陈广智

软件工程 · 本科

某 K12 AI 教育科技公司公司产品

公司产品

OurTeacher↗OurSchool↗

2025.08 — 至今

AI 产品经理 / FDE / 全栈开发工程师

• 负责 K12 AI 产品从一线调研、需求判断、产品设计到开发上线和持续迭代的端到端交付。
• 深入学校与教学现场，面向学校、教师和学生开发并推动多类 AI 教学产品落地，兼具 B 端业务理解与 C 端体验设计能力。
• 负责公司内部 AI Native 能力建设，落地 AIGC 内容生产平台，搭建 ANC 架构，推动组织共享上下文知识与工作流程 Agent 化。

AI 产品 · FDE · 全栈开发 · Agent · Vibe Coding

公司级 Agent 知识与业务工具平台

个人职责：独立负责需求验证、产品设计、全栈开发与内部推广

• 发现问题并验证需求： 从接手微服务开发的经历出发，发现仓库、系统依赖及上线配置分散在不同负责人手中，人员交接后仍需反复询问和阅读代码，甚至因遗漏管理员配置导致上线后无法访问。先将实际踩坑、解决方法与配置步骤整理为开发指南；文档被同事使用并持续补充后，进一步识别群聊传阅导致的版本不一致问题，推动方案从单份指南发展为统一组织知识平台。
• 定义产品形态与首版范围： 基于团队大量使用 Agent 编码的工作方式，选择让 Agent 直接获取组织知识，减少员工搜索文档、复制内容再交给 Agent 的操作。首版聚焦文档列表、读取和写入，优先验证开发资料的获取与沉淀链路，再逐步扩展至 Skill 和业务工具，使平台从开发文档管理延伸至非开发人员的业务任务。
• 独立完成开发与接入流程： 搭建公司级 Agent Context / MCP 基础设施，打通组织文档、Skill 与外部业务系统的访问链路；设计网页自助接入流程，员工填写基本信息后领取个人 Token，将 Quickstart 引导内容交给自己的 Agent 即可完成配置，并通过内置上手实践体验平台能力。
• 以客服分析验证业务价值： 针对客服会话依赖专人逐条查看、分析覆盖量有限的问题，独立开发对接应用后台的工具，使负责人直接描述分析要求，由 Agent 获取会话并生成分析结果。原人工每天查看约 200—300 个会话需约 4 小时；工具支持一次约 15 分钟分析 1000—2000 个会话，负责人可在任务执行期间处理其他工作，之后总结结果。该工具随后被不同功能负责人用于功能表现分析与优化。
• 根据采用反馈迭代推广方式： 首次向公司大群发布入口后，发现员工不理解产品价值，并将接入视为额外任务。围绕这一反馈设计欢迎仪式和 3D 电子工牌，支持文字、编号与边框颜色定制，以及分享和加入公司 AI Native 墙，为接入提供即时反馈与身份展示，调整单纯发布链接的推广方式。
• 形成组织采用与持续调用： 目前约 90% 员工完成接入及 Quickstart 上手实践，工具、Skill 和文档每周合计调用 1000+ 次，平台使用范围从开发资料查询与沉淀扩展至客服分析和业务分析。

AI Native · Agent · MCP · 知识库 · Node.js · 腾讯云 COS

资源生产提效工具

个人职责：发起项目并负责全栈开发

• 识别资源生产瓶颈： 针对资源人员通过多个网页工具生产素材的工作方式，发现同组素材通常仅有小变量不同，却需反复复制输入、逐项提交；多网页并行还造成生成结果与任务、分组和序号难以对应，增加查找与整理成本。图片需求量增大后，该流程限制了单人产能，资源负责人对生产瓶颈产生强烈反馈。
• 明确首版优先级： 基于大批量生图的业务压力，首版优先解决相似输入的批量提交与后台生成，将一组 8 图任务从逐项重复提交改为一次提交全部任务，由平台在后台执行，减少生产人员的重复操作。
• 完成统一平台交付： 发起并全栈落地资源生产平台，将图像、视频和 Prompt 生成能力接入统一工作流，支持文生图、图生图、视频生成、自由创作和 PPT 生图等场景，打通任务提交、内容生成、质量控制与交付沉淀链路；根据一线生产需求持续迭代，常规需求可在半天内完成开发上线。
• 上线采用与生产结果： 平台覆盖 20 名内部资源生产人员，图片单日最高生成量达万张，视频单日最高生成量达百条，整体生产耗时降低约 80%。

