孟进 MeJn
简历 PDF
孟进MeJnAI 产品经理 FDE

懂业务的复杂，
也把 AI 做出来。从业务的复杂，
走到系统的可用。

8 年企业软件交付，让我熟悉真实需求与约束。
现在，我定义问题、用 AI 协作构建，再把产品放进日常验证。Java 开发起步，经历需求、方案与企业交付。
现在通过 AI 协作构建 Agent，把权限、记忆和验证接成完整产品。

看我的核心案例下载简历
企业交付经验自主 AI 产品长沙 · 一个月内到岗
我定义
问题与边界。业务目标 · 范围取舍
我验收
回到真实使用。记录问题 · 持续迭代
AI 协作实现 · FatFish
FatFish Daily Review 历史实拍 · 2026-09-18/v0.98.0
人格化桌面 Agent

从桌面伙伴，走向日常协作。

对话、长期记忆、工具执行与工作回顾。自用与小范围试用，未作为商业验证。

进入主案例历史实拍 · 范围见案例

从企业现场积累判断，用自己的产品检验想法。

认识我的作品

一个持续使用的 Agent，
一段真实业务交付。

FatFish 是主体：产品如何定义、取舍和持续迭代。
企业绩效域交付，说明这些判断从哪里来。

查看项目全景

FatFish · 从桌宠到个人 AI Agent

让对话、记忆和行动，留在同一个日常入口。

Windows · 自主产品

我的角色 · 产品定义 / 人格与能力边界 / 需求取舍 / 日常使用与验收；AI 协作实现

本人自用 · 小范围朋友试用 · 持续迭代

产品进展已形成对话、长期记忆、工具执行与工作回顾的桌面入口。

FatFish / Daily ReviewPRODUCT VIEW
FatFish Daily Review 历史实拍，展示本地记录形成工作回顾
2026-09-18 · v0.98.0 历史实拍。当前已提交能力核对至 2026-10-06；图片不是新版本的实时界面。

一天的协作，应该接得上下一次。

我想解决的，是任务、对话和记录分散之后，AI 每次都要重新理解上下文的问题。Daily Review 把当天真实记录组织起来，帮助我回看和继续。

真实问题
一天里聊了什么、实际完成了什么、还要继续什么，分散在不同记录里；一段聊天摘要难以交代清楚。
我的取舍
回顾先读本地结构化记录，用确定性聚合形成正文。会话提及不算任务；空白日如实显示没有记录，数字不交给模型自由生成。
已做出来
活动页“回顾”和只读回顾工具使用同一条聚合链；完成、进行中、未完成与建议继续，可以回到各自记录。
验证范围
本人日常使用与少量试用，尚未证明规模化采用或商业效果。实现和历史验证有记录，长期使用价值仍需更多真实反馈。
看三个产品取舍查看 FatFish 项目档案
进一步：记忆、执行与我的责任
日常入口桌面角色、对话、语音与工作台放在一起。人格与主动行为需要日常校准，不能只把功能接进来。
记忆有来源记忆区分事实、偏好与决策，保留候选、人审和版本机制；旧记忆发生冲突时需要重新处理。
执行有边界读取、写入和高风险动作分别授权，重要动作提供确认入口；AI 不能自行放宽权限类设置。
失败可回看任务状态、运行记录和可撤销账本帮助排查与恢复。可撤销范围有明确限制，不承诺任意动作都能回滚。

绩效域交付与 AI 工作流

在复杂交付里，保留人的判断，减少重复劳动。

我的角色 · 绩效模块独立实施负责人 / 人才标签方案兼责

真实业务交付 · 汉得驻场

验证 / 交付结果蓝图完成阶段签字回款，总部与 3 个战区试运行后启动全集团推广。

自主绩效 AI 工作台 / 实拍PRODUCT VIEW
自主绩效 AI 工作台界面，与客户交付分开说明
这是自主验证产品的界面，不是客户生产系统。真实交付依据为需求报告、蓝图与试运行记录。

先做范围取舍，再把重复环节交给 AI。

绩效域交付里，调研、蓝图、方案评审和报表必须连成一条线。我在现场负责这条线，并把 AI 引入其中的重复环节。

事实
大型连锁企业绩效模块，从需求调研、蓝图、配置与报表，推进到试运行和推广。
我的判断
蓝图将绩效标签改用已有筛选方案；特批校准不落地，指标拆解跟踪保留线下。
仍有限制
真实业务结果属于 HR 系统交付；AI 工作流为个人方法，自主绩效 AI 工作台为验证产品。
查看交付依据与范围
进一步：产品机制与验证过程

