这句话我有三段证据，而且是递进的：一段证明我进得去现场，一段证明我跑得通产品链路，一段证明我做得出能跑的东西。下面三张卡是它们的一句话版本，往下是完整的追问与边界。
不按时间罗列，按它们各自证明了什么来排。每段只写结论、关键数字和边界，细节在下一节。
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，表格全部散在本地 Excel。我在现场观察两天后把入职流程重写成员工能照着自己办的文档，配齐企业微信、公众号与在线表格，引导耗时从约 30 分钟降到约 10 分钟（抽样计时口径，非全量埋点）。同年两名业务员无交接离职，我自历史账单反向梳理各渠道结算规则并归档，接手当月费用结算，业务未中断。
面向一个 AIGC 电商视觉站点做产品迭代：累计 45 份需求文档、5 个可运行可部署的原型，其中 SeeAny 的电商套图、A+ 详情页与产品视频三个功能由我主导设计并推动上线。原型不是为了好看：页面能自己跑起来之后，流程里的断点和提示缺失才会暴露出来，评审时的争论也少很多。
覆盖 21 个竞品站点，每日产出结构化日报。真正的内容是两道闸：模型只返回带原文引文的受限 JSON，引文由本地代码逐条回原文校验，对不上的标「需人工复核」；调模型前先做差异预筛，无实质变化不调用，单次运行设死调用次数、Token 与时长上限。结论不靠模型自证，成本不靠自觉。
上面三段里最经不起追问的是这三处。与其等面试时被问住，不如先把答案写在这里。
单份文档通常不止一个需求，包含 1–3 个改动项。按类型分，约四成是已有功能与工作流的迭代，三成是新功能，一成是 UI 与交互优化；2–3 个方向因开发量较大暂缓，其余多数已上线或进入开发。
但份数不是重点，每一份的起点才是：先拆同类站点在功能入口、任务流程、示例呈现和结果交付上的做法，再回看我们站内哪些步骤会让用户卡住，之后才动笔。中间还有一步——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 供负责人确认。页面能自己跑起来之后，流程里的断点、状态变化和提示缺失才会暴露出来，评审时的争论也少很多。
最完整的一次是 SeeAny 的电商套图、A+ 详情页和产品视频：从竞品链路拆解到方案设计、可演示版本、需求文档，再推动上线。
如果重做：我会在提需求时就把验收指标和埋点一起写进文档。这是那段经历里我拿到的最实在的一条教训。
现场是什么样。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。表格全部散在本地 Excel，又多又乱；驻场人员年龄偏大，连 VLOOKUP 都不会用，做一次账单效率低还容易出错。每个新员工入职，都要驻场一对一带着走完流程。
我做了什么。在现场观察两天、和驻场逐一沟通之后，把入职流程梳理成一份员工能照着自己办的文档。配套还有几件事：给驻厂客服配企业微信沉淀入职员工，同时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。官网和小程序则找了 10 家以上供应商比价后选定服务商，寒假结束前上线。
结果。年轻人自助就能办完，只有少部分文化程度较低的中年员工仍需驻场协助。
后来还有一次。暑期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。
以及一件计划外的事。那一年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。我到现场查历史账单与结算规则，结合入职名单、厂区反馈的在职人员信息把当月账单梳理出来，并将整个流程文档化归档。项目没有中断。
这段真正值得说的地方：不是我配了多少工具，而是这些东西此后不依赖我也能继续运转——流程被写下来了，账单规则被归档了。我离开之后它们还在用。
不是我逐行写的。代码由 AI 编程工具辅助生成，我负责问题定义、工作流与规则设计、成本与异常策略、部署选型、测试与排障。这句话我在任何场合都会主动说，不等人问。
那我到底做了哪些判断——下面这两道闸，才是这个项目真正的内容。它要解决的问题很具体：竞品逐站人工巡检一轮要 40–60 分钟，容易漏，而且事后没有证据可回溯。
闸 1 · 差异预筛，管的是成本。调模型之前先做正文规范化哈希和按行差异比对，没有实质变化就不调用。单次运行设硬预算：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。
闸 2 · 引文回验，管的是可信。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，匹配不上的一律标记「需人工复核」。结论不靠模型自证。
配套的是可审计：不可变证据目录、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 unittest，覆盖规范化判定、SSRF 私网拦截、原子写入、跨进程锁、注入防护与工作流契约；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。
求职本质是预期管理。与其让你在面试第二十分钟发现，不如现在就写清楚。
这是简历上最容易让人皱眉的地方，所以我把 2019 到 2027 全画在同一条轴上。
2020 年 7 到 9 月，戴尔、京东、中国移动三条线同时在跑，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。
我不打算把这说成「精力旺盛」。真实情况是那几个月我第一次被迫学会给事情排序，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。
从戴尔、京东、百雀羚到前锦、豆绘，做的是同一件事：找到一个具体场景里的效率问题，然后想办法解决它。变的只是工具——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，跨考应用统计不是转行，是想给这件事补上数据和方法的底子。
优职享那个 UE5 培训项目：需求真实、技术壁垒也够，但就业班定价 32,800 元，同期做传统艺术类培训的竞品只有七八千，而且付费决策在家长端。前后十多个意向学生试听咨询，报名的只有寥寥几个。
教训是：需求成立、壁垒成立，不等于生意成立。启动前我没把「谁掏钱、掏多少、和什么比」算清楚。这三个问题现在是我提任何方案前的第一遍自检。
「转技术」这个念头从大二起反复出现了四年半，每次都被现实劝退一次。我最后没有再试。
不是因为做不到，是判断它对我的边际回报最低：要用两年补上别人四年的科班训练，而这两年 AI 正在把初级编码的价值往下压。我的护城河更可能是「懂业务、会用 AI 做出东西、并且讲得清楚」。
FDE、解决方案工程师、AI 交付工程师、实施顾问、数智化咨询顾问。能进客户现场把问题拆清楚，也做得出可运行的东西；短板是工程深度，正在补 SQL、接口与部署。
企业软件、数据与零代码平台的产品运营、B 端产品经理、解决方案产品经理。前锦与豆绘的组合正好覆盖「懂业务现场」和「跑通产品链路」两头。
方案被否时有明确标准，上线后有数据或客户反馈，有固定的复盘机制。上一段经历里最消耗我的不是被否，是不知道自己错在业务价值、实现成本还是优先级。
2027 年 6 月毕业，工作地点全国均可，可接受出差，目前全职求职中。毕业论文按计划推进，不影响入职时间。