AI PRACTICE / HANGZHOU
洪新哲
懂点设计,懂点产品,也用 AI 把想法做出来。
在创作与业务中实践 AI,也为日常需求做小工具。这里展示项目和作品,也保存想做的事、思考的来路与持续积累的方法。
- AI Native
- 审美判断
- 业务翻译
- 动手验证
2025.09 — 至今
NoDesk AI · 上下文工程师 AIGC 产品 / 运营|Agent 应用落地
围绕 AIGC 产品与内容生产、企业 Agent 业务流程推进落地。
通过内容方案、效果验证与生产支持,推动苏泊尔、乐扣乐扣、美加净等品牌年框合作。
代表项目
VIBE CODING / PERSONAL PROJECTS
Vibe Coding 项目
从日常问题出发,用 AI 辅助开发。
记录小工具、原型和持续迭代的过程。
访问我的 GitHub ↗
PRACTICE / SELECTED CASES
我的实践与案例
工作里的产品与应用,也有为自己做的小工具。
浏览全部项目 ↗
AIGC 产品构建与落地
从创作需求到生产流程,再到验证与团队使用。
Agent 落地与交付
把业务问题拆成规则、工具和可验证的工作流。
茉酸奶:业务翻译、接口与 Skill 需求、规则试算及评审材料;将门店风险转为巡店决策与执行方案。
Vibe Coding 项目
Vibe Coding · 小工具 · 原型探索
围绕自己的需求,用 AI 辅助开发小工具与 Web 原型,记录从想法、实现到迭代的过程。
AIGC / PRODUCTS & CONTENT
AIGC 产品构建与落地
2026 · NoDesk AI 工作项目
从产品定义、流程设计到验证与团队使用。
NoStudio 让品牌团队在同一空间使用品牌资产、协作创作和审核。Studio Work(原 NoTV)把简报和参考素材变成分镜、镜头和成片。
NoStudio品牌 AI 设计工作空间
团队用品牌规范、商品资料和已审核素材,从营销简报出发制作、审核内容,再按渠道或市场调整。
我的侧重点 · 生产需求与联调验证
- 规则设计
- 梳理商品、卖点、素材与 Skill 的关联;区分产品说明资料和生成参考,让素材选择可检查、问题可追溯。
- 协作推进
- 把素材引用、任务状态等生产问题转成需求、复现步骤与验收条件,协同研发联调和复测。
- 实际产物
- 商品与素材使用规则、需求反馈、联调验证记录和操作指引。平台工程由研发完成。
Studio Work 原 NoTV视频创作智能体
输入创意简报与商品参考,结合创作 Skill 规划分镜、生成镜头,审核后交付成片。
我的侧重点 · 0 到 1 流程构建与产品推进
- 流程与规则
- 负责产品需求与生产流程设计,构建 SKU Skill / Meta Skill;与算法工程团队协作,共同推进产品验证、迭代与落地。
- 生产链路
- 脚本+SKU Skill → Prompt 与素材自动编排 → CLI / MCP 并发提交 → 审核,以自然语言修改失败单元。
- 团队使用
- 制作杯子、服饰实操录屏与使用指引,将操作问题转成反馈,支持团队上手与流程改进。
- 实际产物
- P0 产品需求稿、SKU Skill / Meta Skill、素材编排方法、生产演示与培训记录。
质量判断与生产成效
把选型、验证和修改连起来,减少无效生成。
模型判断熟悉 Wan、Seedance、Kling、MiniMax H3 等常见模型,按具体版本与任务核验商品保真、人物动作及画面一致性,选择生成、实拍或后期方案。
生产成效通过商品约束和素材引用减少失真与重试,通过 CLI / MCP 并发提交减少逐条操作。
SELECTED WORK
项目案例
工作中的产品与业务实践,以及为自己做的工具。
每个案例记录问题、我的职责、产物与结果。
工作项目
在真实业务中,推进产品与应用落地。
个人探索 · Vibe Coding
从自己的需求出发,做工具、验证想法。
AGENT / AI APPLICATIONS
Agent 业务流程设计与落地
围绕真实业务,推进需求、规则与交付验证。
当前项目:茉酸奶门店督导 Agent。
企业 AI 应用 · 业务方案与评测
茉酸奶 · 门店风险评估与智能巡店 Agent
哪些店需要巡,哪些优先,到店查什么?
