Private Capture

Unlock Capture

这个站点包含私人录音与日记内容。输入密码后进入;当前浏览器会自动记住。

密码仅保存在当前浏览器本地。

从 Capture《文科生实习ai产品经理一个月后的小小分享》保留问题:文科生实习ai产品经理一个月后的小小分享 首先明确一点,纯前端的vibe coding几乎没有竞争力,除非产品设计非常新颖。vibe coding接入后端,到实际可用其实并不难,靠自然语言交互也能实现。下面分享一下我三个小时搭建出来的一个a

先在 clarify / merged 层保留这条内容,再提炼真实任务、状态与主题

Laneopenclaw-ops
Kindquestion
State[待澄清]
Source文科生实习ai产品经理一个月后的小小分享
Current Item

这条事项现在在哪一层

直接看当前 lane、kind、状态和最近一步,而不是先读长解释。

capturearchivedclarifyquestiongateholdwritebacknot readytoday-focusnot ready
Task
从 Capture《文科生实习ai产品经理一个月后的小小分享》保留问题:文科生实习ai产品经理一个月后的小小分享 首先明确一点,纯前端的vibe coding几乎没有竞争力,除非产品设计非常新颖。vibe coding接入后端,到实际可用其实并不难,靠自然语言交互也能实现。下面分享一下我三个小时搭建出来的一个a
Next Step
先在 clarify / merged 层保留这条内容,再提炼真实任务、状态与主题
Lane
openclaw-ops
Kind
question
Status
[待澄清]
Todo Projection
-
Todo Due
-
Todo Source
-
Projection
hold
Source
文科生实习ai产品经理一个月后的小小分享
Source Capture

文科生实习ai产品经理一个月后的小小分享

文科生实习ai产品经理一个月后的小小分享 首先明确一点,纯前端的vibe coding几乎没有竞争力,除非产品设计非常新颖。vibe coding接入后端,到实际可用其实并不难,靠自然语言交互也能实现。下面分享一下我三个小时搭建出来的一个agent。 1. 产品介绍: 该agent为B端产品,通过客服ai和访客对话,找到客服ai输出的低质量回复,根据这些回复去进行system prompt的优化(实际上也能优化skill,但这里考虑的是system prompt,所以先忽略掉skill的优化)。 2. 产品架构 1. 搭建客服ai和访客ai:在h…

Archive
2026-08-29 13:25:00
Source
om_x100b6877619a90a4c313d8a5ad7207e
Action

状态怎么更新

capture 负责预览和溯源;真正的确认、勾选和状态变更仍落在 Todo / Today-Focus 这些真实状态源里。

这条事项当前还在 capture / clarify 预览层,先看详情和来源,再决定是否进入执行视图。

Actual Preview

为什么它还没有 writeback preview

当前这条事项还没有稳定进入 strict writeback,所以这里只展示现状和下一步。

这条事项当前处于 hold,下一步仍然是:先在 clarify / merged 层保留这条内容,再提炼真实任务、状态与主题。
Source Evidence

原始 capture 里真正记录了什么

这里直接显示 summary preview 和 transcript 片段,方便你判断这条提炼是否靠谱。

Summary Preview

文科生实习ai产品经理一个月后的小小分享

文科生实习ai产品经理一个月后的小小分享 首先明确一点,纯前端的vibe coding几乎没有竞争力,除非产品设计非常新颖。vibe coding接入后端,到实际可用其实并不难,靠自然语言交互也能实现。下面分享一下我三个小时搭建出来的一个agent。 1. 产品介绍: 该agent为B端产品,通过客服ai和访客对话,找到客服ai输出的低质量回复,根据这些回复去进行system prompt的优化(实际上也能优化skill,但这里考虑的是system prompt,所以先忽略掉skill的优化)。 2. 产品架构 1. 搭建客服ai和访客ai:在h…

Transcript Excerpt
文科生实习ai产品经理一个月后的小小分享
首先明确一点,纯前端的vibe coding几乎没有竞争力,除非产品设计非常新颖。vibe coding接入后端,到实际可用其实并不难,靠自然语言交互也能实现。下面分享一下我三个小时搭建出来的一个agent。

1. 产品介绍:

该agent为B端产品,通过客服ai和访客对话,找到客服ai输出的低质量回复,根据这些回复去进行system prompt的优化(实际上也能优化skill,但这里考虑的是system prompt,所以先忽略掉skill的优化)。

2. 产品架构
1. 搭建客服ai和访客ai:在hugging face上找dataset,找codex帮忙下载到本地,如【图一】。可查看codex帮忙写的提示词【图二】。
2. 自动对话后产生对话记录:对话脚本【图三】
3. 在对话记录中,对客服ai输出进行评估打分:需要搭建一个评估器来对客服ai输出进行评分。实际上评估器的搭建非常复杂,这里简化了。【图四】
4. 找到客服ai的低分回复,分析如何修改prompt才能让分数提高,对修改后的prompt进行回测:这里可以分为三个agent(识别低分case原因的诊断agent、优化prompt的编辑agent、验证优化效果的回测agent)。【图五】

以上把基本脚本就已经搭建好了,我们可以搭建一个可视化的页面。

输入提示词:【图六】

此时还需要接api key,codex默认接gpt的模型,建议直接改成qwen3.5-plus(性价比高),在百炼创建api key。

体验产品(看后续图片)
1. 创建自动对跑任务
2. 对对跑的客服ai输出进行评估
3. 对低分case进行优化并进行人工审核
4. system prompt的版本管理
5. 所有的任务运行和操作记录都需要写在日志中方便回溯

以上就是一个简略的agent搭建过程,其中有许多细节我略去了,包含回测的指标、低分的定义、评分维度等等。先把架构搭起来,后续在摸索中学习可能会对这些定义有更进一步的思考。

这是文科生在ai产品上的一点点思考与实践,非常希望大家能够一起交流和学习!

#howto入门codex[话题]# #AI工具[话题]# #产品经理[话题]# #agent[话题]# #AI进化生活howto[话题]#
文科生实习ai产品经理一个月后的小小分享 首先明确一... http://xhslink.cn/o/7zXD0iYquCM 【小红书】里的笔记已备好,复制后快来~
resolved_url: https://www.xiaohongshu.com/explore/6a662ac900000000110171d7
xhs_capture_status: success
Related

同一线程里的相关事项

如果一条 capture 同时涉及多个 lane,这里可以顺手跳到其他相关 item 或 thread。