AI 产品人 · build in public —— 一边做产品,一边把过程和踩过的坑公开写出来。
我做的东西围绕一个信念:AI 吃掉一切不产生理解的杂活;判断、观点、表达,留给人。 下面这些项目都是同一条链路上的一环 —— 把「信息 → 认知 → 内容」做成一个人也能转起来的飞轮。
🏠 个人站 · ✍️ 公众号「杰西卡聊AI」· 📕 小红书 杰西卡 · 🎵 抖音 @杰西卡(二维码见文末)
kw-demo.mp4
飞轮的主体,其他项目多半是从这里长出去的。
🧠 knowledge-workbench (3 stars) - 一个人把「信息 → 认知 → 内容」做成飞轮的完整尝试:采集 → 理解 → 沉淀 → 创作 → 发布 → 复盘。上面那条视频讲的就是它
一对姊妹 skill。装进任何能跑 shell 的 AI agent(Claude Code / Codex / Cursor / Gemini CLI…)就能用,丢链接进去,产物是你自己的 markdown。
📖 read-anything (31 stars) - 任意链接(网页 / 博客 / 播客 / X)→ 中文结构化解读 → NotebookLM 式对话。read 管读文字
🎬 watch-anything (25 stars) - X / YouTube / B站 视频(含无字幕)→ 自动下音轨转写 → 中文卡片解读(摘要 / 要点 / 金句中英对照)。watch 管看视频
在真实项目里被坑出来、清洗后开源的东西。
🛠️ open-skills (2 stars) - 实战踩坑攒出来的 Claude Code / Agent Skills 合集。deep-clean 的核心是一条教训:AI 最会把文件夹摆整齐,最容易跳过核对内容
🌉 codex-feishu-bridge (1 stars) - 把 Codex CLI 桥接成飞书 / Lark 机器人:扫码建 bot、macOS 后台常驻、空闲不烧 token
🤝 mindforge (3 stars) - 多 AI 协作的终端工具,自动传递上下文、记录分歧与决策,不用每换个模型就重讲一遍背景
把行业专家的判断,做成可复用、可追踪的 Agent 工作流。
🛒 mall-operation-system (1 stars) - 商场经营 Agent:销售、客流、合同、活动、巡店记录散在各处,把它们收成一条研判链路,输出可执行的改善动作 ·
⚖️ Lawyer-AI (1 stars) - 把混乱的客户咨询记录,整理成律师可改、可确认、可交付的工作底稿(劳动争议付费咨询助手 MVP)·
📈 KOL-match (0 stars) - 电商达人投放决策系统:从「找人」变成「分组 + 排期 + 首轮先谈名单」
长文首发在公众号「杰西卡聊AI」。写的都是自己做项目踩出来的东西 —— 结论好抄,坑不好抄。
- 📖 AI一键出片,真的那么容易吗? · 2026.08.07
- 📖 你效率提升 10 倍,你们公司为什么没有? · 2026.08.03
- 📖 会说话的 agent,多半不干活 · 2026.08.02
- 📖 有些需求,天生说不清 · 2026.07.29
- 📖 当所有人都能做到 80 分 · 2026.07.28
👉 全部文章在个人站,或扫文末二维码关注公众号。
想一起 learn / build in public,或认识做内容、做 AI 产品的朋友,欢迎关注、来聊:
| 小红书 · Xiaohongshu | 公众号 · WeChat | 视频号 · Channels | 抖音 · Douyin |
![]() |
![]() |
![]() |
![]() |
本页的 star 数和文章列表每天自动更新,不用手改。





