发现
我从用户问题、业务约束以及能证明工作重要性的信号开始。
我的构建方式
产品导向的软件工程。
我打造软件工程、用户行为、前端工艺和实用AI工作流交汇的产品体验。我的价值不仅在于编写代码，更在于帮助团队将模糊性转化为有用、可衡量的软件。
当前关注
Software Engineering产品判断实用AIFrontend CraftUX Quality
操作系统
从问题到学习
我用来将不清晰的想法转化为已交付产品行为的过程。
塑造
我将模糊性转化为流程、优先级、权衡，以及一个足够小的可供学习的版本。
构建
我以前端质量交付：可访问性、性能、可维护性和清晰的产品行为。
衡量
我寻找产品信号：采用率、留存、摩擦、反馈和真实的用户行为。
迭代
我把第一个版本当作学习的产物，而不是终点线。
我寻找的信号
PMF
用户会因为产品创造真实价值而回来吗？
留存
体验是否给用户提供了返回的理由？
UX摩擦
用户在哪些地方犹豫、放弃、重复或需要帮助？
性能
速度是否在提升信任、完成率和感知质量？
技术债务
我们是在有意借用时间，还是在制造无形的拖累？
North Star
团队是在为价值优化，还是在装饰仪表盘？
我避免的反模式
Scope creep
增加更多表面功能并不总能创造更多价值。
虚荣指标
指标应该解释行为，而不仅仅是让进展看起来不错。
隐藏的复杂性
简单的UI背后可能隐藏着昂贵的产品和技术决策。
缓慢的反馈循环
反馈周期越长，产品学习效果越弱。
我与团队的合作方式
贴近产品决策的软件工程。
我将技术复杂性转化为产品权衡。
我更喜欢原型而不是抽象辩论。
我尽早暴露风险，尤其是范围、性能和可维护性方面。
我使用AI加速探索、实现和审查，但不外包判断力。
我正在寻找的
质量、产品判断和速度能够相互促进的团队。
我希望与工程贴近产品决策、质量至关重要、AI被用作更好思考和更快执行杠杆的团队合作。