把经营、巡检与客诉信息转成风险判断和到店任务,辅助督导安排日程、跟踪整改,解决判断依赖个人经验、任务分散和问题难追踪的痛点。
我负责:业务翻译、接口与 Skill 需求、评测集构建与调优
- 业务方案
- 区分应巡名单、风险优先级和日程安排;拆解月度排期、事件重排与整改复核,明确暂缓、停复营、请假和重复触发等异常。
- 研发协作
- 逐环节定义输入输出、字段映射、接口缺口与验收样例;明确 Skill 编排、工具计算及人工确认的分工,协同算法工程团队实现。
- 评测交付
- 构建 1,339 条门店月度案例和可复算脚本,完成巡检、差评、业绩三维规则批量试算;交付覆盖 88 家门店的评审材料。
- 交付价值
- 已将三维规则的重复核算转为批量试算,集中呈现风险证据与优先建议;另交付任务去重、整改回传与复核方案,为减少重复安排和人工追踪提供依据。
BACKGROUND
背景与经历
2025 届毕业
- 2025.09 — 至今
担任 NoDesk AI 上下文工程师
AIGC 创作与生产流程建设
从品牌图像、视频与数字人创作出发,将生产经验沉淀为 Skill 与工作流;负责 Studio Work(原 NoTV)早期产品流程,参与 NoStudio 的生产需求与联调验证。
AIGC / PRODUCTS & CONTENT
AIGC 内容作品
图像、视频与数字人内容制作。
每个案例说明产出形式、我的分工与项目状态。
A TEAM ACHIEVEMENT
阿里「生意管家杯」视频组第一
作为电商 AIGC 视频制作核心参赛成员,随团队获得视频组第一。我的工作涵盖 Skill / Prompt、视频生产、剪辑质检与现场演示。
公众号原文(可在微信内尝试打开)商品场景、剧情短片、创意品宣与服饰展示。点击作品查看完整视频与项目分工。
相关品牌视频项目 查看品牌索引
品牌视频与方案验证项目索引;精选样片见上方,具体分工在作品详情中说明。
乐扣乐扣
满婷
欧诗漫匹克
美加净
野兽派
品牌长图、场景套图与商品详情页视觉探索。点击查看完整图片、应用场景与我的分工。
DIGITAL HUMAN / 制作实践
人物口播与生成镜头的结合
以数字人口播串联头皮、发丝与商品画面。展示人物表达、声音和生成素材如何组成一条完整内容。
- 我的工作
- 确认人物形象与场景,生成、修改数字人口播,处理声音、人物比例与背景一致性问题。
- 团队协作
- 剪辑同事完成字幕、画面组合与包装。
- 案例状态
- 4 月 15 日群内修改版;人物画面含 AI 生成。
模型选型与能力边界判断
结合实测与 Badcase,判断模型在商品保真、文字细节、人物动作及画面一致性上的适用范围,选择生成、实拍或后期处理方案。
杯壶饮具|美妆护肤|家电厨具|奶粉营养品|洗发护发|鞋服|家居收纳
以上为部分代表作品,涵盖生产与方案验证。A GROWING TOOLBOX
Skill 库
个人构建与日常收录
从需要什么,到能做出什么。
暂时没有匹配的 Skill。试试「视频」「照片」,或切换到全部。
PROMPT NOTES
常用提示词
基于实践整理的模板草稿。
替换方括号中的内容后使用,持续补充。
商品视频 · 生成前的素材与脚本检查 展开模板 +
请根据以下资料检查商品视频的生成准备情况: 商品资料:[产品事实与卖点] 脚本:[脚本内容] 参考素材:[素材列表及对应说明] 逐镜头列出:表达目标、商品状态、所需素材、生成约束与人工检查点。 明确区分已确认事实、待确认信息和模型可能生成错误的部分。 素材不足时列出缺口,不补造产品功能;先选一条代表性镜头进行验证,再建议批量生成。
业务 Agent · 需求与验收条件梳理 展开模板 +
请协助拆解以下业务 Agent 需求: 使用者:[角色] 业务场景:[场景描述] 现有数据与工具:[已确认的输入和工具] 预期结果:[希望完成的任务] 依次整理:业务目标、输入字段、判断规则、工具需求、输出形式、异常分支、人工确认点和验收条件。 对每项注明“已确认”或“待确认”,不得假设尚未接入的数据或能力已经可用。 最后列出需要向业务方与研发分别确认的问题。
新品 SKU Skill · 商品理解与素材映射 展开模板 +
请根据以下信息,先整理新品 SKU Skill 的构建计划: 商品资料:[产品说明、颜色、结构与状态] 卖点:[希望表达的产品特点] 素材:[图片 / 视频及用途说明] 品类规则:[已有规则,没有则留空] 1. 分开列出已确认的商品事实、待确认信息和资料缺口。 2. 合并可共同表达的卖点,逐项给出展示方式与所需参考素材。 3. 区分产品说明资料与生成参考;复杂动作说明是否需要视频参考。 4. 输出 SKU Skill 的规则结构、素材映射与质检要点,等待人工确认。 5. 选择一条代表性脚本验证,记录问题后再更新 Skill。 素材不足或商品结构不清楚时,列出问题,不补造事实。
基于个人 Meta Skill 构建实践整理的通用模板,不含具体品牌素材或内部配置。
A GROWING NOTEBOOK
个人积累
把想做的事、思考的来路和实践留在这里。
从一个想法开始,持续补充背景、判断、尝试与下一步。
暂时没有匹配的笔记,试试“素材”“排期”或“模型”。
这里保留思考与实践的来路,记录会随新的理解持续更新。去小红书看分享 ↗
A LITTLE ABOUT ME
你好,我是洪新哲。
我于 2025 年毕业于建筑学专业,目前在杭州,就职于 AI startup NoDesk AI。建筑学的训练让我习惯同时考虑表达、结构与实现,也影响着我今天做 AI 创作与应用的方式。
工具越强,越需要自己的判断。
当 AI 能承担越来越多的执行工作,我更看重的是:什么值得做,什么样的结果算好,以及它是否真正解决了问题。
审美帮助我判断表达的质量,对业务的理解帮助我判断结果的价值。我希望形成自己的标准,并为最终的选择负责。
审美判断
从构图、节奏到品牌风格,判断生成结果是否合适,把审美落实到选片与修改中。
业务翻译
把业务诉求梳理成流程、输入输出和接口需求,用原型与规则和算法、开发团队对齐。
动手验证
用 Vibe Coding、Skill 和工作流把想法做出来,在实际使用中验证,再逐步改进。
拆解与收敛
分层管理上下文,理清目标、事实与约束;拆出流程和异常规则,用测试集明确交付标准。
自驱学习
在真实问题中尝试新模型和工具,把有效方法与失败教训沉淀成可复用的记录。
看看我的个人积累 ↗
实际页面 · 点击浏览 ↗