全栈 · 工作流 · 批量生产 · 提效

K12 B/C 端学生 AI 素养培养产品

个人职责：主要独立负责需求调研、产品定义与落地

• 发现教学场景中的实践缺口： 面向 8—15 岁学生，深入学校开展需求调研，发现教师开展 AI 课程时缺少让学生直接操作和体验的教学载体，难以将概念讲解转化为实践学习。围绕这一问题，主要独立承担需求调研、产品定义与落地，将学校教学目标、教师实施需求和学生学习体验转化为产品方案。
• 设计学习与创作体验： 围绕“AI 先导课—AI 智慧学伴—项目课程—创作成果展示”组织产品体验，将大模型、提示词、智能体和多模态创作等能力转化为适龄的学习与操作场景，支持学生亲自体验生图、与 AI 对话并完成项目化学习，让 AI 课程具备可实际使用的教学载体。
• 结合校园条件推进落地： 产品进入两类实际使用场景：在兴趣课中，学生通过人手一台的平板参与 AI 学习与创作；在学校终端机上，学生利用课间或课程时间进行 AI 探索与创作，使产品既能支持课堂教学，也能承载课间自主探索。
• 学校试点与反馈验证： 产品目前已在上海、成都、深圳 10+ 所小学开展试点。试点教师反馈，学生能够从听概念转向亲自操作 AI、参与创作，教学体验发生明显变化，为产品解决“AI 课程缺少实践载体”的需求提供了定性验证。

教育 · AI Native · 用户调研

K12 教学场景智能体

个人职责：负责 Agent 产品设计、执行流程设计与工具接入开发

• 识别教师使用门槛： 针对产品已有 300+ 个教学场景应用、教师难以记住功能及使用方式的问题，发现原有 AI 小客服虽然能根据需求推荐应用，教师仍需理解推荐结果并自行完成后续操作。将产品改进重点从“帮助教师找到应用”推进到“帮助教师完成教学任务”。
• 定义以任务为入口的产品形态： 将分散的应用入口收敛为自然语言交互入口，教师直接描述想完成的教学目标，由 Agent 查找、匹配并调用相应能力，使任务执行不再要求教师先熟悉应用目录和功能名称。
• 设计需求补齐与执行流程： 串联意图识别、工具检索、候选匹配、参数补齐、表单确认与工具执行，通过多轮对话补充任务需求，将教师的初始描述转化为可执行的教学操作；构建动态工具目录，支持教学能力按需发现和调用。
• 内部测试与任务验证： 项目目前处于内部测试阶段，尚未正式上线。针对“制作某主题教案及配套课件”等任务，已在内部测试中验证经多轮需求补充后生成教案、PPT 和相应 HTML 课件的执行链路，真实教师采用与教学效果仍待上线后验证。

Agent · ReAct · 工具路由 · 自然语言交互

K12 B 端教学管理平台

个人职责：后端开发

• 支撑完整教学流程： 承担 K12 教学管理平台的后端开发，围绕课前、课中、课后的课程与任务体系，支持教学任务组织、课例关联及过程管理。平台服务过数百名教师的公开课场景。
• 接入教学分析与评价能力： 在课堂教学和课后评价流程中接入 AI 能力，覆盖课堂分析、作业批改及作文批改等场景，支持课堂内容理解、学习结果评估与反馈生成，将 AI 分析能力嵌入教师已有的教学流程。
• 打通学习数据与报告链路： 建立学习过程数据回流链路，汇总任务完成情况、课堂表现与 AI 分析结果，沉淀为班级学习报告，为教师了解班级状态、识别共性问题和调整教学提供依据。

B 端 · 课堂管理 · 多轮对话 · 数据产品

AI 人生模拟游戏

• 实现 AI 驱动的人生模拟游戏：玩家从人生起点开始，经历童年叙事、人生事件决策、状态推进、死亡与人生回望；产品不设置统一的人生成功分数。
• 构建 LifeState 与 SQLite 持久化链路，统一维护年龄、职业、财务、健康、关系、心理和事件历史，并支持过往人生查看与未完人生恢复。
• 实现 OpenAI 兼容模型的 SSE 流式生成链路，加入结构化 JSON 校验、模型重试、超时处理、截断修复、选项补齐和确定性回退。
• 搭建 GitHub Actions 到腾讯云的部署链路，覆盖类型检查、测试、Lint、构建、代码同步、systemd 运行、nginx 反向代理和健康检查。

AI 游戏 · Next.js · LLM · SSE 流式交互 · SQLite

AI 课堂分析工具

• 基于 ASR 与说话人分离将课堂音频还原为师生对话文本，再接入 Dify 多智能体工作流生成深度课堂分析。

ASR · Dify · 多智能体

答题卡识别与批阅工具

• 自动识别与批阅答题卡，支持透视校正、气泡识别、Web 上传和结果可视化。

OCR · 图像识别 · Web

AI 视觉术语与语料管理工具

• 设计术语收集工具，支持视觉模型识别、语料沉淀和轻量全栈管理。

视觉模型 · 语料沉淀 · 全栈

联网搜索与语音交互 AI

• 带联网搜索、TTS 和 ReAct 判断的八卦聊天 AI。

联网搜索 · TTS · ReAct