真实交付依据是需求报告、绩效蓝图、阶段签字与试运行记录，客户原件未公开。这里保留本人职责与取舍说明；下方 AI 工作流与自主工作台分别表达，不作为客户生产系统截图。

三个工作流对应实施的三个重复环节——AI 出初稿和评审意见，人做业务判断和终审：

蓝图 AI 辅助设计调研材料 → AI 生成蓝图框架与方案文本 → 人工业务校准。30+ 业务场景的需求报告，从堆材料到成稿快一截。
客开方案 AI 评审客开需求 → AI 评估必要性、风险与替代方案 → 记录不做、已有能力替代与保留线下的范围取舍——需求不是照单全收，先过一遍筛。
报表 SQL AI 开发取数规则 → AI 生成语义模型 SQL → 测试环境验证后交付。20+ BI 报表与驾驶舱由此而来。

定位始终是辅助实施，不是替代判断——方案签字之前，每一处都过人眼。

做一个 Agent，
也要决定它不该怎样做。

FatFish 的三个产品取舍。
把日常需要、实现机制与验证范围放在一起。

取舍 / 从真实记录开始

会话提及不算任务，空白日不编故事。

真实问题

生成式总结可能把聊过的事当成任务，或把没有记录的一天补成完整叙事。

我的判断

工作回顾先做本地只读聚合：任务来自结构化记录，会话只是背景，数字来自已存数据。

已实现机制

活动页与回顾工具使用同一条链；无记录明确返回空白，每项保留来源。

依据：013 产品任务书与已提交实现 · 能力核对至 2026-10-06

陪伴感与执行力，
需要一起设计。

人格化入口降低日常使用的距离；任务、记忆和权限机制让协作有明确范围。界面中的亲近感，不替代执行前的判断。

查看实现与验证依据
  1. Daily Review：本地结构化记录聚合，空白日与会话提及有独立口径。
  2. Memory：候选、人审与版本机制；冲突记忆需要重新处理。
  3. 执行：分级权限、确认与有限撤销，不承诺任意外部动作可回滚。
  4. 已提交 v0.124.0；新装机检查选段 35 通过、0 失败、6 跳过，未等同于全功能认证。
回到 FatFish 主案例

另外两种验证。

知识问答验证证据可靠性，智能排班验证评估纪律。
作为辅助作品，按需查看。

查看项目全景

项目指引智能问答

把分散的制度资料，变成能查依据的回答。

我的角色 · 产品定义 / 架构与选型 / 评测与验收；AI 协作实现

自主原型 · 真实资料验证

验证 / 交付结果持续用于本人资料查询；保留 104 条对照评测问题，用回归判断修改是否有效。

知识问答历史管理界面

答案必须能回到原文。

真实资料验证的自主原型；主要本人使用，尚未证明外部采用。

展开知识问答的判断与验证
项目指引智能问答 / 实拍PRODUCT VIEW
项目指引智能问答真实产品界面
管理界面实拍（历史版本）；不作为回答正确性的证明。回答与依据的行为示意见下方。

答案必须能回到原文。

HR 场景需要可信的回答。我先定义证据与拒答行为，再把检索、规则、人才与数据查询接进同一套产品。

事实
自主部署知识问答产品，54 篇资料拆成 6,202 个知识单元，用真实项目资料验证。
我的判断
模型理解问题；规则、数据库和原文证据提供事实。没有直接依据时明确处理。
仍有限制
自主原型，非客户正式上线产品。历史问答量主要来自本人使用，未证明外部采用。
查看项目档案与更新
进一步：产品机制与验证过程

