PRODUCT LIVES ACROSS THE WHOLE SYSTEM
参数只是起点，体验来自整套系统
我一直记得高刷新率屏幕刚进入消费手机时的那个产品课题。屏幕达到 90Hz 只是第一步，系统调度、渲染负载、功耗、内容兼容和动画曲线都要跟上，数字才会变成手指感到的顺滑。
语音与 AI 硬件同样需要这种跨层判断。我的知识库、家庭环境系统和日常产品观察也在训练同一件事。先找到人真实感受到的阻力，再让技术、交互和工程共同为那个感受负责。
AI PRODUCT BUILDER · APPLICATION
我想把一个问题，做成可以实际使用的东西。
我是林成龙。过去近两年，我一直在做大模型产品，也在工作之外把自己的想法做成开源项目、家庭系统和个人工具。下面的五个回答，讲的是我如何发现问题、进入陌生领域，再把想法一步步带到真实运行。
BUILDER LOOP发现做出验证
PRODUCTAICODEDETAIL
产品判断从使用阻力里找到值得解决的问题
动手验证把想法尽快做成可体验的版本
技术理解愿意进入模型、代码与硬件细节
推进落地根据真实使用把产品带到稳定运行
BEFORE THE FIVE ANSWERS
这份岗位为什么让我停下来
它写到了文案、反馈、速度和动画，也写到了代码、模型、硬件和用户现场。这样的工作没有整齐的边界，却有一条完整的责任线。一个人需要看见问题，做出早期版本，再和设计师、工程师一起把它磨成产品。创造感就发生在这条线上，这也是我在物质回报之外最看重的工作价值。
“让想法发生，往往比它属于哪个岗位更重要。
A SHARED PRODUCT INSTINCT
新的交互，
要落到手感
我会对这支团队产生兴趣，也因为它把语音、系统和硬件放在同一张产品图里。一个人说出一句话，设备要听清，AI 要结合当下理解，结果还要准确落进下一步动作。任何一层让人停顿，所谓自然交互都会露出接缝。
01表达说出此刻的想法
→
02语境理解人和环境
→
03意图确认人想做什么
→
04行动去到正确的位置
QUESTION 01
你亲手做过的、最想介绍的一个东西是什么？
一套让 AI 的每个关键结论都能回到原文核验的知识库产品。
我最想介绍 Traceable RAG。它最初来自一个电力知识库项目。用户会拿 AI 的回答辅助业务判断，可每当答案涉及设备条件或规程条款，他们还是会打开文档，一页页找回依据。
这让我意识到，问题已经超出回答是否流畅。对需要为结论负责的人来说，一句看起来合理的话还不够。他们需要知道依据在哪一页，适用条件有没有找全，自己能不能马上复核。
我据此重新设计问答体验。答案里的关键结论直接连接到对应原页，缺少定义、表头或例外条件时，系统会继续查找和补读。用户仍然沿用熟悉的核验习惯，只是从翻完整份规程，缩短为点击引用后检查关键位置。
离开上一家公司后，我在获得许可的前提下重构了公开版本。今天的 Traceable RAG 可以在线体验，也能独立部署，并作为查证工具被 Agent 调用。它把我对可信 AI 的一个判断，变成了可以亲手试用的产品。
TRACEABLE KNOWLEDGE LOOP
TRACEABLE RAG
Agent连续阴雨时，光伏系统可能暂停工作，但不会导致家里断电。系统与配电网并联，发电不足时电网会自动补充，无需手动切换。
结论已与相关问答交叉核对
QUESTION 02
你在其中具体负责了什么？
我从第一次看见信任问题开始，一路做到交付、评测和后来的开源重构。
观察现场
先弄清用户为什么还在翻文档
我梳理专家查规程、核条件和保留依据的过程，确认主要阻力来自答案难以复核。
定义体验
让答案和依据出现在同一条阅读路径里
我拆解跨文档判断过程，设计继续检索、补读上下文和点击定位原页的完整交互。
验证效果
把“感觉更好”变成可以反复检查的结果
我组织历史问题，建立覆盖不同难度的评测数据，并跟踪每次改动对检索和回答的影响。
带到运行
从客户环境继续走到公开可用的版本
我推动本地模型与复杂文档接入，完成内网交付。后来又补上版本管理、自动测试和独立部署。
一个人沿着同一件事持续负责
- 看见从用户动作里识别真实阻力
- 定义把信任问题转成交互方案
- 验证用数据检查版本变化
- 交付把方案带进真实环境运行
QUESTION 03
你最近借助 AI，完成过什么原本不太会做的事情？
我从零补上硬件和家居自动化知识，做出一套真实运行的空气环境系统。
起点是一个每天都能感觉到的小问题。家里不同房间的温湿度和空气状态并不一致，只靠体感开空调、判断要不要通风，反馈总是滞后。我想让环境数据自己进入判断，再把结论变成明确动作。
