AI 产品与工具

把真实任务做成可复用小工具

AI 产品与工具实践者，AI 原生工作方式；懂 LLM/MARL，也能把技术讲清楚。

查看小工具阅读笔记

今日

节气 · 节日

此刻

正在进行

本周打磨：Logseq 模板工作台（模板结构化）。

本周打磨：离线水印清理器（本地修复）。

输出：2 个小工具案例页 + 评测清单。

AI Native 方法

默认先用 AI 结构化拆解任务，再扩展思路与草案，用清单与评测校验，最后由我取舍并负责交付。

结构化拆解

明确目标、约束与评价指标，把问题讲清楚再动手。

扩展草案

用 AI 快速扩展方案与草案，覆盖更多可能性。

校验评测

用清单与评测对齐指标，减少返工与偏差。

取舍交付

聚焦少数关键赌注，按结果交付并复盘。

小工具作品

从真实任务出发，每个小工具都有清晰场景与价值指标，并附案例与评测清单。

查看全部小工具

笔记

记录过程、方法与复盘，沉淀可复用的结论。

进入笔记

关于我

AI 产品与工具实践者，聚焦 AI 原生工作流与 MARL 落地，擅长把技术讲清楚并对交付负责。

AI 产品与工具

真实任务驱动，本地优先，把问题变成可复用的小工具与流程。

AI 原生工作流

结构化拆解→扩展→校验→取舍交付，效率更高、返工更少。

技术表达力

能把复杂技术讲清楚，方便产品与业务协作落地。

MARL / 多智能体

关注协作与评测，探索可靠落地与可控扩展。