路非预设 行自成章
从美术与设计出发，我做过产品、运营、项目和增长，也在一次次真实的工作与选择里走进 AI。回头看，这些经历看似分散，却一直围绕着同一件事：理解问题、连接人与业务，再把想法真正推进到结果。
我不是沿着一条规划好的路线进入 AI 的。
最早吸引我的，不是效率，而是创造力。
我本科读的是美术学。相比一开始就从技术、产品或者商业进入 AI，我更早形成的是对画面、信息和表达方式的敏感。大学期间自学视觉传达，也参与设计、运营和团队项目。那时我还不知道这些经历最后会被连接起来，只是很自然地对“一个想法如何被看见”感兴趣。
2021 年参与 Nolibox 与清华的 AI 设计数据集项目，是我第一次真正进入 AI 的生产流程。我带领 39 名成员完成 1 万余图库加工和 13 万余张图片标签工作。它让我意识到，模型背后并不只有灵感，还有大量看起来枯燥、但必须被设计清楚的规则、协作和质量标准。
一个强大的 AI 产品，也可能没人真正理解。
2022 年，我开始参与 AI 绘画和 AI 设计产品运营。从用户答疑、社群运营、反馈收集，到校园增长、PMF 调研、媒体内容和产品教程，我逐渐看见“模型能力”和“用户感知”之间存在一段很长的距离。
校园活动带来 800 余名注册用户，内容团队在一个多月内发布 53 篇内容并获得 93 万余曝光，我也制作了 17 个产品教程。但比数字更重要的是，我开始反复思考：功能应该如何命名，价值应该如何被解释，新用户为什么愿意继续使用。好工具不只是能力强，还要被看懂、学会和传播。
很多团队不缺信息，真正缺的是结构。
在人资企业的 B 端业务中，我接触到另一种复杂度：产品、案例、报价、投标、区域团队和客户需求同时存在。为了让一线业务更高效地找到和复用信息，我盘点 260G 资料、整理上线 3,626 个文件、维护 440 余种售卖产品，并与全国项目经理和产品团队持续沉淀案例资产。
这段经历改变了我处理问题的方式。我开始习惯先找到业务目标，再拆解信息结构、流程节点和质量标准。内容不再只是一次性的宣传材料，而应该成为团队可以反复调用的资产；运营也不只是执行任务，而是在降低协作成本。
现在，我更关心 AI 最后解决了什么。
重新回到 AI 行业后，我的工作从产品运营延伸到出海增长、售前方案和项目交付。我参与过某出版集团、某互联网大厂和某轨道交通企业等项目，也推进过海外 SEO 页面、KOL 合作和内容资产建设。项目形态不同，但核心问题相似：怎样让模糊需求变成可执行流程，让 AI 能力变成客户和用户能够感知的结果。
这也是我现在想继续做的事情。我并不想把自己包装成只会某一个工具的人，而是希望持续建立一种复合能力：理解产品和业务，组织内容与增长，推进跨团队协作，并用 AI 把原本复杂的工作变得更清楚、更快，也更容易交付。
