01 · Intro
AI 产品经理/ 用户增长AI Native Builder
AI Product Manager / User Growth /
0→1 Product Practice
南京大学数字建筑方向硕士，
关注面向全球用户的 AI 原生产品，
以及通过低成本 MVP、
内容传播和用户反馈完成市场验证。
能够从真实用户问题出发，
完成用户洞察、产品定义、MVP 设计、
AI Coding 开发、上线前验证和增长策略设计。
熟练使用 Claude、ChatGPT、
Codex、Claude Code 等 AI 工具，
将复杂问题拆分为产品流程、结构化任务和可运行 Demo。
User Insight
Product Strategy
MVP Design
AI Coding
Growth Loop
Agent Workflow
Prototype
Global Validation
MVP
Users
Growth
Demo
AI
Build AI products from real user problems.
南京大学数字建筑方向硕士，本科为建筑设计背景，关注 AI 产品创新、用户体验与产品工程落地。擅长从真实用户场景中发现问题，完成需求洞察、产品定义、MVP 取舍、AI Coding 开发与迭代验证。
参与多个 AI 产品从概念到可交互原型的完整过程，覆盖可编辑 3D 生成、社交内容创作、家庭饮食决策、AI 音乐陪伴与专业视觉解析。熟练使用 Claude、ChatGPT、Codex、Claude Code 等工具建立高效的 AI 原生产品开发流程。
南京大学（985）｜建筑与城市规划学院｜数字建筑与 CAAD｜硕士研一在读
用户研究、需求洞察、产品定位、用户旅程、功能架构、MVP 设计、PRD、交互原型、产品验证
Aha Moment、首次激活、内容分享、模板传播、家庭成员邀请、社区冷启动、增长指标设计
Claude、ChatGPT、Codex、Claude Code、AI Coding、Prompt Engineering、Agent Workflow、Python、JavaScript、Git
数据结构化、JSON Schema、用户反馈归类、错误分析、数据清洗、模型结果评估、基础机器学习分析
数字建筑、空间计算、3D 生成与参数化设计、建筑图像解析、计算机视觉
03 · Project One
PalX / PairX turns creative intent into editable 3D workflows.
可编辑 3D 生成产品｜AI Agent 工作流｜产品 Demo｜创作社区与实体打样方案
面向缺乏专业建模能力的创作者，将自然语言创意转化为可编辑、可参数化的 3D 结果，并探索从数字创作到实体打样的产品链路。项目曾进入湖南卫视 / 芒果TV《夺金2026》公开展示与获奖语境。
从用户描述不完整、生成过程不可控的问题出发，我负责产品流程、结构化解析与原型 Demo 推进，设计「规划器—执行器—验证器」AI 工作流，将模糊需求转化为结构化任务，并建立可行性判断、结果校验和失败重试机制。
负责整体产品架构、用户流程与核心功能拆解，协调规则组件与端到端生成组件，使技术概念形成可展示、可操作的产品系统。
将用户自然语言输入拆分为确定项、可协商项和缺失项，通过可行性判断减少无法执行的生成任务，并定义验证与重试条件。
围绕创作社区、作品分享、实体打样、预售验证和创作者冷启动设计增长路径；当前表述为产品方案与验证计划，不写成已上线增长结果。
04 · Project Two
Y-Picture builds a social content creation loop.
AI 原生社交内容创作工具｜九宫格拼贴｜批量抠图｜模板传播｜海外验证假设
面向九宫格拼贴、纪念日内容和批量抠图场景，减少用户在多个修图工具之间反复切换的问题。项目从社交平台内容观察和竞品体验出发，把问题重新定义为「缺少从素材生产到成组表达的完整链路」。
观察到高互动拼贴内容通常需要用户在多个工具间完成抠图、素材整理和排版，据此整理素材处理、个人资产库、跨画布拼贴和模板分享需求。
独立完成意向文档、产品需求、功能拆解和原型开发，并用主窗口与子窗口协同管理 AI Coding，让产品结构、页面状态和实现边界保持一致。
设计「创作—分享—模板复用—再次创作」增长闭环，并规划首次作品完成率、分享率、模板复用率和二次创作率作为后续验证指标。
基于图片创作低语言门槛和社交传播属性，规划面向海外内容创作者的英文版本、模板冷启动和用户作品传播方案；当前为市场验证计划。
06 · Project Four
Soloist validates an AI duet Aha Moment.
2026.04-2026.05 · 独奏家｜AI + AR 音乐陪练产品 MVP｜南客松 S2 日常生活与创意体验赛道金奖
面向乐器初学者独自练习时缺乏反馈与陪伴的问题，探索 AI 音乐生成和 AR 空间交互结合的陪练体验。第一版产品将复杂音乐教学压缩为「单独练习」和「AI 即兴对弹」两个核心模式。
负责产品定位、功能结构和核心体验设计，将 AI 对弹定义为验证陪伴感的核心 Aha Moment，避免第一版功能过重。
参与 MIDI 解析、音乐生成模型和 AR 交互流程，将音符、节奏、旋律片段和响应时机整理为可运行的跨领域 MVP。
在较短周期内完成可演示 Demo，实现无设备练习与 AI 即兴合奏核心能力，并获得赛事认可。
AR Practice Layer
Soloist
AI Counterpoint
music-large-800k
MIDI parse · melody generation · real-time duet
单独练习
AI 即兴对弹
陪伴感 · 即时回应
07 · Technical Depth
Floor-plan parsing adds technical depth to product practice.
