孙常智

面向一个 AIGC 电商视觉站点做产品迭代。四个月里提交了 45 份需求文档，单份通常包含 1–3 个改动项：大致四成是已有功能和工作流的迭代，三成是新功能，一成是交互优化；有 2–3 个方向因为开发量较大暂缓，其余多数已上线或进入开发。

日常的起点是看竞品和站内的使用卡点，之后用 AI 编程工具把方案做成能跑、能部署的原型（累计 5 个），必要时部署到 Vercel 给负责人确认，再整理成需求文档交给开发。做原型的价值不在于画得好看——页面能自己跑起来之后，流程里的断点和缺失的提示才会露出来，评审时的分歧也少一些。

其中 SeeAny 的电商套图、A+ 详情页和产品视频三个功能，是我从竞品拆解、方案设计到需求文档、推动上线跟完的。另外完整设计过一个新站方向 DecoAny 的产品定位与交互方案，以及 PS 插件和小程序的探索版本，后两个因开发量较大暂缓。

如果重做：我会在提需求的时候就把验收指标和埋点一起写进文档。这是这段经历里我拿到的比较实在的一条教训。

南通如东一家制造业工厂的劳务外包项目，现场只有 2 名业务员和 2 名驻场，办公室在员工宿舍区的物业里。表格基本都散在本地 Excel，又多又乱；驻场同事年龄偏大，做一次账单效率低也容易出错。每个新员工入职，都要驻场一对一带着走完流程。

我在现场看了两天、和驻场逐个聊过之后，把入职流程重写成一份员工可以照着自己办的文档。配套还做了几件事：给驻厂客服配企业微信沉淀入职员工，也避免驻场人事变动导致微信号无法继承；注册配置公众号，把入职要填的表格转成链接整合进自动回复，省掉反复扫码；把问卷星的表格迁到企微在线表格——此前找一份文件必须人到现场。官网和小程序找了 10 家以上供应商比价后选定服务商，寒假结束前上线。

同年还有一件计划外的事两名业务员与老板产生分歧后几乎无交接离职，渠道和介绍人的费用结算没人做得了。我到现场翻了历史账单和结算规则，结合入职名单与厂区反馈的在职人员信息把当月账单梳理出来，并把整个流程文档化归档，接手了当月结算，业务没有中断。

暑期又调了一次甲方要求在入职流程里增加血压、血糖监测，负担陡增，现场一度需要 3–4 名全职驻场协助——来一个人入职就占用一个人。我提出招专职实习生、同批次多人集中办理，其他驻场因此能回到招聘等主业。同期也参与了公司与当地政府合建的零工市场（后挂牌人力资源市场）的日常运营与参访接待，以及新公司主体的资质申报。

回头看：这段我一开始写简历时归成了「行政运营」，后来才意识到它真正的内容是业务流程数字化——把散在人脑和本地 Excel 里的东西，变成可复用、可交接的文档。我离开之后它们还在用。

项目是京东金融旗下的校园推广，我加入时主推一个大学生内容平台。手上的工具有两个：拉新激励，以及联动中华慈善总会「免费午餐」的公益活动——学生下载注册做任务就能为公益项目增加捐款额并拿到证书。

起初的做法很笨：直接在 QQ 上搜某某大学学生会、加群主介绍项目，多数时候被当成骗子。第一周除了让身边的人注册，几乎没谈成一项合作。

后来改了三件事。一是换渠道，找身边复读的同学推荐他们复读前的同学——那批人当时已经大二，有些已经是学生干部；二是换身份，不再自报「某某学校 19 级某某」；三是换切入点，不以赞助为名，改以志愿活动为名，佣金给到社团作为部门经费，学生参与也能拿到公益证书，双方都有一个可以对外讲的理由。

结果一所学校的学生组织把它作为志愿项目推广到全校，单个合作带来 700+ 注册。之后靠转介绍，统筹江苏区域对接了 20 余所高校学生组织，深度落地 5 所院校，累计新增注册用户 1,471 人，7 日留存超 40%。另外策划过「浇水领公益证书」互动，联动 6 所高校官方渠道宣发，一周新增 326 名注册用户，带动日活跃量 13,928 人次。大二时提前转成了正式实习生，同期实习生多是大三大四的。

这段是怎么结束的：项目在用户增长上投入过大、平台内容质量也不够，慢慢冷了下来，大二寒假开年后的第一次周会宣布解散。
回头看：现在觉得最有价值的不是那几个数字，而是发现问题往往不在执行力度，而在切入点选错了——第一周我并没有做得不努力。

起因是竞品逐站人工巡检一轮要 40–60 分钟，容易漏，事后也没有证据可以回溯。目前覆盖 21 个站点，每天产出结构化日报。

两处我自己觉得值得讲的设计引文回验。模型只允许返回带原文引文的受限 JSON，引文再由本地代码逐条回到新旧正文里匹配，匹配不上的标记「需人工复核」。这样做是因为我不想让模型自己证明自己。

差异预筛。调模型之前先做正文规范化和按行差异比对，没有实质变化就不调用；单次运行也设了上限——抓取并发 3、模型并发 4、调用 ≤25 次、Token ≤20 万、时长 ≤900 秒。超了就停，不会出现一次意外的账单。

其余配套做了不可变的证据目录、manifest.json 记录全文件 SHA-256、latest_run.json，任何一条结论都能回到当时抓到的那段原文。工程上写了 6 个单元测试（规范化判定、SSRF 私网拦截、原子写入、跨进程锁、注入防护、工作流契约），GitHub Actions 跑 CI 与每日监测。部署做了三种形态：本地 Streamlit 工作台、GitHub Actions + Cloudflare R2 的无常驻服务器方案、Cloudflare Pages 静态看板。

