B 端 AI 产品经理 / 技术型产品经理

唐何

上海 · 系统科学硕士
19174148197 · tomhank2020@163.com · GitHub / het2333

个人概述

系统科学硕士,聚焦 B 端 AI 产品。具备工业询报价与企业知识工作台实践,覆盖用户访谈、需求优先级、AI 方案取舍、研发协作和业务验收;能参与原型开发,以真实使用审计与分层评测推动迭代。

工作经历

杭州智能科技有限公司 · AI Agent 开发工程师

2026.05–至今

  • 产品设计与实现:负责 RFQ 结构化、选品复核及评测迭代的需求与交互,参与字段契约、DeepSeek 抽取接入、React 工作台和评测脚本实现。
  • 协作与验收:在2人核心团队中负责需求、流程、方案取舍和业务验收;与开发者共同明确接口契约、讨论实现成本,依据实际操作、失败案例与回归结果安排迭代。

项目经历

Commexa · 工业询价与报价平台

产品负责人 / 部分模块开发 · 2026.05–2026.09

服务一家工业电气经销商的8名报价销售、2名技术选品人员,覆盖邮件、微信与采购清单来源的询价,辅助逐行整理、选品核对和报价准备。

【待补充:项目、4周使用及8周统计的起止日期】

  • 需求验证:访谈6名销售、2名技术人员,并观察30份历史询价;针对俗称与型号难检索、内部编码重复核对、漏行漏数量及审批版次混淆,确定逐行结构化、候选比较、例外分流与版本约束。
  • 方案取舍:完整型号优先精确召回,口语描述补充词项与向量检索,再重排和证据复核;内部 SKU/目录缺资料转内部核对,仅对影响选型且客户能回答的信息发起澄清。
  • 审核与验收:分离模型建议与执行,人工确认商品与数量,价格取权威来源,改版重校审批;按销售、技术、审批及管理员角色验收缺数量、禁止替代、ERP断线、重复提交和旧版操作,核对数据保存与状态。
  • 使用验证:10名员工连续使用4周,处理240份询价;审计其中120份、600行:提取无需修改552/600(92%),唯一推荐覆盖420/600(70%),人工审核后原样采用399/420(95%)。
  • 实测效果:30份10–15行含附件询价,从打开询价至保存待审批草稿平均60→32分钟(下降46.7%),含模型等待与人工审核,排除客户补资料、供应商回价及主管审批等待;8周有效询价完成240/300份审核报价草稿,完成率80%。
  • 反馈迭代:根据销售、技术和主管反馈,迭代待处理队列、区分资料缺失与客户需求缺失、显式提示报价版次与审批状态;通过固定回归集和下一周期抽检验证。

查看案例与完整指标口径 ↗ · 体验交互演示 ↗

OrgMesh · 企业知识与 Agent 工作台

个人开源二次开发

基于 Onyx Community v4.8.1,面向制度查询、员工入职和组织信息检索,扩展企业知识接入与中文使用场景,集成 Presenton。

【待补充:项目起止时间、用户访谈或需求依据、首期范围与取舍】

  • 产品与集成:围绕飞书知识与组织信息、中文 PDF OCR、企业术语和 Agent 模板推进二次开发,复用上游搜索问答能力,梳理知识库绑定、工具调用与来源引用流程。
  • 关键取舍:针对企业缩写与中英术语设计词表和查询扩展;将用户隔离、身份未就绪暂停请求、鉴权失败隐藏缓存和来源权限复核纳入验收条件。
  • 迭代交付:基于 Python/FastAPI 与 Next.js 推进企业功能扩展,完成部分合成中文资料的本地链路验证;企业真实语料、SSO、并发与整体验收仍在推进。
  • 评测设计:使用 Recall@K、MRR 分别检查召回与排序,回归权限和失败分支;通过公开仓库记录迭代,GitHub 103 Stars(截至2026.10.07)。

【待补充:评测集规模与前后指标、真实用户反馈、本人独立完成模块】

查看项目与集成来源 ↗

教育经历

上海理工大学 · 系统科学硕士 2023.09–2026.06
湖南财政经济学院 · 国际经济与贸易本科 2019.09–2023.06

研究方向:强化学习自动驾驶 | 中国研究生数学建模竞赛二等奖(2023、2024)

专业能力

  • 产品设计:用户访谈、需求优先级、流程与异常设计、人工确认/审批、权限边界、可验证的验收条件。
  • AI 与评测:Agent 工作流、工具调用、RAG、混合检索与引用;按抽取质量、推荐覆盖、人工采用和总耗时分别定义指标。
  • 技术协作:Python/FastAPI、TypeScript/React、SQL;参与可演示原型、接口联调与回归脚本,借助 AI 编程工具辅助开发、调试和测试。

学术研究

Safe, Efficient, and Energy-Saving Speed Control for Autonomous Driving Based on Reinforcement Learning

Proc. IMechE, Part D: Journal of Automobile Engineering

【待补充:作者顺序、发表/录用状态、年份及 DOI】

Separating State Reconstruction from Fault Removal in Robot Recovery Evaluation | IEEE ICRA(投稿中)

【待补充:投稿年份、作者顺序及本人研究贡献】

更多个人项目 ↗ · 开发方向备份 ↗