让专业知识、AI 能力与真实使用场景连接起来。
我是张诗贺，一名拥有心理学与人工智能驱动创新跨学科背景的 AI 产品经理，专注专业知识密集型场景中的 AI 产品设计与落地。
我深入设计 AI 怎样工作：测评依据怎样转成规则，模拟来访者怎样回应，对话 Agent 怎样理解和行动。再把这些要求连接到用户流程、原型和检查标准，协同团队推进实现。
精选作品
五个项目，五种产品实践AI 投射心理测评平台 ↗
从绘画分析，到机构可管理的测评流程。
将专业分析依据整理为 160+ 视觉特征维度，连接 AI 识别、量化评分、风险分级和报告；围绕单人、批量与机构定制场景推进产品交付。
AI 标准病人训练与考核系统 ↗
让 AI 扮演来访者，也让训练得到具体反馈。
将病例转成可配置角色，设计多轮对话行为、两种训练模式与参考评分报告，并结合教师试用反馈推进调整。
Deep Talk Agent ↗
让一句模糊的关系期待，成为可确认、可修正的用户理解。
设计 Agent 的整体架构与关系知识体系，连接用户理解、对话决策和画像，为关系探索与后续匹配提供基础。
EmoCare ↗
把 AI 陪伴放进一个可以探索、停留和返回的世界。
通过家、街区、角色与活动，把情绪表达连接到日常行动，完成产品架构、交互原型与 MVP 需求设计。
EEG × 香氛体验 ↗
把跨模态设想，拆成可执行、可验证的体验方案。
连接脑电参考信号、气味成分和主观偏好，设计实验、服务蓝图、软硬件系统与交互原型。
我怎样开展产品工作
先定义任务，再决定 AI 应该承担什么
我关注用户在哪一步遇到困难，AI 可以承担哪些工作，以及哪些判断仍需要用户或专业人员参与。产品目标需要落到具体流程，才能成为功能和验收要求。
把专业判断拆成知识、规则与行为要求
知识库、角色、Prompt 和业务规则需要共同服务用户任务。我会区分 AI 需要知道什么、根据什么判断、采取什么动作，以及输出怎样被理解和检查。
让设计进入可检查的使用流程
我通过用户流程、原型、需求文档和规则说明对齐团队，并结合测试、专业反馈和机构需求持续调整产品。
张诗贺 · AI 产品经理
心理学让我关注人，产品工作让我把理解落到系统里。
心理学训练让我重视研究方法、行为分析和个体差异；人工智能驱动创新的学习则帮助我从技术、系统与产品策略的角度处理问题。两者结合，使我更关注专业知识怎样转化为可执行的 AI 任务，以及用户和专业人员怎样理解、检查与修正系统输出。
我的项目实践覆盖 AI 心理测评、模拟咨询训练、关系探索 Agent、数字情绪陪伴与脑电结合香氛的概念验证。我既参与从需求到交付的完整产品流程，也深入到知识结构、评分规则、Prompt、对话行为、原型和验证方法的设计。
我的工作重点
- AI 产品机制： 将专业知识转成明确的输入、判断条件、输出与异常处理要求。
- 用户体验与业务流程： 同时考虑终端用户、专业人员和管理者如何使用产品。
- 验证与迭代： 用测试结果、用户反馈与可复核的案例推动调整，并区分已经验证与仍待验证的部分。
我使用的方法与工具
需求分析、用户研究、产品原型、PRD、AI 规则与评价设计、实验设计及跨团队协作。使用 Figma 表达产品与交互，通过 SPSS、R、Mplus 开展数据分析，并使用 AI 编程与原型工具快速探索方案。