三种典型问题，对应三种设计行为。以下是前端流程示意与示例数据，不执行实时查询。

试试看：
Q试用期员工的绩效怎么算？
路由 → 制度类 · RAG检索 → 示例命中 3 个单元依据判定 → 支持

试用期员工纳入考核范围，按月度周期单独核算，指标由直接上级在试用期计划中下达……

依据：绩效操作手册 §4.2 · 试用期管理办法 §2.1
Q研发中心有几个 P6 以上的人？
路由 → 数据类 · SQL只读查询 · 白名单表审计留痕

示例结果：17 人。真实产品需完成只读校验、脱敏与审计。

单条 SELECT · 自动 LIMIT · 结果脱敏
Q公司年会大概什么时候办？
检索 → 0 命中依据判定 → 无关

未找到直接依据——知识库不含此类信息，不猜测、不硬答。

拒答优先于编造

无依据时明确说不知道，是这套系统被设计出来的原因之一——HR 场景里，一个编出来的答案比没有答案危险得多。

SmartScheduler 药店智能排班

从经验排班，走向可解释的预测与规则。

我的角色 · 立项 / 数据方案 / 评估标准与验收；AI 协作实现

自主构建 · 模拟数据验证
补充案例产品界面

好看的预测分数，需要能被复现。

模拟数据与离线验证阶段，未在门店生产运行。仍需真实门店数据、泛化与安全验证。

看项目档案
展开本人判断与验证过程
SmartScheduler 药店智能排班 / 实拍PRODUCT VIEW
SmartScheduler 药店智能排班真实产品界面
排班产品真实界面；展示原型能力，不代表真实门店生产部署。

好看的预测分数，需要能被复现。

客流影响排班，但药师配比、工时和休息是硬约束。我把需求拆成预测与约束求解两部分，并先约定怎样评价预测。

事实
设计客流预测与约束求解排班的完整流程，经历多轮方案与产品迭代。
我的判断
训练与预测窗口分开，固定评估协议，保留无效路线，避免用未来数据制造高分。
交付结果
记录 7 轮迭代与外部模型评审；形成可解释的预测、班表与约束验证流程。
仍有限制
模拟数据与离线验证阶段，未在门店生产运行。仍需真实门店数据、泛化与安全验证。
查看项目档案与更新
进一步：产品机制与验证过程

预测模型最容易自欺——把评估做严，比把模型调高更难也更重要。这套系统立了三条军规：

零泄露协议训练数据物理截断到 2026-06-30，7 月真实客流只用于打分，绝不进训练集——从根上杜绝「用未来预测过去」的假高分。
无效方案存档层级预测、log1p 损失、调容量……每条失败路线都记录在案，评审时不重复踩坑，也避免「忽然变好」的偶然被当成规律。
固定种子可复现同一版本跑 3 次，五项时段指标完全一致。说不清怎么复现的结果，不算结果。

历史模型评测形成了可复核记录；仍需真实门店数据与泛化验证，当前结果不作为生产承诺。

从请求到回执，
人在流程里。

用一个流程示意，解释 FatFish 的执行边界。
AI 可以向前走，重要动作先确认，执行范围由人决定。

整理资料，形成报告

交互流程示意 · 不会调用 AI、读取资料或写入文件

目标、资料与边界，进入同一条工作流。

FatFish个人工作台

用合适的工具交付文档、演示与数据。

文档演示Excel

FatFish 负责执行。
问题、边界和验收，由人负责。

写操作的确认卡

核对内容、来源与保存位置，
确认之后，流程才继续。

端到端验证项目档案

沿着五个阶段，查看一个任务如何从输入走向可追溯的交付。

静态流程示意

这套系统在我的日常工作里使用，部分工具仍在迭代。
流程示意用于解释设计；真实功能与状态，见各项目档案。

逐项查看真实状态

每一次转身，
都带着上一段经验。

从写代码，到理解业务和推动交付，再到自主构建 AI 产品。

完整经历在一页简历里

  1. 开发起步，学会交付。

    Java 开发 → 企业软件项目经理。经历零售 HR 系统全模块交付、数据集成与 CRM 项目上线。

  2. 走进需求，形成产品判断。

    项目管理、售前与产品设计；从调研、蓝图、原型到客户培训，理解方案如何落进组织。

  3. 负责绩效域，推进真实交付。

    需求、蓝图、配置、报表、试运行与推广，在企业现场承担完整模块责任。

  4. 自主构建，走向 AI 产品。

    知识问答、智能排班和桌面 Agent；把业务经验带进问题定义、产品实现与证据验收。

AI 产品经理 / FDE · 长沙

聊聊你正在
解决的问题。

如果团队需要一个能理解业务、定义问题，
也能把 AI 产品做出来并验证的人，欢迎联系我。

发邮件给我下载简历
邮箱mengjin0522@163.com电话155 7602 1876
城市 / 到岗长沙 · 一个月内