石艺涵

Context / 背景

传统 Form Builder 需要用户手动创建字段、编写问题、配置页面结构，使用门槛较高。随着 LLM 能力成熟，团队希望探索用户是否可以通过一句自然语言直接生成完整表单，并进一步验证 AI Native Form 的产品价值。

Challenge / 目标

核心问题不是“AI 能不能写问题”，而是如何把 LLM 不稳定的自然语言输出转化成稳定、可渲染、可继续编辑的产品对象。我需要参与产品定位、核心流程、功能优先级、前端交互和增长验证。

What I Did / 我的行动

• 设计 Natural Language → Structured Schema → Dynamic Renderer 的核心生成链路。
• 将 LLM 输出约束成 JSON Schema，而不是直接输出 HTML 或自由文本，使结果可以继续编辑、预览和发布。
• 参与 AI Form Generator、AI Quiz Generator 等核心能力设计，并负责部分 React、Next.js、TypeScript 前端实现。
• 参与 SEO 和内容增长建设，希望降低产品获客成本。
• 在增长遇到瓶颈后重新思考产品定位，从单一 AI Form Generator 探索到 Agent-ready Form / Business Interface。

Impact / 结果

• 完成从自然语言输入到结构化表单生成、编辑和发布的完整产品链路。
• 上线 AI Form Generator 和 AI Quiz Generator。
• 验证了 LLM 产品中“Structured Output 比 Prompt 本身更重要”的产品判断。
• 产品方向从 To C AI 工具逐步扩展到更偏 To B 和 Agent-ready 的基础设施能力。

Context / 背景

IntelliCycle 是一个面向二手金属跨境交易的 Marketplace。传统交易过程涉及供应商、买家、价格撮合、竞价、合同、物流等多个环节，信息高度分散，很多决策依赖人工沟通和行业经验。

Challenge / 目标

参与将传统交易平台逐步升级为 AI Marketplace，通过 Matching Agent、Bidding Agent 和 Contract Generation 降低交易双方的信息处理成本。同时需要明确 AI 在跨境交易和合同场景中的能力边界，避免 AI 在高风险场景中替代专业判断。

What I Did / 我的行动

• 参与 Marketplace 用户流程、交易流程和 AI 场景梳理，持续与客户确认真实行业流程，而不是只根据技术假设设计功能。
• 设计 Matching Agent 和 Bidding Agent 的产品思路，探索如何基于买卖双方需求、价格和交易条件进行辅助匹配。
• 参与 AI Contract Generation 功能定义，将买卖双方、金属类型、数量、价格、Incoterms、付款方式等结构化信息转化为合同草稿。
• 明确产品边界：AI 可以生成草稿、整理信息和提示风险，但不自动判断合同是否合法，也不替代法律合规审核。
• 作为 Scrum Master 负责 Sprint Planning、Backlog、任务协调、客户沟通和团队进度管理。

Impact / 结果

• 推动产品从传统 Marketplace 向 AI-assisted Marketplace 演进。
• 明确了 AI 在撮合、竞价和合同场景中的产品边界。
• 建立了复杂、高风险 AI 场景中“AI 辅助决策，而非完全替代决策”的设计原则。
• 积累了跨前端、后端、AI 和客户多方协作的产品推进经验。

Context / 背景

宠物照护服务的选择不只取决于地理位置和价格，还涉及宠物性格、照护习惯、主人信任和服务者经验。传统列表式筛选让用户需要自行比较大量信息，决策成本较高。

Challenge / 目标

在哈佛大学创业课程项目中，我需要独立定义一个 AI 宠物照护匹配产品，从用户痛点、市场定位、MVP 流程到商业模式形成一个可验证方案。

What I Did / 我的行动

• 通过用户场景拆解，识别宠物性格、照护需求、地点、时间和信任偏好等关键匹配变量。
• 设计自然语言收集流程，将非结构化需求转化为服务者推荐条件。
• 围绕推荐理由、风险提示和最终确认设计信任机制，避免 AI 直接替用户做选择。
• 完成 MVP 流程、原型和商业模式规划。

Impact / 结果

• 形成从问题定义到产品方案的完整 MVP。
• 沉淀了自然语言匹配产品中“解释推荐理由比单纯推荐结果更重要”的判断。
• 强化了我在早期产品中进行需求验证、范围控制和商业假设拆解的能力。