张文婧
AI 产品经理 | 9 年互联网经验 | 游戏 / LLM / Agent 方向
拥有 9 年互联网全链路经验的 AI 产品经理，现就职于香港绿洲游戏网络科技有限公司 Refantasia 项目组。具备「工程师 + 产品经理」复合背景，独立完成 5 个真实 AI 产品的定义与交付，并独立设计了 31 个 Claude Code Skills 组成的 AI Agent 全流程开发工作流体系。
个人优势
罕见的跨岗复合背景
从前端开发、前端开发组长，到 Game Panel 后端 / GameSDK 研发，再到 AI 产品经理，在现公司连续多年因稳定交付与跨团队协作能力获得公司委以重任。既能读懂代码、评审技术方案，又能从运营视角定义 AI 产品价值，是真正意义上的"技术型 AI PM"。
完整的 AI 产品闭环落地能力
独立主导并落地 5 个真实 AI 产品——增长 / 降本 / 洞察三板斧 + CSP 深度案例 + AI Agent 工作流体系，覆盖 B 端 + C 端、文本 + 图像、结构化 + 创意的完整 AI 产品矩阵。面向多服务器、9 种语言、35 张业务表的正式服数据完成 PRD、指标评测、技术评审、灰度上线与 A/B 测试。
AI Agent 系统编排与 Pipeline 设计能力
独立设计 31 个 Claude Code Skills 组成的 AI Agent 全流程开发工作流体系，覆盖 iOS App 从产品想法到 App Store 上架的 S0–S14 共 14 个阶段；支持双并行区开发（Git Worktree 代码隔离）、L1/L2/L3 三级变更管理和 Harness 三文件跨会话状态持久化。
LLM / Agent / RAG 全技术栈实战
熟练使用 GPT-5.4 / Claude Opus 4.6 / Qwen3.6 / DeepSeek-V3.2 等主流模型，能独立设计 Prompt 工程、RAG 检索、JSON Schema 校验、Agent 工作流、Text-to-SQL 语义层、多模型路由与成本控制方案。
深度的 ComfyUI / SDXL 图像工程能力
独立搭建 25 节点 ComfyUI v3 多阶段流水线，使用 130 张平衡采样自训 SDXL LoRA，独创「双 Pass 手部修复 + OpenPose 骨架 ControlNet reroute」解决 SDXL 手指畸形，完成 Next.js 全栈生产级集成。
英语听说读写实战能力 (雅思 5.5)
2023 年在高强度研发工作节奏下利用业余时间自考雅思 5.5，具备可直接用于工作场景的英语听、说、读、写能力，能与海外团队就 LLM、Agent、多语言本地化等议题顺畅沟通。
自驱力与快速学习能力
2023 年在 LLM 技术浪潮兴起时，主动识别游戏运营侧四大真实痛点（流失难归因、活动拼 JSON、查数靠排期、排期靠 Excel），自发学习 LLM / RAG / Agent / ComfyUI 全套技术栈并产出可运行的 PoC，随后被公司任命为 AI 产品经理。
工作经历
AI 产品经理
2020.08 – 至今主导 Refantasia AI 产品化落地，面向多服务器、9 种语言、35 张业务表的正式服数据，独立完成增长 / 降本 / 洞察三板斧 + CSP 深度案例共 4 个 AI 产品，以及 31 个 Claude Code Skills 组成的 AI Agent 全流程开发工作流体系。曾在同公司先后担任前端开发组长与 Game Panel 后端 / GameSDK 研发，主导 Game Panel 从 0 到 1 的系统搭建。产品背书：Refantasia（Google Play 50 万+ 下载，运营 3 周年）。
前端开发工程师
2019.10 – 2020.08参与法务相关系统建设，处理复杂流程型业务需求，负责前端方案设计与上线交付。与后端、法务、产品多方协作，锤炼了大体量内部系统的流程理解与跨部门沟通能力，为后续转型 AI PM 打下业务抽象基础。
前端开发工程师
2017.06 – 2019.09负责业务前端开发与迭代交付，参与多个产品从 0 到 1 的前端工程搭建与上线。完成早期工程能力积累，建立了对产品、设计、后端协作的完整工程师视角。
核心 AI 项目经历
AI 运营内容生成 Copilot（文本 + 图像双通道）
Background: 跨服节日活动从初稿到 9 语言上线平均要 5 天（3 天卡在翻译与术语 QA），运营 50% 时间用来手工拼 JSON；换装 / banner 图依赖美术排期 2-3 天。