打开在线看板 ↗

把电商产品视觉生成能力封装成 MCP 工具供 AI 客户端调用，设计了询价、用户确认、任务执行、状态查询和结果获取的流程。想解决的问题比较具体：一个有成本、也有耗时的能力，怎么让 AI 客户端安全地调用它。

把辅导学生时反复用到的讲义和练习做成在线工具，顺便写了 Cloudflare Pages 与腾讯 CloudBase 两套部署脚本。起点很实际：同样的题不想讲第三遍。

把 2019 到 2027 画在同一条轴上，能看到两件事。

一是有几段是并行的。2020 年 7 到 9 月，戴尔、京东、中国移动同时在跑，同一个暑假还压着一次因疫情推迟的期末补考；2025 年前锦和优职享重叠，2026 年豆绘和 Agent 重叠。那几个月我第一次被迫给事情排序，也确实有事情被排到了后面——那年初级会计的考试就是这么放掉的。

二是这些事其实在做同一类工作：找到一个具体场景里的效率问题，然后想办法解决它。变的主要是工具——从话术和地推，换成企业微信和公众号，再换成 AI 和可运行的原型。本科读的是财务管理，跨考应用统计不算转行，是想给这件事补上数据和方法的底子。

百雀羚委托做的校园项目，靠沙龙、小样派发和企业微信生态的私域运营，帮品牌在大学生里重新积累信任。我负责一个区域，一个多月在徐州四所高校搭起 20–30 人不等的校园团队。中间做过一段社区团购，招募 23 名团长、覆盖 1000 多个终端用户，单月 GMV 两万多。暑期到上海线下实习时作为组长带 4 名实习生做赛事，复用已有团队和私域招募了 200 多名用户组队参赛。

一个当时没想到的经验：远程建起来的团队很多悄无声息就解散了，面对面开一次会留存明显更高，所以后来每个新校区我都跑一趟。

后来离开，是因为意识到校园团队需要不断招募和培训新人，复利有限。也是在那之后决定回学校准备考研。

先自己在小红书和贴吧卖电脑，把链路跑通之后，把学校里 15–20 名同学拉来做校园大使并做入职培训，随后升为校园督导，持续招聘、面试、培训，前后大约培训了 100 多名校园大使。2020 年暑期带的团队做到 20 万元以上业绩。

城市经理让我准备述职报告升城市经理，我当时判断这条路的终点是去总部做大客户销售，比同期在做的京东要窄，就没有继续。

在徐州集中办公四十多天，个人办卡七十多张。那一年因疫情高考推迟、8 月底才下录取通知，我们到的时候新生还没出成绩，前期阻力很大。团队的做法是两条线并行：活跃 QQ 迎新群提升搜索排名，把住新生入口；同时找关系较好的学院合作，拿到官方迎新群的管理员位。

这是我第一次和三四十人一起集中办公，也是第一次意识到这类业务几乎没有复利——一个暑假积累的新生资源和一批能干的同学，后来大多数人都没有再利用起来。

前半段做海免团购的校园分支，在上海招了 20 多个团长，销售额一万多，不温不火；后来主要精力转到渠道合作，对接了运营研究社的白领社群，效果比校园那条线好很多。

后半段到福州做咖啡店的储备店长，负责门店装修、设备采购和物料准备——每一项都要找至少 3 家供应商报价、比价、看样，有些要到当地工厂实地考察。4 月 30 日开业，开业前通过了品牌的培训考核。开业初期日营业额三千多，关键在于接通了楼上联通省公司的员工卡系统。

老板后来叫我回去继续做，我判断这家店高度依赖员工卡这一个渠道，看不到扩张空间，就没有回去。这段最直接的收获是完整看了一遍线下开店的流程。

虚幻引擎 UE5 的培训项目。当时的判断是需求真实、技术壁垒也够：AIGC 已经开始冲击美术生的岗位，而 UE5 人才缺口不小，课程由一家给多款热门游戏做过优化的技术公司提供。我沿用了百雀羚那套打法，通过学院学生会接触学生干部、找校区负责人搭初始团队、组织试听课和线下活动。

但主推的就业班定价 32,800 元，同期做传统艺术类培训的竞品只有七八千——虽然竞品教的内容更基础，但它能解决学生眼前的问题；而且付费决策不在学生端，在家长端。前后十多个意向学生试听、咨询，报名的只有寥寥几个。

大一寒假的第一份实习，日常是接待储户办理存取款、减轻柜台压力，业务熟悉之后开始外派宣传存款政策。这段最大的收获是对「体面工作」祛魅，也帮我排除了一条本以为理所当然的路径——本科读的是财务管理。

二战时整理了大量专业课电子笔记，初试成绩出来后在小红书和闲鱼发过一些经验贴，卖出几十份，后来有机构找来做一对一辅导，此后每年带几名学生。2026 年所带学生专业课 144 分，同届第一。

留着这条线，是因为它一直在训练同一件事：把复杂的东西讲到别人能听懂、并且用得上。这和给客户讲方案是同一件事的两种形态。

短板集中在工程深度上。我知道它在哪，也在按顺序补：先是 SQL，目标是能用它复算自己做过的业务指标；然后是接口与 API，因为讲 Agent 和原型时一定会被问到；再往后是 Python 的读改与排障。至于模型微调、算法这些，我暂时不打算碰——对我来说边际回报太低。