面对零数字化基础、表格散落在本地 Excel 的工厂一线环境,花两天现场观察并逐一访谈驻场人员,将入职全流程重构为标准化自助文档,打通企业微信、公众号自动回复与在线协同表格。离开之后该套流程系统仍在持续沿用。这段经历培养了我深入具体业务一线找卡点、将散乱非标流程结构化为可执行方案的能力。
查看现场调研与流程落地细节 →
孙常智
Changzhi Sun 2027 届硕士关注业务现场的真实效率问题。擅长梳理非标流程、制作可运行原型,在成本与技术约束下推动方案落地跑通。
核心经历与交付能力
不局限于经验认知,以深入现场的流程梳理、可运行的原型与工程化系统说话
本科财务管理培养了对客单价空间、成本结构与投入产出比的敏感度,提方案前先算清“付款方与竞品参照系”;研究生应用统计(初试 401 分、专业课 141 分同届第二)则为方案论证补充了严谨的指标体系与定量归因底色。
查看完整能力与不足边界 →面向 AIGC 电商视觉工具做功能迭代。日常结合竞品拆解与站内卡点,借助 AI 编程工具搭建了 5 个可运行原型,用于直观呈现方案、提前发现流程断点并与研发确认可行性。全程跟进推动 SeeAny 电商套图、A+ 详情页及产品视频三个功能上线。不仅写需求文档,更注重方案能否在技术约束下真正跑通。
查看完整实习复盘与反思 →构建 LangGraph 5 节点自动化流水线。设计差异预筛与本地引文代码级强匹配,避免模型自我验证,确保每条结论均有不可变的抓取原文证据可查,具备将方案落地为可运行、可审计系统的工程素养。
查看工程架构与测试设计 →AIGC 竞品态势感知 Agent
覆盖 21 个同类站点的自动化监控系统。设计“正文规范化差异预筛”与“原文引文本地强校验”双安全闸,每日自动生成带证据链的结构化日报,静态看板部署于 Cloudflare Pages。
432 应用统计伴学工具
围绕考研统计学大纲开发的在线学习工具。涵盖 14 章考点精读、108 道思考题抽背跟踪、KaTeX 公式速查手册与大模型作答批改。支持 Cloudflare 与腾讯云双环境部署,已有学生在用。
豆绘科技电商视觉产品方案
完成 SeeAny 电商套图、A+ 详情页及产品视频功能从竞品拆解、可运行原型验证到需求文档、上线前测试的全流程推进,并制作了十余个新版用户引导示例。
目标岗位与核心契合点
方向:AI 解决方案工程师、实施交付顾问、数智化咨询顾问、FDE、B 端产品经理/产品运营。
为什么契合:不畏惧深入复杂的一线业务现场,能沉下心把散乱非标的流程理顺并标准化;具备借助 AI 工具快速搭建可交互原型、验证方案可行性的能力;兼具统计定量分析底色与商业成本意识。
沟通交付:持续从事考研专业课一对一辅导(所带学生单科 144 分同届第一),持续训练了将复杂专业内容拆解并讲解至对方能听懂并用得上的能力——这与向客户阐述解决方案是相通的。
基本情况与工作期望
毕业与到岗:2027 年 6 月毕业,目前全职求职中,毕业论文按计划推进,不影响入职时间。常驻南京,可根据业务需要出差支持现场。
团队期望:期望团队对方案决策有相对清晰的评估标准,上线后有数据或客户反馈支撑复盘,并建立常态化的复盘机制。比起需求被否,我更在意能清楚知道问题出在业务价值、实现成本还是优先级上。
如简历中有需进一步了解或验证的内容,欢迎直接联系我交流。
四段核心实习经历,按时间倒序。涵盖 AI 产品原型迭代、制造业一线现场流程数字化、互联网大厂用户增长,以及 500 强销售团队管理。凡是数字,均在原处标明核算口径。
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、全程跟进并推动上线的。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:在提交需求文档时,应同步纳入验收指标与埋点方案。这是本段经历最具实际价值的反思。
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。
回顾:该经历在简历初稿中被归类为「行政运营」,后续反思后认为其实质为业务流程数字化——把散在人脑和本地 Excel 里的东西,变成可复用、可交接的文档。离开之后这些文档仍在沿用。
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,大多数情况下被对方误判为推销或诈骗。第一周除了让身边的人注册,几乎未促成任何合作。