建筑平面图智能解析｜12,000+ 平面图数据｜结构化输出｜论文在投 · 发明专利申请中
面向复杂建筑平面图信息难以直接被计算机利用的问题，将墙体、空间、标注等多层级元素及其关系转化为结构化数据，参与构建从图像识别到结果校验的完整流程。
12,000+
平面图数据处理与结构化
Vision
元素、层级与空间关系识别
Schema
专业知识转化为数据结构
Validation
异常情况处理与结果校验
Structured Output
{
"elements": [],
"spatial_relations": [],
"hierarchy": [],
"validation_status": ""
}
08 · Knowledge Workflow
Knowledge graph supports AI-native product work.
个人知识图谱｜AI 工作流｜北极星文档｜版本记录｜多模型交叉检查
将新闻、论文、模型、工具和项目等非结构化信息整理为具有统一字段、来源记录、实体关系和更新时间的知识数据，为产品调研、竞品拆解、模型上下文和复盘输出提供基础。
建立以北极星文档为中心的 AI Coding 流程，通过主窗口负责需求与逻辑一致性，子窗口负责模块开发、代码审查和耦合检查，并在每个阶段记录决策、失败原因与版本变化。
管理上下文、判断模型输出、识别幻觉与错误，使用多个模型交叉检查。
保留阶段总结、失败记录、文档生命周期、版本管理和后续复用路径。
AI Product OS
Workflow
用户场景 / 竞品 / 模型 / 工具
产品方向 / 任务边界 / 关键取舍
主窗口监督 / 子窗口执行
错误记录 / 版本变化 / 复盘输出
复杂问题
结构化任务
可运行 Demo
09 · Other Spatial & Creative Experiments
Supporting experiments show fast prototyping range.
以下项目作为补充案例保留：展览空间人流模拟、手势粒子交互 Demo 等。它们不占据核心求职叙事，但能展示我在空间计算、可视化模拟和创意交互中的快速落地能力。
Experiment 01 / 02
Dynamic Exhibition Space
Open case study →Three.js · semantic model · crowd simulation
10 · Resume
One-page resume for AI product and growth.
简历已单独整理为中文一页式版本，重点展示 AI 产品 0→1、用户洞察、MVP、AI Coding、增长机制设计和可验证项目成果。
Target Role
AI 出海训练营实习
产品经理 / 用户增长 / AI Native Product Builder
- 用户洞察与产品定义
- 可交互原型与 AI Coding
- 内容分享、模板传播、邀请机制
- 海外市场验证假设与增长指标设计
11 · Working Methods
How I use AI to move from idea to MVP.
我不会把 AI 只当成代码生成器，而是把它放进产品从洞察、定义、原型、开发、验证到增长策略的连续流程里。关键是先拆解任务、管理上下文、判断模型输出，再让 Claude、ChatGPT、Codex、Claude Code 等工具加速执行。
resume · AI product builder →User
Insight
用户洞察
从真实用户场景、内容平台观察和竞品体验中定义产品问题。
把「用户想做什么」「为什么现在做起来麻烦」「第一版最小验证什么」写清楚，再决定功能优先级。
01MVP
Scope
MVP 取舍
将复杂想法压缩为核心路径、Aha Moment 和可验证指标。
在 PalX、Y-Picture、享食和 Soloist 中，我都优先定义第一版必须跑通的用户动作和反馈闭环。
02AI
Coding
AI 原生开发
用北极星文档、主子窗口协作和阶段总结管理长期上下文。
主窗口负责需求一致性和代码边界，子窗口负责模块开发、审查和耦合检查，减少长期项目中的上下文丢失。
03Growth
Design
增长设计
在产品机制中提前规划内容传播、邀请和复用路径。
当前没有虚构上线增长数据，因此以增长机制设计、验证指标和海外市场假设呈现相关能力。
0412 · Knowledge Graph Evidence
My Obsidian vault keeps AI product work traceable.
这一页用五张面板展示我的 AI 知识库：它如何收集动态信息、沉淀实体卡片、建立横向比较，并通过模板把零散知识整理成可检索、可复用、可人工确认的数据对象。
Mind map as a living index
Panel 01 / 05From incoming signals to reusable knowledge
Clippings
视频、播客、文章、新闻先进入临时收集区
→
Process
检索、去重、分类，并识别需要更新的实体
→
Signals
动态内容被整理进新闻、文章、播客、视频词条
→
Entities
人物、公司、模型、工具、Skill 等卡片被补全
→
Database
标记 has updated，提醒我逐条阅读和确认
知识库帮助我在产品调研中保留来源、版本、实体关系和个人判断，让后续 AI 对话、竞品拆解和公开输出都有可追踪的上下文。
Panel 03 / 05
Four layers organize the vault
Entity Cards
Skills · GitHub Projects · People · Orgs · Models
Evaluations
同类工具、模型与项目的横向比较
Topics
围绕命题重组分散卡片并建立双向链接
Signals
新闻、文章、教程、播客和视频的动态输入
Panel 04 / 05
Templates make every note comparable
Skill / Workflow
流程、边界与结构图
- 摘要与核心任务
- 关键结构与工作方式
- 适用场景 / 不适用场景
- 研究备注与后续比较
Project / Repo
架构、依赖与复用价值
- 仓库基本信息
- 组件结构与数据流向
- 外部依赖和输出目标
- 是否进入 Evaluation
Entity Cards
能力关系与更新状态
- 人 / 组织 / 模型 / 工具
- 核心能力与已知边界
- 来源、版本与更新点
- 个人判断和待补充问题
Signal / Topic / Eval
动态输入到横向判断
- 文章、新闻、播客来源
- 核心论点与要点提炼
- 关联实体和缺失卡片
- 围绕命题重组双向链接
Panel 05 / 05
From knowledge database to public output
13 · Contact
Get in touch.
16696010419© 2026 XUE JIFENG · AI PRODUCT BUILDER