- 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
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
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。
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…
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。
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。
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。
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…
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
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。