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。
项目收尾:该项目在用户增长上投入过大,且平台内容质量未能支撑留存,业务逐步萎缩,于大二寒假开学后的第一次周会正式宣告解散。
回顾:最有价值的收获并非具体数据,而是认识到问题的根源往往不在执行力度,而在于初始切入点的选择——第一周并不存在执行不力的问题。
面向重点客户与高校学生群体推广戴尔 MPP 专属采购方案。从个人在小红书、社群跑通单机销售链路起步,逐步晋升为校园督导,负责校区及跨校团队的搭建与运营。
大一暑期自主搭建并管理了 15–20 人的校园销售团队,负责新成员面试、产品配置知识培训与每日开单跟进。暑假期间带领团队达成 20 万元+ 销售额(累计销售电脑 30 余台,客单价 6,000+ 元),暑期结束后获城市经理推荐进入正式城市经理(学生管理岗)晋升流程。
团队组织与宣讲训练整个项目周期内,累计面试并培训了来自全国各大高校(含留学生及研究生)的 100 余名校园大使候选人。摸索并沉淀了一套面向新人的产品卖点拆解与答疑话术,极大训练了当众宣讲、团队协同与商务说服能力。
这三个项目的代码都由 AI 编程工具辅助生成。我做的是问题定义、工作流与规则设计、成本与异常策略、部署选型和测试排障——这一点我在任何场合都会先说明。
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。
两处值得重点说明的设计决策引文回验。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」。如此设计,是为了避免模型自我验证——结论须经独立代码核实。
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。
把电商商品视觉的生成能力封装成 MCP,让 Claude Code、Codex、Cursor 这类支持 MCP 的客户端可以直接调用。一共 11 个工具,覆盖能力查询、参考图上传、提示词润色、费用预估、异步出图、状态轮询和结果落盘。TypeScript 写的,已发布到 npm。
想解决的问题这是一个既花钱、又耗时的能力,直接交给模型调用不太稳妥。所以拆成两步:先返回完整方案与预计费用,这一步不创建任务、也不预扣费用;用户确认之后才执行。同一个 plan_id 再次调用会恢复已有任务,避免超时后重复提交付费任务。没配 API Key 时默认走 Demo 模式,返回模拟结果,用来验证安装和调用链是否通,不产生费用。
两年考研一对一辅导积累的讲义、易错点与练习题长期处于分散状态,存储于各类文档与聊天记录中。因此将上述材料系统化整合,构建为学生可独立使用的在线辅学工具,围绕贾俊平《统计学》第七版的考研范围来组织。
目前做了这些14 章考点框架精读,每章置顶重难点与易错提示;108 道思考题的翻卡抽背,支持纯题盲背、考点提示、完整解析三种模式,配一个熟练度跟踪;核心公式速查手册,按 10 个模块分章节子页面,公式用 KaTeX 排版;一份全书知识体系的思维导图;以及一个可以对接 DeepSeek、阿里百炼、OpenAI 或自定义 API 的答题批改,用来对比学生手写作答与标准答案。桌面端和移动端分别做了布局。
工程上的部分所有讲义内容有一份唯一的源文件,由构建脚本生成各页面,避免同一处知识点在多个页面里不一致;用邀请码做访问控制,学习进度存在云端;后台有一个简单的管理台看使用情况。部署写了两套——Cloudflare Pages + D1 与腾讯 CloudBase,数据库变更用 migration 管理。
部署了两次最早只部署在 Cloudflare Pages 上,后来发现该域名在微信内无法访问——学生基本都在微信里点开链接使用,链接无法打开意味着工具实际不可用。因此在腾讯云 CloudBase 上重新部署了一份,两端同源,学生通过腾讯云入口访问。此问题本身并不复杂,但它提示了一个原则:方案的「可用性」应以使用者的实际环境为基准,而非以开发者自身的访问条件为标准。
两个个人项目的界面截图。文字不太容易说清楚它们最后做成了什么样子,所以把图放在这里。图片可以点开看大图。
AIGC 竞品态势感知 Agent