我没有硬件开发背景，过去也不会选传感器、接电路或写固件。我先定义需要采集的指标、允许自动执行的范围和异常时的安全边界，再和 Codex 一起比较模块、理解接线、迭代固件与自动化规则。电路连接、烧录、摆放和每一轮实测由我亲手完成。
最后的系统把米家温湿度传感器、自制的二氧化碳与 TVOC 模块接进 Home Assistant。它会综合多个房间的读数调节空调，并在需要通风时发出提醒。传感器读数不一致时，我也能沿着采集、判断和执行三层逐一排查。
AI 把陌生领域的学习曲线缩短了很多。目标怎么定、什么动作可以自动执行、实物是否安全、结果是否通过验收，仍然需要我自己判断。也正是这次经历，让我更愿意面对过去不敢轻易碰的技术问题。
LIVE HOME SYSTEM RUNNING
01
环境采集
温度24.2°
湿度52%
CO₂682
TVOC0.21
02
分析与规则
多路读数边界判断动作决策
03
动作执行
空调红外控制通风提醒异常状态提示
QUESTION 04
你最喜欢的三个软件、硬件或 AI 产品是什么？为什么？
我反复喜欢的是同一类产品。技术退后一步，人就能更自然地表达和创造。
01
HARDWARE · CREATION
拓竹 A1
让创造少一点设备门槛
3D 打印原本要求使用者理解调平、校准、振动和材料。拓竹把大量工程工作收进开箱后的流程里。用户可以把注意力放回模型和成品，这种被工程托住的自由感很吸引我。
我在意它怎样把复杂技术变成稳定的日常工具
02
AI HARDWARE · CONTEXT
Ray-Ban Meta
让“这个”和“刚才”拥有上下文
眼镜把视线里的环境带进对话。人在移动时说出“这个菜单”或“刚才那件东西”，AI 有机会理解具体指向。它让我看到，连续的上下文会怎样缩短表达和理解之间的距离。
我在意它怎样让 AI 进入眼前正在发生的事情
03
AI SOFTWARE · VOICE
ChatGPT Voice
让思路少经过一次键盘转译
读专业书籍时，我会把 Voice 放在旁边。遇到陌生概念，直接开口追问，阅读节奏不必停下来切换输入方式。语音让我第一次感到 AI 可以自然地陪在一个持续过程里。
我在意它怎样贴近人本来的表达习惯
MY PRODUCT BASELINE
长期使用 Apple 产品留下的判断标准
无障碍设计、清晰的人机交互规范和自然的非线性动画，让我愿意持续为一整套软硬件体验付费。它们也训练了我对细节的敏感。一句话是否准确，一个步骤是否多余，反馈能否让人立刻理解当前状态，这些看似很小的地方会在长期使用里不断累积。
QUESTION 05
有没有一件事情，是在没有人要求你的情况下，你主动发现并做成的？
我为自己的项目工作，做了一套保存在本地的长期记忆系统。
上一份工作里，我同时推进多个客户项目。容易丢失的信息常常不在正式文档中，它们散落在会议、即时沟通和参与者的记忆里。目标一变，或成员一换，团队就需要重新解释来龙去脉。
没有人安排我解决这件事。我开始搭建 PMOS，也就是 Project Memory Operating System。它把客户情况、项目目标、当前进度和参与人员保存在本地，并随着新的会议材料持续整理项目状态。
一次客户例会结束后，我把语音转写交给 Codex。它会先读取已有的项目背景，再写出贴合当前进度的会议纪要，提取下一步工作。部分后续材料也可以沿着同一份上下文继续完成，我负责核验事实和最终交付。
PMOS 解决的是我每天都会遇到的重复解释。更重要的是，它让我看见一种新的个人工作方式。只要长期上下文被认真维护，一个人就能让 Agent 接住更连续、更完整的任务。
PMOS
Project Memory Operating System
PROJECT CONTEXT
项目目标已更新
客户情况持续维护
当前进度进行中
INPUT会议语音转写
→AGENT读取长期上下文
→OUTPUT纪要与后续工作
Context syncedHuman verified ✓
WHY THIS ROLE
五个回答背后，是同一条做事的线。
先看真实的人
从用户仍在翻文档的动作里，我找到一个比回答速度更重要的信任问题。
再亲手做出来
我愿意进入代码、部署、电路和自动化规则，让想法尽快经受真实使用。
继续向外生长
我用 AI 学会过去不会的事，也会主动搭建支撑自己长期工作的工具。
我还在成长为一个更完整的 Product Builder。下一段经历里，我希望离早期产品的重要判断更近，也希望和一群同样在意速度、手感和创造过程的人一起工作。面对尚未有标准答案的问题，我愿意先做出一个可以被讨论、被体验、也被推翻的版本，再和团队把它一步步带到真实世界。