C75 · Automotive Product Direction
镁佳科技智能座舱产品经理，参与长安深蓝座舱 AI 交互方向；英国 HCI 硕士，具备语音、地图 Agent 与 AI Native 产品落地经验。
Cockpit AI
C75 的核心变化是从泛 AI 产品叙事转向车企智能座舱。当前经历聚焦长安深蓝座舱 AI 方向，覆盖 MegaClaw、地图 Agent 与语音体验优化，强调场景拆解、功能边界、任务流和验收口径。
从需求、任务流、交互触点到验收要点，关注 Agent 能力如何进入真实车内场景。
英国 Times 排名 17 的约克大学人机交互硕士，欧洲多地研学汽车文化，App 原型曾获导师认可并推至英国政府竞选。
Experience
车企座舱需要的不只是“会写需求”，而是理解用户场景、Agent 工作流、工程协作和可验证结果。过往经历把这几件事串在一起。
负责自动化工作流设计，表现被 CEO 傅盛选中，推动公司内部 AI Native 变革，提高增长组运作产出 400%。
单人全栈开发 xc.easyclaw.com，覆盖 6 条业务线，为增长组节省 6 个运营员工，EasyClaw 官推涨粉至 418%。
参与《剑侠世界 4》界面设计与视觉优化，负责 20 个界面模块的 UI 资源交付，并协作 12 个核心系统动效与交互。
Projects
C75 保留 CDS 与约克游，是因为它们能补足智能座舱岗位需要的“交通工具理解”和“出行场景设计”证据，而不是泛泛展示项目数量。
参与设计训练，完成四门轿车外观与内饰概念方案，理解整车 Package、造型比例与座舱体验约束。围绕外观比例、内饰分区、HMI 触点与空间可行性，建立车辆设计与交互体验连接。
为英国约克市政府开发探索型 App 原型，鼓励游客游览本地小众商店。构建问卷体系，明确地图导航、兴趣点推荐、活动提示等核心功能，并通过游戏化机制提升城市探索沉浸感。
使用 SPSS、Python 等工具处理与分析 54 万条使用数据，挖掘用户行为与潜在需求；与产品和开发合作推动 3 项核心功能交互优化，提升用户任务完成率 18%。
Education
2024.9 - 2025.9。英国 Times 排名 17，欧洲多地研学汽车文化（纽北、古德伍德等），专攻 AI 出行方向。
Awards
Skill Map
不是工具堆叠，而是围绕车内场景、用户意图、Agent 工作流、原型落地与数据反馈形成的产品能力。
智能座舱、地图 Agent、语音体验、多轮对话、车载 HMI 触点、功能边界拆解。
AI Agent 工作流、多 Agent 阵列、自动化运营系统、交互 Demo 独立落地。
HCI、用户研究、问卷体系、用户测试、任务驱动体验、游戏化机制。
Python、SPSS、数据清洗分析、需求评审、研发沟通、验收要点沉淀。