香港中文大学（深圳）金融数学硕士 · 苏州大学统计学本科
关注数据产品 / AI 产品 / 企业级解决方案
具备四段实习经历：TCL 企业系统产品 → 字节 Seed AI 数据产品 → 腾讯企业级 AI 工作台 → 理想汽车销售策略。 擅长 0→1 产品搭建、数据看板 / 诊断引擎、Agent 编排与跨团队推进；可用英文工作沟通。
技能：Axure / Xmind · PRD · AB 实验 · SQL 调优 · 影刀 RPA · Cursor / Agent 工具
流程梳理 → 20+ 交互原型 → OA 接口联调 → 原型到生产 · 可演示、可评审、可落地。
建库 → 用库 → 补库 · 微前端统一工作台 · 执行层与治理层解耦。
多源采集 → 清洗质检 → 八维分层评分 → AB 验证 · 20,121 条样本 · 效率 +40%。
目标拆解 → 过程监控 → 日报复盘 → 宣发动员 → 一线反馈 · 专项分析沉淀为一线可用的工具。
GitHub/HF/Scholar · 准确率 90.5%+ · 人工降 50–60%
20,121 条 · 识别准确率 90.8% · 3 轮 AB
1,547 样本 · 路径推荐
效率 +40% · SQL 2.1s
5 板块 · 21 书架 · 微前端
12 专 Agent · 未命中 6%
AMER/APAC/EMEA · No-IOA · 费用分摊
VIP 分级 · DFA 双向扫描
MTD 底表 · 健康度 · 漏斗 · 综合诊断
幂等锁 · 失败重试 · 群发授权
437 条评论 · 6 类画像 · 侧滑门刚需
6,841 条评论 · 3 个议题
进攻型 / 坦诚型 / 重构型
27 家与问界同商圈（54%）
预览 → 授权 → 群发
S 经营数据分散、门店口径不一；竞品信息主要依赖试驾录音，媒体舆情和用户讨论覆盖不足。
T 以日常销售运营为基本盘保障目标落地，同时用数据与 AI 提高分析效率，把洞察转化为一线用得上的策略与工具。
A 目标拆到城市部/门店/车型并分口径监控达成，每日操盘日报与海报宣发；建门店级经营驾驶舱和 AI 助手流水线（18 类产品/流程）；做 MEGA/ES9（437 条）、问界（6,841 条）舆情专项和外观话术手册；完成 17 城 50 门店竞品商圈匹配。
R 从"展示数字"走向"诊断 + 动作"；发现 54% 门店与问界同商圈；舆情洞察沉淀为六类场景销售话术。
S 海外业务工具分散，12 个专业 Agent 知识覆盖不足，未命中率高。
T Console 一站式工作台 + Gap Finder 驱动补库。
A 5 大板块聚合；21 书架/135 文献；问询 ETL + 聚类挖缺口；No-IOA 40min→3min。
R 未命中率 6%；Console 建库 → Chatbot 用库 → Gap Finder 补库。
S 多源数据分散，采集靠手工，缺乏可解释的评分体系。
T Agent 驱动采集–清洗–交付；八维 V5.0 分层 + AB 实验。
A GitHub/HF/Scholar 接入；20,121 人评分；3 轮 AB；10+ SQL 调优。
R 准确率 90.5%+，人工降 50–60%，业务效率 +40%。