CrystalOps.
让每一次回答都有业务依据
一套可配置的客服工作台,将知识、规则与工具组织成完整服务流程。从水晶业务出发,为不同商品与行业保留清晰的适配空间。
- 业务知识
- 任务执行
- 回复检查
查看真实测试路径
模拟顾客询问水晶手链材质、尺寸、订单与寓意。
观察知识规则、工具操作、风险拦截与人工接管的流程。
演示数据不代表真实商家订单;祝福寓意不承诺功效。


读懂业务,把 AI 做成真正用得上的工作台。
以提效、降本、增收为目标,让产品回应真实业务。
五件作品 五条从需求走向应用的路径
让每一次回答都有业务依据
一套可配置的客服工作台,将知识、规则与工具组织成完整服务流程。从水晶业务出发,为不同商品与行业保留清晰的适配空间。
模拟顾客询问水晶手链材质、尺寸、订单与寓意。
观察知识规则、工具操作、风险拦截与人工接管的流程。
演示数据不代表真实商家订单;祝福寓意不承诺功效。

让产品思考从零散对话走向成形方案
围绕同一个项目,衔接需求分析、AI 方案、PRD 与竞品研究。把重复交代背景的时间,留给判断与打磨。
输入「为零售客服规划一个 AI MVP」等自然语言需求。
查看需求分析、AI 方案、PRD、竞品分析是否基于同一项目上下文,并人工复核事实。
生成结果是待审阅的工作草稿;实际调用取决于模型服务与配置。

让 Agent 的执行过程也经得起追问
从工具超时、重复发送和错误数据出发,比较不同运行策略。看见一个 Agent 怎样执行、怎样停下,又怎样恢复。
设置工具超时、外部写操作、上下文预算等失败场景。
比较重试、回退、检查点与人工确认对执行路径的影响。
这是用于理解 Harness 的实验平台,不等同生产环境可靠性保证。

一个能接住工作背景的个人 AI 助理
让项目、知识和行动共享同一份上下文。少一点反复交代,多一点连续推进,把日常积累变成真正可调用的帮助。
尝试把项目、目标、任务与日常记录放在同一工作空间。
观察项目上下文如何被组织,哪些连接真实可用,哪些仍属规划。
现阶段以本地能力为主;长期记忆与跨模块连接需逐项验证。

让今天的投入成为明天的方向
从目标与专注计时,到日思录与 AI 复盘。把一天的行动串成可以回看的记录,让建议不再停留在一句鼓励。
填写当天目标,启动计时,记录日思录并生成日报。
核对计时记录、连续打卡、日报与历史回看是否相互对应。
用于个人实践;不虚构商业客户或量化提效数据。

Lexie从精算学走向 AI 产品,我始终坚持先理解问题,再选择工具。本科精算学专业排名第 1,获得国家奖学金,并通过 FRM(金融风险管理师)一级考试。精算与风险管理训练让我善于分析数据、评估风险、拆解复杂问题,也养成了用证据支持判断的习惯。
现在,我希望把这种能力带进真实业务:理解用户和经营流程,找到值得解决的痛点,再通过需求分析、方案设计与快速验证,把 AI 做成真正有人使用的产品。比起炫技式 Demo,我更在乎流程能否跑通、效果能否衡量,以及能否为业务带来提效、降本与增收。期待加入深圳认真做 AI 应用的团队,也欢迎有真实需求的业务伙伴一起把想法落地。
我想把 AI 真正用到业务中,帮团队省时间、降成本,也找到新的增长机会。
理解真实问题,是设计方案的起点。
不止会用工具,更要能解释设计和验收。
围绕客服 Agent、产品工作台与个人效率,持续完成需求拆解、交互设计、AI 辅助开发与实际体验迭代。
凭借精算学与 FRM 一级积累的分析和风险判断能力,先后获得多家银行、保险、金融机构以及初创 AI 公司的录用机会。在职业选择中逐渐明确方向,希望将专业训练形成的逻辑思维与问题解决能力,运用到真实业务场景和 AI 产品实践中。
参与产品与运营设计、企业需求对接及线下沙龙;促成 10+ 项合作方案。团队累计整合 4000+ 企业资源。
参与从 0 到 1 的零售筹备,用 AIGC 制作招商材料,参与供应商、酒店合作与渠道落地。
参与客户数据清洗、RFM 模型与业务分析,把数据处理能力连接到实际业务问题。
GPA 3.62/4,专业排名第 1,获国家奖学金。积累定量分析、金融风险与复杂问题拆解能力。
深圳 · AI 产品经理 / AI 应用与解决方案

从已有产品出发,把 AI 能力接进你的业务流程
让 AI 接住背景,也接住下一步行动
以 PersonalOS 的工作台结构为起点,围绕你的项目资料、知识与任务,组织可积累的上下文,连接信息入口与常用工具。按实际工作方式适配,让个人助理从通用问答走向连续协作。
把业务经验,沉淀为可执行的服务流程
基于 CrystalOps 已有的客服框架,将商品知识、服务规则、查询工具与回复检查分层配置。保留通用流程,适配你的业务资料与操作边界,让一次咨询既有依据,也有清晰的处理路径。
把重复工作,接成可以持续运转的流程
从 AI Daily 的信息整理实践出发,拆解资料采集、筛选、生成与交付之间的重复操作。复用已有流程结构,按你的数据来源和使用习惯连接工具,并明确异常处理与人工确认的位置。
从一个业务问题,做出可体验的产品
结合 AIPMate 的产品分析方法与 AI 辅助开发实践,推进需求拆解、方案设计、交互和原型构建。以已有作品中的成熟结构为起点,缩短从想法到验证的距离,再根据反馈继续迭代。
把学习路上值得留下的笔记 分享给愿意同行的你
这里会随我的积累慢慢更新 愿你每次来都有所收获
这些是我付费向老师学习后整理的笔记及保留署名的阅读材料
仅供个人学习 请勿商用 转售或付费传播 原作者与课程权利归各自所有
从理解业务到构建 AI 工作台,把提效、降本、增收写进产品目标。
与团队一起落地,在真实使用中检验价值。