每天自动抓取竞品站点、比对差异、生成结构化日报,并把当时抓到的原文一并存档。下面两张图分别是日报页和竞品分级检索页。
432 应用统计伴学工具
给自己带的考研学生用的工具,把讲义、公式和练习整理成可以自己用的形式。部署了两份:Cloudflare 那个域名在微信里打不开,而学生基本都在微信里点链接,所以又在腾讯云 CloudBase 上重新部署了一份,两边同源。
下面这些没有写进简历,或者只在简历上占了一行。放在这里是为了让经历完整一些——包括没做成的那一段。
将 2019 至 2027 年的经历绘制于同一时间轴,可以观察到两个维度的信息。
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。那几个月是首次被动建立事项优先级,也确实有事项不得不延后处理——当年初级会计职称考试即因此搁置。
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。
意外收获的一条经验:远程搭建的团队在缺乏线下接触时往往自然流失,面对面启动会议的留存率明显更高——此后每开辟一个新校区,均会亲赴现场组织一次面对面会议。
离开的原因在于认识到校园团队高度依赖持续招募与培训,难以形成有效的规模复利效应。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。
前半段负责海免团购的校园渠道,在上海招募 20 余名团长,销售额约一万余元,整体推进较为平缓;后来将主要精力转向渠道合作,对接了运营研究社的白领社群,效果比校园渠道明显更好。
后半段赴福州担任咖啡店储备店长,负责门店装修、设备采购和物料准备——每一项均需对接至少 3 家供应商进行比价与样品核验,部分品类还赴当地工厂实地考察。4 月 30 日开业,开业前通过了品牌方的培训考核。开业初期日营业额三千余元,关键在于接通了楼上联通省公司的员工卡系统。
老板后来邀我回去继续参与,但判断该店高度依赖员工卡这一单一渠道,扩张空间有限,因此婉拒。此段经历最实质性的收获,是系统性地经历了一次线下门店从筹备到开业的完整流程。
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。
列出此项,是为了减少面试中因双方对能力边界理解不一致而产生的沟通成本。以下尽量按实际情况呈现,不做拔高。
✓可以独立做的
- 进业务现场调研、梳理流程,输出可以交接的流程文档
- 竞品链路拆解、需求定义与 PRD,含交互规则、异常场景与验收点
- 用 AI 编程工具做出可运行、可部署的方案原型
- 上线前的功能与体验测试,示例与新手引导材料
- 供应商比价、招标与上线验收
- 客户与政企接待、方案讲解和培训
~可以做,但需要有人把关
- SQL 取数与业务指标复算——基础查询没问题,复杂 JOIN 和窗口函数还需要时间
- 接口与 API 联调、问题定位——能读、能改、能排障,还不能独立设计
- Agent 工作流的规则与成本设计——判断由我来做,实现依赖 AI 工具辅助
- 业务数据分析与复盘报告——统计基础在,但缺少处理大规模真实数据的经验
×目前还做不了
- 独立承担生产级后端开发
- 模型训练与算法优化
- 客户私有化环境的部署实施——Agent 虽然做了三种部署形态,但我没有真实客户环境的经验
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。
以下信息旨在帮助双方在前期沟通中更高效地对齐预期。
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。相对确定的优势在于:能够深入客户现场系统性拆解问题,并具备构建可运行方案的能力;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。前锦众程与豆绘科技两段经历恰好覆盖了「熟悉业务现场」与「贯通产品迭代链路」两端。
期望团队对方案决策有明确的评估标准,上线后有数据或客户反馈支撑复盘,并建立常态化的复盘机制。上一段经历中消耗较多精力的,不是需求被否定本身,而是难以判断问题根源——究竟出在业务价值、实现成本还是优先级排序上。
2027 年 6 月毕业,常驻南京,目前全职求职中。毕业论文按计划推进,不影响入职时间。