Solution: 文本通道：RAG 检索 12608 条版本化配置 + 59016 条多语言词条 + 142 份邮件模板，5 个 Agent Tool，独创「术语强制替换」机制保证关键术语 100% 一致。图像通道：APK 解包 → 749 资产 → 130 张平衡采样自训 SDXL LoRA，25 节点 ComfyUI v3 工作流，Next.js / React 全栈集成。
Result: 活动 TTP 由 5 天缩短到 0.5 天；本地化一次通过率 70% → 95%；JSON Schema 首过率 ≥ 90%；换装生成单批 4 张 3–8 分钟，成本 ¥3–6/张，人工盲评一致性 ≥ 80%；端到端在阿里云 + 七牛 + OneThingAI A100 生产可跑。
AI Agent 全流程开发工作流体系（独立设计）
Background: 从 0 到 1 做一个 iOS App 涉及调研、PRD、设计、架构、开发、联调、测试、发版等十个阶段，AI 辅助编程工具虽然能写代码，但缺乏跨阶段的编排能力——每次新会话都要重复交代上下文、手动串联依赖。
Solution: 将完整开发流程拆解为 S0–S14 共 14 个阶段，落地 31 个 Claude Code Skills；设计双并行区（S4 UI + 架构、S8/S9 前端 + 后端）用 Git Worktree 做代码物理隔离；L1/L2/L3 三级变更管理 + 回退路径矩阵；Harness 三文件体系（AGENTS.md / progress.md / decisions.md）解决跨会话记忆丢失问题。
Result: 该工作流已在多个 Expo + React Native iOS 项目中实际使用，将「从想法到可提审版本」的周期从数周压缩到天级别；31 个 Skill 的编排关系、变更管理和状态持久化机制形成了一套可复用的 AI Agent Pipeline 设计范式。
AI 玩家流失预警与智能挽回系统
Background: 正式服大量付费角色分布在多个数据库，长期只能靠「全员普发礼包 + 回档赠送」粗放挽回，既浪费预算又错过高价值流失用户；付费流失缺乏可追溯的归因依据。
Solution: 从 64 列行为 JSON 抽取 5 维度 36 个流失信号（付费 / 社交 / 进度 / 养成 / 竞技），设计「在线时长新鲜度衰减函数」解决历史快照评分虚高问题；规则层产出确定性证据链，gpt-5.4 做归因复核并生成中 / 英 / 日 3 语言个性化挽回邮件与奖励包；内置 DataSourceBadge / SqlPeek / LlmTrace 三件套支持全链路可审计。
Result: 归因预测召回率 ≥ 70%、精确率 ≥ 50%；LLM 归因与人工盲评一致率 85%；日批 P95 ≤ 30 分钟，LLM 日成本 ≤ $50；搭建 6 段漏斗 + ROI 趋势对比的 A/B/C 看板。
AI 游戏数据对话式 BI
Background: 35 张业务表、40+ 长文本 JSON 字段，运营 / 策划 / 管理层 / 客服每天 5-10 个临时查询全部排给研发，SLA 1-2 天；同一「流失」指标全公司有 3 种口径。
Solution: 核心壁垒为「两阶段架构」：Stage1 LLM 只产出结构化 Intent JSON，Stage2 确定性 SQL 编译器把 Intent 翻译为语法安全的 SQL；5 实体 YAML 语义层预定义 JOIN 条件与虚拟列；沉淀 30+ 条全公司统一口径术语表；内置 9 层 SQL 沙箱；4 角色 RBAC + 客户端 PII 脱敏。
Result: 研发排期 1440 分钟 → 10 秒自助查询，提速 ~8000 倍；语义路径 SQL 正确率 100%；fallback Text-to-SQL 首过率 ≥ 85%；越权拦截 100%、审计日志 100%。
AI 活动排期助手（深度案例）
Background: 跨服活动月度排期历史依赖运营手工填 Excel：13 类活动 + 模板变体 + 复杂的「参与服务器集合」，一张表要拉 0.5-1 天，每月仍有 1-2 次冲突，约束规则全在老运营的脑子里。
Solution: 从真实 DB 动态拉取 13 类组合；gpt-5.4 + 12 条硬规则；设计四层防幻觉防线（Prompt 约束、Allowlist 注入、Parse 层、严格白名单校验）；@dnd-kit 可拖拽网格；Excel 导出按活动类型分 sheet，单元格合并、服务器行结构、冻结窗格均与运营真实表 1:1 对齐。
Result: 月度排期耗时 1-2 天 → MVP ≤ 60 分钟 → 成熟期 ≤ 35 分钟；硬约束违反 0、LLM 幻觉率 0；Excel 导出与历史真实表 100% 一致；对历史记录回归严格 IoU ≥ 70%、宽松 IoU ≥ 85%。