要解决的问题
批改是学习机 K12 用户的高频场景，但单一批改模型准确率约 85%，部分题型仍需用户在多个应用间手动核验，操作繁琐、体验割裂，使用成本较高
好未来 · 智能硬件部｜AI 产品经理实习｜2025.04—2025.10
聚合批改 Agent
围绕 Agent 执行和长任务体验持续优化，重构 VLM 提示词并引入典型样本，缩短执行路径、展示步骤与进度，减少等待的不确定感
负责范围
负责聚合批改 Agent 产品优化，围绕 Agent 执行和长任务体验两类核心问题持续迭代
成果与验证
执行准确率 79%→92%；首单完成率提升 27%；功能次周留存率提升 32%（25%→33%）
核心贡献
Agent 执行优化
针对复杂页面下识别、操作不准的问题，重构 VLM 提示词的重点与格式，并引入典型样本。执行准确率由 79% 提升至 92%，单图平均执行时长减少 1 秒
长任务体验优化
缩短部分执行路径，将 Agent 的执行步骤和进度展示给用户，减少长时间等待时的不确定感
项目成果
首单完成率提升 27%，功能次周留存率提升 32%（25%→33%）；执行准确率由 79% 提升至 92%，单图平均执行时长减少 1 秒
返回核心项目