我推动产品从内测码准入走向开放体验，并建立游客模考、AI Tutor 学习功能、结构化题库与商业化数据反馈闭环。
佛脚AI 把 PDF、视频、链接等学习材料，变成可对话、可测验、可追踪的学习闭环。我负责产品路线、优先级和反馈评审，并从产品设计、UI/UX、前端延伸到部分后端与数据分析。
65 秒中文演示，展示佛脚AI 从产品入口到核心学习体验的完整流程。英文版本将在后续补充。
作为产品负责人 / 产品工程师，我负责产品路线、优先级、反馈评审与主要产品体验，并直接参与 UI/UX、前端、近期部分后端及商业化数据分析。算法、多模态 RAG、AI Agent 后端和 AWS 部署由其他成员负责。
上线后的早期数据证明，这不是停留在原型里的概念项目：用户已经进入落地页、学习工作台和模考等核心路径。
数据区间为 2026-06-07 至 2026-09-04。以上为 GA4 聚合使用信号，不代表增长率、留存率或转化提升；漏斗结论会在事件契约和内部流量清理完成后更新。
在内测、开放体验与注册转化之间切换
内测与开放策略可以随产品阶段切换；游客能先完成真题、批改与报告，认证成为体验后的自然下一步。
产品经历了内测码墙开启、开放注册和重新引导调研等不同阶段。我负责根据版本目标调整准入策略，并把游客模考变成用户理解核心价值的入口。
将准入规则集中管理，并把核心价值放到认证之前：游客可选择 Quick 12 或 Full 180 完成模考，再在成绩和后续计划等高意图节点注册。
开放游客体验会增加成本与滥用风险，因此游客获得完整但受控的体验，账户型与高成本能力仍在注册后开放。
把 FeaturePanel 百宝箱能力融入对话
用户可围绕同一份材料完成阅读、对话、总结、自测和复习，FeaturePanel 从工具集合变成一套学习工作流。
FeaturePanel 集合了摘要、思维导图、闪卡、测验、知识海报、播客、资源与笔记等能力。我负责确认功能组合、交互入口和产品优先级，并将这些产物集成到 AI Tutor 对话与当前材料上下文。
不把生成工具做成彼此孤立的按钮，而是以当前材料和 Tutor 对话为中心，让用户在阅读、提问和生成学习产物之间连续切换。
功能数量快速增长会增加认知负担，因此需要统一入口、状态和产物呈现，同时在桌面与移动端采用不同的材料切换方式。
从演示卷走向可运营的正式题库
题库内容可以受控进入模考链路，并支撑完整答题、批改、弱项诊断、错题与考后计划。
Quick 12 / Full 180 验证了模考体验，但演示数据不足以支撑长期运营。我近期重点推进结构化题库和预览确认导入，让正式考试内容能够安全复用、追踪和更新。
将原始导入、试卷、编排项和题目实体分开建模，并让运营人员在正式写入前完成预览与确认。
结构化模型比直接保存整份 JSON 更复杂，但换来了题目复用、版本追踪、导入重放与后续扩展能力。
用 GA 与 Plausible 验证产品路径
关键注册与激活事件形成连续链路，团队能够定位漏斗掉点，而不是只看到孤立的页面访问量。
我参与商业化设计，并负责关键事件埋点、注册漏斗和归因修复。数据表现不会被包装成漂亮数字，而是用来判断用户在哪一步流失、哪些产品假设需要调整。
用统一、可去重的事件契约覆盖落地、游客体验、认证、激活和首条消息，并对齐客户端与服务端身份。
事件契约和身份对齐比零散埋点更慢，但避免同一转化被重复计算或在登录前后断裂。
准入不是一次性开关。内测码墙、开放注册和调研引导需要跟随产品阶段变化，而不是散落在页面里的永久逻辑。
功能数量不等于产品价值。FeaturePanel 只有进入 AI Tutor 对话与材料上下文，才从百宝箱变成学习闭环。
演示卷可以验证体验，却不能支撑内容运营。Quick / Full 模式最终推动了结构化题库与受控导入。
数据不必好看，但必须可信。漏斗的价值是暴露问题并帮助做下一次优先级判断。