这个网站是一个可以钓鱼的像素湖边。你的浏览器关掉了 JavaScript，先看文字版。
关于我
贾程博，FDE / AI 产品经理，华南理工大学本科。
经历过三个阶段：在字节跳动做大模型后训练，在小红书把 AI 产品从 0 做到 1，现在在跨境电商做企业 AI 落地。
现任过亿级跨境电商头部大卖 Mulberry 的 AI 赋能负责人：带团队制定由上至下、由决策到行动的企业 AI 战略，推动 27 条业务线、2 种岗位的数字化与 AI 化转型。
经历
2026.03 – 至今
Mulberry · FDE / AI 产品经理
过亿级跨境电商头部大卖
FDE / AI 产品经理（公司 AI 赋能与实施）
小墨 · Amazon 运营数字员工（代理型 Business Agent）
成就概述交付面向 Amazon 运营的数字员工「小墨」：运营只下达业务目标，小墨在授权范围内自行拆解任务、调用工具，有能力完成定价、上品、商品文案与图片生成、广告盯盘等 50 余种工作；单 Agent 净节省人工工时 7～8h，持续使用率 97%，单 Agent 有效任务完成量 500+/天。
- 业务诊断与 MVP 设计
深度分析运营 30+ 工作流程与痛点，划定 Agent 与人的职责边界，制定并落地 Agent 首个工作职责与产品路线图。
- 记忆与知识体系
按项目、父子 ASIN 设计隔离式长期记忆，结合 Git、LangGraph 设计 Agent Dreaming 机制，实现记忆高质量存储、高效率取用。上线后重述次数减少 87.74%，纠错复发率降低 93.57%。
- Agent Loop、Tool Use 设计
结合运营思路与能力，将 MCP、Computer Use 与 RPA 整合为统一 Tools，由 Agent 按任务选用，覆盖无 API 的复杂后台与三方系统；设计内外双循环 Agent Loop，任务自主完成率提升 93.3%。
- Agent 成本控制与模型路由系统
建设企业前沿模型号池与模型路由系统，在保证任务完成率的前提下降低 Token 成本 49.3%。
Amazon 跨境财务对账 Agent（伴随型 Agent Harness）
成就概述将跨境财务对账流程进行 AI 化改造，交付为可按月托付的 Agent 服务：Agent 直接产出可审计的对账单与差异报告，并能满足财务同学日常工作中的长尾需求，将 10 人天的财务对账流程压缩至 3 人天。
- 业务逻辑理解与产品路线图设计
结算单、发票、费用扣款与 ERP 流水异构、跨期错位，人工逐表核对慢且易漏查异常扣费；深度分析业务流程与用户痛点，制定 5 阶段产品路线图。
- Agent Harness 架构设计
设计迭代 15+ 高质量代码工具，增强模型能力与模型幻觉控制。基于 PiAgent 上下文机制自研
- Skills 自动生产机制
面对复杂、低 ROI 的长尾需求，设计 skills-creator 自动生产机制，将财务同学 50+ 工作流程自动流程化，并设计 Skills 广场，落地实现财务部门的 AI 化改造。
2024.12 – 2025.12
小红书 · AI 创新产品经理
上海行吟信息科技有限公司
AI 创新产品经理
Sigma 运动（从 0 到 1 孵化的专业跑者 AI 教练，ToC）
- 需求定义与拆解
从「运动数据与体感不匹配」的核心痛点出发，对比 Garmin、Keep 等竞品，结合 5 万+ 社区笔记与 48 位跑者深访，把 MVP 收敛为「基础记录 + AI 分析」，明确各环节的输入、输出与验收标准。
- Agent 架构设计
设计「意图识别 + 三层记忆 + Function Calling 工具」的 Agent 架构：意图识别 3 路分流；记忆分会话短期、中期（过往跑步与对话事件）、长期（洞察模型提炼用户画像）三层；大模型只生成分析逻辑，函数工具执行底层运算。幻觉率由 95.6% 降到 10% 以下，模型准确性提升 58%。
- 数据飞轮与模型对齐
协同算法推进 SFT / DPO / RLHF 与自动化数据飞轮：把 30+ 隐性行为转为微调正负样本，沉淀 500 万+ 条垂类数据；负责 RAG 知识库的数据源筛选、切分策略与召回评测。
- 工作成果
Chat 开口率 +71.4%，核心用户 7 日留存提升至 52.3%。
圆周旅记
- 产品全流程
负责需求分析、竞品分析与 PRD 撰写，推动产品从 0 到 1 落地。
- 模型策略与能力增强
参与 SFT 数据构建及 DPO / RLHF 偏好对齐，优化模型生成质量。
2024.07 – 2024.12
字节跳动 · AI 训练师
AI 训练师
- 豆包大模型微调
教育、创意写作、逻辑推理等多领域 SFT 数据构建；累计完成 60,000+ 条高质量 SFT 数据，合格率保持在 98% 以上。
- 豆包大模型 RLHF 后训练
参与核心规则文档的制定与人员培训、试标与人效检测，建设交叉质检机制；训练数据可用性达 95%，小组人效排名第一。