Special Personal Edition
产品工程师 / AI 应用设计者
长期在产品、前端工程和 AI 工作流之间工作，擅长把含糊的业务流程整理成可运行的工具。过去几年主要关注知识生产、运营效率和面向团队的智能体界面。
Editor's Note
做产品时像编辑报纸：判断版面、保留出处、让读者快速找到重点。
Lead Story
最近一年的主要项目是为内容与运营团队搭建 Signal Desk：从工单、会议纪要、用户反馈中抽取主题，生成可追踪的行动建议。
项目从 18 人试点开始，逐步接入 7 个业务小组。陈砚青负责信息架构、前端实现、提示词评审流程和结果可信度标注。上线后，例行周报整理时间从平均 4.5 小时降到 2.1 小时，团队也保留了人工复核与出处追踪。
一名喜欢报纸、数据库和沉默界面的产品工程师
dongmodao 习惯先画流程图，再打开编辑器。做产品时不追求一次讲完全部功能，而是把用户下一步要做什么说清楚。
作品通常不喧闹：密度高、反馈明确、允许快速扫读。对于个人项目，他偏好用 Next.js、React、SQLite、LLM API 和少量自动化脚本完成端到端验证。
8+
年产品与工程经验
34
交付过的内部工具与原型
12k
月均知识库检索请求
3
长期维护的小型开源项目
Working Method
面向运营团队的情报工作台，聚合用户反馈、客服工单和竞品动态，自动生成主题簇、风险等级和建议动作。
试点 11 周后，重复性整理工作减少约 52%。
带出处追踪的个人知识库，支持把网页、PDF、会议记录转成可检索卡片，并保留原文片段和手动批注。
在一个 24 人研究小组中持续使用 6 个月。
用于团队内部评审提示词和模型输出的轻量工具，包含样本集管理、红线检查、版本对比和人工打分。
帮助 5 条业务流程建立了上线前评审基线。
新功能发布后的追踪面板，把埋点、用户反馈和客服标签放在同一张时间线上，方便复盘判断。
减少跨团队同步会议，保留更完整的决策记录。
2022 - Now
Yanqing Studio
为早期团队和成熟业务线设计内部系统、AI 辅助流程和面向知识工作的原型。通常从 4-8 周的验证项目开始。
2019 - 2022
内容平台增长与创作者工具方向
负责创作者分析台、素材管理、实验配置和运营自动化工具。工作跨越需求澄清、前端实现、埋点和数据复盘。
2016 - 2019
SaaS 与数据产品团队
参与从零搭建 B 端控制台和数据可视化组件库，形成了对信息密度、响应速度和权限模型的长期偏好。
Current Focus
把模型评估、人工复核和业务日志放进同一个产品闭环。
Best Fit
2-8 周的原型验证、内部工具改造、AI 流程落地顾问。
Reading
工作流设计、组织知识管理、编辑产品和城市史。
Contact
hello@yanqing.studio
可把零散需求整理成优先级清晰的 PRD 和原型。
熟悉 Next.js、React、Tailwind、Node.js、Postgres、SQLite。
能与设计、数据、运营和工程团队在同一张白板上工作。
偏好小步上线、真实样本评估和可回滚的自动化。
2026.03 / Working Notes
如果用户必须先整理完全部材料才能得到帮助，AI 只是一个更贵的总结按钮。更好的入口通常在收集、判断和复核之间。
2025.11 / Product Systems
提示词不是文案，而是一种会影响业务行为的配置。它需要版本、样本、负责人和失败案例。
2025.06 / Field Memo
过早追求完美界面会掩盖流程里的真实分歧。内部工具最有价值的阶段，是它还能被一线使用者改写。
Contact Bureau
接受 2026 Q2 起的顾问项目与小型产品孵化。请附上项目背景、现有材料、期望时间线和你最想验证的问题。