01
能否从 0-1 定义 AI 产品？
从用户需求和业务价值出发，定义产品边界，确保解决用户痛点。
在智能问数项目中，围绕运营管理者对于临时问数、下钻和安全的诉求，定义产品支持单轮问数、澄清追问、权限控制等核心场景，为管理者提供自主数据分析能力。
对应证据燃气安检智能问数Agent
查看关键决策产品边界定义
AI 产品经理
胡先生
将业务问题转化为可验证、可落地的 AI 产品。
从算法研发走向 AI 产品定义。
4 年算法研发经验
1 年AI 产品落地经验
Agent智能问数与评测
AI Infra模型数据飞轮
01 / ROLE FIT
能力匹配：回答 4 个问题
02
能否判断 AI 技术边界？
用技术理解收敛方案设计，确保产品可落地。
在智能问数项目中，用元数据知识库框定业务语义范围，用上下文工程将用户语言翻译成智能体可消费的上下文，提升 Text2SQL 稳定性和可靠性。
对应证据燃气安检智能问数Agent
查看关键决策SQL 生成正确率85.9%
03
能否建立效果评测和数据闭环？
建立全链路评测体系，同时将用户纠错过程沉淀为样本，反哺优化。
为问数智能体设计分层评测，进行归因和全链路优化，同时设计用户纠错能力，支撑数据迭代闭环。
对应证据燃气安检智能问数Agent
查看关键决策分层评测和纠错回流机制设计
04
能否推动跨团队落地？
能拉通算法、数据、研发和业务对产品的认知，统筹跨团队协作交付落地。
对齐算法、数据和标注对于数据飞轮平台的认知，统筹不同角色推进项目落地。
对应证据AI 数据飞轮平台
查看关键决策认知对齐
02 / CASE EVIDENCE
项目经验
不是罗列经历，而是展示候选人的潜力，以及产品判断、方案设计和技术应用能力。
01从让别人查数据到自己问数据
燃气安检智能问数Agent
面向企业管理人员的智能问数产品，支持自然语言取数、指标解释和多轮追问。
关键判断
产品判断：不是把图表搬到对话框里，而是让运营管理者拥有自主数据分析能力。技术判断：让模型先了解数据结构和业务语义，再生成 SQL。
90.2%任务成功率
02让资产有效沉淀，让模型迭代自动化、可追溯
AI数据飞轮平台
面向燃气隐患识别模型的迭代平台，支撑模型上线后的持续运维。
关键判断
不做传统的 MLOps，而是聚焦业务中的数据回流、资产沉淀和模型迭代。
1.5 天 → 0.5 天回流数据交付周期
03从样本开始，到模型工程化交付的全链路跟踪工程交付
基于Transformer的遥感变化检测
围绕多时相卫星影像变化检测，完成样本体系、模型优化以及接口联调和容器化部署，形成从数据到业务系统的完整工程链路。
关键判断
搭建样本体系和标注 SOP，提高标注效率；针对自有卫星优化，引入多尺度训练、Focal Loss 损失函数和形态学处理，减少后处理人工成本。
54% → 86%模型 F1 指标；50k+ 样本规模
03 / CAREER PATH
不是离开技术，
而是扩大解决问题的范围
算法经历让我理解模型依赖什么、容易在哪里失效；产品经历让我把这种判断用于问题定义、方案取舍和效果验证。
2021 — 2025
AI 算法工程师
先理解模型如何被做出来。
从样本规范、训练调优到接口联调与容器化部署，形成对数据质量、评测口径和工程边界的直接经验。
2025.08 — 2026.06
AI 产品经理
再判断 AI 应该解决什么。
面向 Agent 与模型迭代场景，从业务问题、产品边界、交互方案到分层评测，推动跨数据、算法与研发团队协作。
OPEN TO OPPORTUNITIES
如果您感兴趣，
我们可以从一次对话开始
邮箱：
guoq_667@163.com
公开主页仅保留邮箱。完整简历可在建立联系后提供。