环境部署验证；采用 Qwen3.6-27B 作为私有化推理模型方案，完成本地推理链路验证，满足客户对数据不出域、私有化部署和秒级响应的基础要求。
杭州嘿库科技有限公司
天使轮融资企业 AI 产品经理实习生AI Native Creation
RAG + 多模态模型效果评测与归因
面对小游戏营销短视频爆款打分需求，负责多模态 + RAG 视频打分模型效果评测与归因与文本分割与语义分块策略工作。针对营销素材，摒弃固定长度分块，采用语义断点识别+关键词锚定动态分块策略，设定 50-200 字弹性阈值，提升向量检索语义关联性。搭建“内容相关、视觉质量、用户偏好”三大维度的模型评测体系，通过人工标注样本、开展 A/B 测试，定位到小众风格小游戏场景下的 RAG 知识召回失效问题；据此制定“补充数据 + 动态调整 RAG 召回权重”的针对性优化策略，整体模型 F1 值提升 10%，落地后使小众风格视频打分准确率从 59% 提升至 75%，有效支撑公司视频的质量评估，助力公司与知名小游戏“每天数独”客户合作。
需求调研 & 竞品分析
深度参与AI剪辑产品"超爆款营销视频AI剪辑工具"从0到1搭建关键环节，牵头用户需求调研与竞品深度分析。通过实操20+款同类主流工具、访谈10+位目标用户和竞品销售，提炼出视频“网感”缺失、AI素材分类效率低、批量剪辑同质化三大痛点，输出3400+字报告。提出“收集-捕捉-模仿-再生成”全链路创新解决方案，纳入PRD文档。
多 Agent 协作架构设计与 Demo 落地
构建“主Agent+多子Agent”协同模式，贴合电商服装视觉生产流程，设计6大核心功能的Workflow；主Agent负责用户意图识别与任务调度，6个子Agent分别承载服装上身、多角度生成、AI分镜视频、动作替换、面部替换等业务，通过接口联动实现自动化协作；基于Coze搭建可交互Demo并完成多轮测试，验证多Agent协同逻辑、多模型适配效果及Workflow流畅度，推动项目提前3天落地交付，生成优质率达96%以上，识别精准度达90%以上，助力公司与知名服装品牌森马合作。
大模型选型与多模型融合
结合服装场景对图像细节还原、多模态生成、实时响应的需求，完成模型业务适配验证，选择Nano Banana Pro作为核心大模型，精准匹配服装一致性生成需求；同时协同Qwen-Image-edit、Seedream4.0构建多模型融合体系。
CoT & Prompt 工程优化
针对AIGC生成中服装logo、面部细节失真等痛点，引入CoT提示工程，搭建分层级、场景化Prompt体系及双模型交叉校验审核Agent；通过多步推理引导模型识别服装核心细节，并结合不同生成需求定制Prompt策略，使细节还原准确率提升至90%以上。
广东行则将至传媒有限公司
AI 内容生产与商业化团队 AI 创作 / 项目经理Commercial Content
主导“夸克高考AI软件宣传片”筹划制作，全网曝光破60万；搭建AI工作流，为B站42万粉达人承接商单；单条视频曝光6.4万+、点赞2000+
05 / PROJECT
Featured Build
项目
AI Full-stack Developer / 2026.02 - 2026.04
基于RAG与CLI Tool Calling Agent的电商运营/客服系统
针对跑步装备个人 IP + 电商运营精力有限、售前售后咨询高频重复、响应不及时的痛点，独立开发基于RAG与CLI Tool Calling Agent的电商运营/客服系统，覆盖 IP 运营、推荐问答、资料整理、数据统计等 12 大核心应用场景。系统面向买家侧提供客服能力，面向商家侧提供运营能力。
React 18
TypeScript
Vite
Express.js
SQLite
Embedding-3
RAG
CLI Tool Calling
ReAct
技术架构
该系统采用 React 18 + TypeScript + Vite 构建买家客服会话端与商家运营 Agent 工作台，后端基于 Express.js + SQLite 搭建轻量服务；底层接入智谱 Embedding-3 构建商品库、问答库、售后规则库、尺码知识库的 RAG 向量索引，参考 LangGraph 的状态机编排思路设计。集成意图识别、任务规划、Skill 调度、Tool Calling、CLI 支撑客服问答、商品推荐、转人工摘要、素材归档、文案生成、知识库维护与运营报表等自动化能力。
智能客服模块
基于 RAG技术，针对问答库与商品库文档构建分层文本分割与语义分块策略；设计多轮对话策略系统，覆盖疑问 / 情感 / 请求 / 指令的用户意图规则体系，结合正则与权重实现智能意图识别，通过句式模板与 Prompt 工程优化，将 Agent 应答准确率提升至 85%以上。针对复杂售后问题，自动生成客户诉求、沟通记录、情绪状态和建议处理方案，辅助人工快速接手。
运营 Agent 模块
参考OpenClaw通用 Agent 的工具调用思路，设计“意图识别 - 任务拆解 - Skill 选择 - 工具调用 - 结果总结”的ReAct执行链路。将文案生成、图片归档、客户对话分析、知识库更新、运营日报等能力封装为可调用可插拔的Skill，Agent支持通过多种方式工具完成实际运营任务，完成率提升30%。
安全与评测优化
运营侧针对工具调用和本地文件操作风险，设计权限分级、危险操作二次确认机制；客服侧建立准确性、相关性、时效性、用户体验四大维度评测体系，150+样本定位召回失效问题，采用“知识自动补充 + 动态权重调整”策略，使问题一次解决率达 80%，F1 值提升 20%，实际投诉率减少约39%。
06 / HONOR
Recognition Index
荣誉
“TI杯”全国大学生电子设计大赛获奖证书
全国大学生嵌入式芯片与系统设计竞赛西南赛区三等奖
蓝桥杯大赛四川省二等奖
智能车大赛校级二等奖
全国大学生电子设计大赛校级一等奖
大学生职业规划大赛校级金奖
网络安全微视频大赛校级二等奖
校级全媒体大赛一等奖
校级优秀志愿者
“艺境新生”入展证书
CET4证书
07 / CONTACT
Reach Me
联系我
Public Pages
社媒