AI PRODUCT MANAGER · PORTFOLIO

邵志成 ZHICHENG SHAO

「田野派」AI 产品经理 —— 从田野到产品,把真实世界做进 AI

北京大学 2027 应届博士研究生 AI 产品经理 方向 北京
邵志成 · 个人照片
照片待放置
建议 800×1000
半身 · 浅色背景
FIG.00 — SELF PORTRAIT · BEIJING

HELLO — 自我介绍

先懂人,再做产品。 这是我做 AI 的顺序。

我是邵志成,北京大学区域与国别研究院 2027 届博士研究生。在印尼六个月的田野调研中, 我访谈了 30+ 位出海企业负责人,发现他们最缺的不是数据,而是 「可溯源的判断」——于是把它做成了一款 AI Agent 产品。

至今完成 3 个从 0 到 1 的 AI 产品:全球商业洞察 Agent、香水导购 Agent 由我 独立完成,并在同北京大学王选计算机所合作的国际气候谈判 LLM 智能标注项目中担任模型评测团队负责人(合作论文入选 Asian PolMeth)。 方法论始终一致:需求洞察定义指标 → 架构设计 → 评测驱动迭代 → 工程落地

完整教育与获奖
03
0→1 AI 产品落地
30+ 访谈
出海企业负责人
2,367 信源
覆盖 195 国分层信源库
45,051
条标注数据自动生成
01

精选项目

SELECTED WORKS × 3
Multi-Agent · 企业服务 · 从 0 到 1 2025.12 — 2026.08

全球商业洞察 Agent

GLOBAL BUSINESS INSIGHT AGENT

面向企业出海决策的 Multi-Agent 产品,独立完成全链路:印尼 6 个月田野与 30+ 访谈定义产品指标, Harness + 多 Agent 架构 + 覆盖 195 国的信源工程,评测驱动 5 轮迭代上线部署。

Multi-AgentRAG信源工程LLM-as-Judge
+13%综合评分(5 轮迭代) +25%Actionability 100%硬门禁通过率
对话推荐 · 知识图谱 · 从 0 到 1 2026.07 — 2026.08

知香 · 香水导购 Agent

FRAGRANCE SHOPPING AGENT

一款「懂香」的对话推荐 Agent:自然语言找香、多轮澄清、真实商品推荐。设计分级召回策略, 接入拼多多与淘宝联盟真实商品源,三轮迭代基础集评分提升 39%。

知识图谱对话推荐真实商品接入Taro / React
+39%基础集评分(3 轮) 1,971款香水图谱 4分级召回策略
AI 数据生产 · 模型评测团队负责人 2024.01 — 2025.05

国际气候谈判 LLM 智能标注系统

LLM ANNOTATION SYSTEM FOR CLIMATE NEGOTIATIONS

在同北大王选所合作的 EALA 标注项目中负责评测侧:组织 10 名评测员以双人独立标注构建 Human Baseline,验证模型 Precision 较单人基线 67.5% → 74.0%;最终系统应用于 678 份日报, 自动生成 45,051 条互动数据。

评测体系搭建Human Baseline数据质量控制学术发表
67.5%→74%Precision 较单人基线 0.79双人标注一致性 45,051条互动数据生成
02

田野派工作法

DIG · BUILD · PROVE

STEP 01 · DIG / 挖

把现场写进需求文档

  • 印尼 6 个月田野 + 30+ 出海企业负责人深访
  • 20+ 消费者访谈,拆出「线上难试香」的真实决策链
  • 痛点不停留在描述:翻译成四项可量化的产品指标

STEP 02 · BUILD / 搭

需要什么系统,就亲手搭

  • Harness + Multi-Agent:用搜索路由和质量门禁管住模型
  • 信源工程:195 国 × 2,367 个分层信源、71,904 Chunk 知识库
  • Vibe Coding 原型直达线上,三个产品全部真实部署

STEP 03 · PROVE / 证

每个结论,先备好一把尺子

  • 代码硬门禁 + LLM-as-Judge 双轨评测,迭代全程可回归
  • 组织 10 名评测员建 Human Baseline:Precision 较单人基线高出 6.5pt
  • 双人标注一致性 0.79,数据质量经得起方法论审稿