01
Agent 产品从 0 到 1 构建经验
独立推进 Plato Agent 应用产品从概念验证到可运行版本的完整构建，覆盖后端系统能力、前端 GUI 与交互、桌面端打包和发布流程。目前产品支持 macOS ARM 平台，并可通过 DMG 方式交付。
简历 / Agent 产品经理
Zhang Hao
AI 产品构建者
求职方向：Agent 相关产品经理 / AI 产品经理。核心优势是同时理解产品需求、Agent 架构、上下文治理和实际交付过程。
联系
联系信息与基本背景
联系方式
目标岗位
- Agent 产品经理
- AI 产品经理
- 产品经理
证书
- 阿里云云计算高级工程师 ACP 认证
- 中科院心理所心理咨询师基础培训合格证书
优势
个人优势
围绕 Agent 产品经理岗位，重点展示产品判断、Agent 架构理解、复杂项目推进和真实交付经验。
02
Agent 架构与上下文治理理解
Plato 的底层架构由本人设计，采用 ReAct 抽象模型，具备 session、plan、task 多级上下文治理能力，支持 Skill 接入、Agent 主动提问、用户主动打断与恢复，并通过事件记录保留关键变更过程。
03
长周期复杂项目推进能力
Plato 项目代码超过 10 万行，文档超过 10 万行；在较高复杂度下，仍持续维护项目资产、推进功能迭代，并保持较快交付节奏。
04
产品化工作流沉淀
沉淀了覆盖需求提出、计划制定、方案设计、方案实施、测试验收、打包发布的完整工作流，并对失败路径、复杂度失控和交付风险保持复盘意识。
05
用户视角与抽象能力
产品能力设计与架构调整均从用户任务出发，关注用户如何理解 AI、如何描述需求、如何检查结果，以及系统复杂度是否能转化为真实用户价值。
06
快速学习与补齐能力
一个半月内完成产品、UI 与前端能力的集中补齐；在早期对上下文治理、Skill 底层原理和数据流转理解不充分的情况下，通过持续学习和实践快速建立基本能力。
项目证据
项目证据
Plato 是最核心的长期项目，用来证明 Agent 产品从需求、架构、实现到交付的完整能力。
AI 辅助构建证据
高强度 AI Agent 实践记录
这组数据不用于证明“用了很多 Token”，而是作为实践密度的辅助证据：持续使用 AI 辅助完成 Plato 的产品设计、架构拆解、代码实现、文章整理与发布流程。真正重要的是这些使用强度最终沉淀为可运行产品、公开仓库、项目文档和系列文章。
36.5 亿 累计 Token 34 天 连续使用 847 使用技能总数
能力
能力结构
产品能力
- 需求拆解
- PRD
- 方案设计
- 迭代计划
- 测试验收
- 项目复盘
Agent / AI 系统
- ReAct 抽象模型
- 上下文治理
- Skill 接入
- Agent 交互体验
- 打断与恢复
- 事件记录
工程实现
- Python
- Java
- React
- TypeScript
- 后端系统
- 桌面端打包发布