● ● ●流程助手 Agent / 2026.10.12 实际界面LOCAL POC
01 / ACTUAL INTERFACE从问题入口，
Hi，我是潘晓明。
技术背景 ×B 端经验 ×AI NATIVE
懂业务，也能把想法做出来。
我用产品判断、技术实现与实际验证，探索 AI 如何解决具体问题。
CASE 01 / AI PRODUCT · PERSONAL POC
在线体验流程助手 Agent从业务现场出发，
做一个会调查的 Agent。
在企业流程建设和用户支持中，我归纳出反复出现的流程查询、待办差异与操作咨询问题。用户往往只说一句“卡在哪里”，真正需要的是识别对象与身份、核对配置和实时状态，再给出有证据的下一步。
0 → 1 产品 PoC真实模型运行模拟业务数据独立设计与实现
THE QUESTION / 一个典型现场
“申请已经提交，
领导为什么还没收到待办？”
可能涉及流程对象、办理身份、审批配置和实际待办状态。Agent 逐项调查，并在证据不足时说明边界。
02 / PRODUCT DESIGN
把调查过程做成可核对的产品。
先识别与澄清，再查系统状态和制度资料，最后校验证据并回答。
03 / LIVE PRODUCT不是概念图。
不是概念图。
可以实际运行的界面。
演示界面提供身份选择、问题输入、工作卡片和独立正式答复。以下图片取自本轮实际运行，保留了多页签入口和查询证据。
1 / 2
04 / EVALUATION把失败留下，
把失败留下，
让迭代有依据。
评测看用户目标是否真正完成：查到了什么证据、最终答了什么，以及该停下时有没有停下。
73 / 90
81.1% / 平均任务达成度30 条业务用例的调优后回归
每例设 3 个任务子目标，逐项计 0 或 1 分；按最终交付判分，严重错误或没有有效交付时按规则归零。本轮为单人初评。
评分规则展开看场景模板共用规则 → 场景标准 → 用例预期
所有用例先遵守共用规则：越权泄露、编造操作结果、查错对象仍给确定结论等严重错误，整例归零。具体对象和正确事实在运行前写入用例预期。
- 手册与规则识别咨询范围 · 有依据地回答 · 交代适用边界
- 审批配置锁定目标与权限 · 取得所需依据 · 交付对应结论
- 流程状态定位正确流程 · 核实状态与待办 · 准确回答
- 配置与待办差异区分主张与对象 · 核实差异证据 · 解释已知与未知
01 / 设计用例
先定义什么叫完成
设计 100 条分类业务用例；当前展示的 30 条回归用例覆盖流程查询、配置与待办差异、澄清、权限和故障边界。场景共用规则，再写明每例的具体事实与预期。
02 / 留下轨迹
沿着失败找原因
保存多轮对话、工具返回和最终答复。区分对象识别错误、证据没有用上、任务过早结束与无效重复调查，再针对问题调整 Prompt、工具路由和程序约束。
03 / 定向复测
看修复是否交付任务
对 bad case 和正常对照用例复测，再做整批回归。运行状态或工具调用成功不直接等于任务完成；仍按用户收到的结论和证据评分。
CASE 02 / AI PRODUCT · PERSONAL PROJECT
在线体验幸福博物馆我把“珍藏高光时刻”，
设计成一次展品入馆。
↗ 我的产品判断
相比单纯记录积极时刻，我更希望用户有机会重新看见这些经历，感受其中的积极情绪，并发现自己的力量。因此，我借用博物馆收藏展品的过程，设计了一套从记录、反思到入馆回看的体验。
工程落地
使用 Figma 设计原型，将原型、业务规则和接口约定编写为 Spec；采用 Spec 驱动的 Vibe Coding，借助 Codex 完成前后端开发、联调验收与部署上线。
02 / EXPERIENCE STRATEGY
一次记录，
一次记录，
四个动作。
- 01记录写下积极瞬间
- 02反思选题，自己回答
- 03入馆成为个人藏品
- 04回看再次品味经历
02 / PRODUCT EXPERIENCE从写下小事，
从写下小事，
到入馆回看。
沿着产品界面走一遍，再看两个关键页面如何承接产品判断。
REAL PRODUCT / 操作路径
页面详解 / TWO KEY SCREENS
01 / 反思问题选择意义由用户
02 / 今日入馆记录有了一个
意义由用户
自己说出来。
界面保留刚写下的经历，每次提供三道固定题库中的问题；用户可以换题或换角度，再选择是否继续。
产品判断系统给方向，用户保有解释权。记录有了一个
被珍藏的去处。
用户的原始记录和自主回答组成一件个人馆藏。“入馆”既是完成时刻，也是之后回看的入口。
产品判断收藏形式要服务于回看体验。03 / AI 应用边界让好问题，
让好问题，
带人看见自己。
积极经历的意义很私人。我选择让 AI 帮用户找到思考方向，同时用题库和交互设计保留用户的选择权。
AI 可以提示“还可以从哪里看”，
却不该替用户写好“我得到了什么”。
识别反思方向
目标是根据记录推荐 5 类框架中的一个方向，帮助用户开始思考。
提供可检查的问题
具体问题来自 45 道固定题库；界面允许换一组问题或换角度。
选择并自主作答
用户决定哪个问题有用、怎样解释经历。系统不替人断言情绪或人生结论。
04 / MODEL EXPERIMENT把反思方向，
把反思方向，
做成可验证的分类任务。
微调不是为了让模型生成感悟文章，而是尝试让它稳定推荐一个框架 ID。
LOCAL MODEL EXPERIMENT
Qwen × QLoRA SFT
围绕“记录 → 框架 ID”构造监督样本，对 Qwen 做参数高效微调，并在本地通过 Ollama 运行模型、检查样例输出。
01 / 产品资产
5 类反思框架、45 道固定问题。模型只推荐框架 ID，具体问题由产品题库提供。
02 / 数据构造
先写少量人工高质量种子，再用大模型扩充“记录—类别”样本，用于监督微调。
03 / 训练与推理
QLoRA 在量化基座上训练低秩适配参数，减少训练资源；微调后用 Ollama 做本地样例推理。
05 / GO TO MARKET · 推广实践让幸福被看见。
让幸福被看见。
推广内容与用户注册
小红书推广内容 / 产品冷启动实践
这张图是推广阶段的实际素材。视觉和文字先传达“记录微小而真实的幸福”，再邀请用户了解产品。结合用户交流与行为路径，我们继续寻找首次体验中的阻碍。
34位用户完成注册
06 / MEASUREMENT DESIGN用埋点与用户反馈，
用埋点与用户反馈，
驱动产品迭代。
埋点定位首次体验中的停顿，结合用户反馈判断原因，再调整注册时机与反思引导。
FUNNEL / 改版前首次体验路径
已核实埋点数据78 人打开产品，13 人完成馆藏
78
34
32
14
13
首次访问到注册、记录保存到继续反思是两处明显流失；埋点指出停顿位置，原因还需结合用户反馈判断。
由数据到改版
回到作品集首页 ↗结合用户反馈，我们将注册时机后移到写完记录、提交保存时；保存记录后，用户可以自行决定是否继续反思。同时增加针对未完成反思的主动提醒，引导用户回到记录继续完成反思。
ABOUT / 关于我理解复杂业务，
理解复杂业务，
也喜欢把新想法做出来。
技术背景让我可以参与方案实现，B 端经验让我重视真实场景和约束，AI native 的工作方式让我更快地把判断变成可体验的东西。正在寻找 AI 产品相关机会。
聊聊合作与机会 ↗