把模糊需求变成产品判断
从用户真正卡住的现场开始,拆出任务、约束、成功信号和不可接受的代价,再决定该做工具、流程,还是先做一次验证。
- 用户问题重构
- 场景与信息结构
- 商业假设拆解
AI 产品实践者 · 个人作品集 · 2026
Korey,英语专业背景。
我做用户研究、产品设计和 AI 协作开发,
把模糊需求推进到可用、可查、可验收。
关于我
我从自己的备考、训练和剧本杀工作出发,
找到真实卡点,搭出解决路径,
再用 AI 协作把它做成能运行、能复盘的产品。
我能做什么
从用户真正卡住的现场开始,拆出任务、约束、成功信号和不可接受的代价,再决定该做工具、流程,还是先做一次验证。
用 Claude Code、Codex、Skills 和本地工具,把提取、判断、生成、反馈与恢复路径组织成可调用的产品系统。
明确区分“写出来、跑通过、真机可用、公开发布、真实用户验证”,让下一步行动和风险都能被复盘。
代表项目
我把分散在 PDF、音频和错题笔记里的备考资料,整理成一条完整路径:作答、提交后反馈、错题回采、同类题回炉和 AI 评分交接。每次练习都会留下下一步行动。

我把训练、营养、睡眠和恢复信号接进 SwiftUI App。系统先显示事实,再给出推断和数据可信度,最后收敛成一个当日动作,帮助我决定今天训练、调整还是休息。

我把几百页商业剧本、角色本、线索和演绎材料,编译成 DM 控制台、长版演员手册和现场 Cue。每个判断都能回到页码和原件,演员上场前可以直接找到动作、台词和退场条件。

我在寻找
AI 产品、Agent 工作流、用户研究与内容产品方向。适合从一个具体用户现场开始,快速做出可用版本,再用真实反馈决定是否继续投入。
我的判断
把问题的语言拆到原子级,问题往往自己消解。
先问反事实:
如果换掉这一个变量,结果会变吗?
好的 AI 协作,把 Prompt 封装成可被调用的 Skill。
"睡了很久还是没精神。"
继续检查节律、恢复质量和睡眠之外的中介变量。
公开影响力
真实账号,
真实数据。