品牌电商执行
Bershka、SCOFIELD 等品牌视觉与大促落地，建立电商节奏、页面制作和转化语境。
00 / Selected work
不同品牌时期，
不同问题尺度。Selected Work
从初创产品体验、品牌主设计到多渠道电商设计管理。每个项目记录的不只是视觉结果，也包括我如何理解问题、组织协作并推动落地。
Taste
to
System
to
System
真正的变化不是“生成一张图更快”，而是设计负责人可以把经验拆成流程、规则、数据和界面，让判断力被放大，也让团队更快抵达高质量答案。
01 / Career evolution
职业轨迹不是换赛道，而是把原有能力升级为新杠杆。Experience → Leverage
从品牌电商执行、主设计师与团队协作，到 DESCENTE 数字体验负责人；现在的重点，是把长期沉淀的商业、审美、转化和交付经验，重新组织为 AI 原生设计领导力。
主设计师与管理
Jordan、Nike、Liby 等品牌沟通与项目协作，从个人产出扩展到跨团队交付。
数字体验负责人
安踏集团 DESCENTE 高级网页设计经理，负责多渠道视觉策略、页面体验、质量把控与团队管理。
AI 原生设计实践
围绕产品、自动化、数据系统和方法论，把个人经验沉淀为可运行工具和团队资产。
02 / Capability model
我真正擅长的，是让五种能力同时工作。
AI 不会替代这些底层能力，但会奖励能把它们结构化的人。我的优势是把商业目标、审美判断、用户体验、团队交付和自动化系统放进同一个工作台。
品牌与电商视觉Brand-Commerce
把品牌调性转译成页面、活动、内容和渠道资产。
业务与转化思维Business-Conversion
在美感之外关注点击、停留、链路和最终商业目标。
UX 与产品设计UX-Product
把需求组织为信息架构、交互路径、界面原型与可验证体验。
团队与复杂项目管理Team-Delivery
拆解任务、统一标准、推动跨部门协作和稳定交付。
AI 产品化与自动化AI-System
把重复劳动、判断规则和数据流转改造成工具与系统。
03 / Business proof
业务规模和数据成果，是设计判断力的压力测试。DESCENTE
在 DESCENTE 的长期业务中，设计不是只做“好看的页面”，而是在多个渠道、多个业务节点和多方协作中，把品牌一致性、页面效率与体验优化持续拉齐。
2020 GMV 同比
所在电商业务整体成果，设计与体验优化是推动因素之一。
3D 鞋品模块点击
较之前模块提升，来自更明确的展示结构与互动入口。
3D 模块互动
较行业同类模块约高，体现产品展示与体验路径的吸引力。
天气模块满意度
用定位与温度匹配商品，验证内容推荐与场景化体验。
数据归因说明：GMV 为业务整体结果，受商品、运营、流量、供给、品牌和设计等多因素共同影响；这里将设计与体验优化视为推动因素之一，不单独归因。
04 / AI operating system
AI 不是插件，而是新的设计组织方式。Design becomes leverage.
我把 AI 能力分成三层：战略层决定做什么，产品层把问题变成可用界面，效率层把重复流程自动化。三层合在一起，才是设计负责人真正能推动的 AI 转型。
Strategy
AI 设计战略
场景诊断、试点选择、工作流改造、效果指标与团队资产沉淀。先判断哪里值得 AI 化，再决定怎么做。
Product
AI 产品设计
从真实问题出发，完成定位、需求、UX/UI、原型与可运行验证，让 AI 能力落在具体产品体验里。
Efficiency
AI 工作流
用 Codex 打通数据、Figma、前端与报告，消除重复操作，把交付速度转化为组织能力。
05 / Practice lab
五个 AI 实践，把经验推向系统、产品和方法论。
这些不是“炫技项目”，而是从真实业务、真实数据和真实生活问题里长出来的试验：能自动化的自动化，能结构化的结构化，能产品化的产品化。
01
电商自动铺款系统
Automated merchandising system
把 Excel、企业 DAM、JSON 和 Figma 模板串成流水线，解决铺款页里最消耗人力的商品图匹配、命名、分组和导出问题。
阶段说明：95% 效率提升来自工作流原型试跑估算，用于验证自动化方向，不代表完整生产环境长期平均值。
InputSKU 表格、商品命名、企业 DAM 资产。
Flow匹配商品图、处理商品名与分组、生成结构化 JSON。
Output填充 Figma 模板，并导出 PNG / ZIP 交付包。
02
DESCENTE 社媒竞品情报系统
Xiaohongshu intelligence
把“人工刷平台找灵感”改造成账号发现、内容采集、去重分类、评论整理与网页看板，服务品牌、内容和电商团队的趋势判断。
阶段说明：4 条业务线、25 个高可信账号、58 篇去重笔记、79 条去重一级评论，均为首轮试跑及高可信账号合并阶段结果。
Scope4 条业务线共用一套监测系统。
Signal账号、笔记、评论、标题与链接形成可追踪证据。
Use辅助内容选题、竞品观察与社媒趋势判断。
03
中国电商体验与视觉决策库
Commerce experience decision bank
不只是截屏收集，而是解释每个页面节点背后的商业目的、转化机制和视觉取舍，形成可以复用的设计判断库。
A页面流程与视觉结构。
B商业目的与转化机制。
C优缺点、评分与 AI 创作素材。
04
家物图谱
Home inventory atlas
从个人生活痛点出发，把拍照识别、空间位置、物品搜索和本地数据存储做成可用产品原型，探索 AI 如何进入家庭场景。
Capture多图拍摄、AI 识别与人工校正。
Map按房间、柜子、抽屉记录位置。
NextPWA、RoomPlan 与 3D 空间导航探索。
05
设计 AI 化方法论
Design AI transformation method
把“如何开始 AI 化”拆成五步：识别高价值场景、小规模试点、建立工作流、用数据评估、沉淀团队资产。
Start先找高价值、可验证、可复用的场景。
Build用最小闭环试点，把工作流跑通。
Scale用数据评估，再沉淀为团队资产。
06 / Operating model
我的工作方式：从问题到系统，持续闭环。
AI 原生设计负责人不只交付界面，也要定义问题、建立判断标准、设计工具链，并让团队知道下一次如何更快、更稳地做到。
发现真实问题
从业务、团队和用户的重复痛点里找机会。
框定价值场景
明确成功标准、数据口径和可控试点范围。
设计体验与流程
把复杂任务拆成清晰路径、界面和协作规则。
搭建可运行工具
用 Codex、前端和自动化脚本快速形成闭环。
复盘并沉淀资产
用效果反推流程，把个人经验变成团队方法。
07 / New positioning
不再是“会用 AI 的电商设计师”。
而是能够把设计经验转化为产品、工具与组织能力的 AI 原生设计负责人。
Next conversation
让设计经验，变成产品、工具与组织能力。
适合一起聊的方向：品牌电商与数字体验升级、设计团队 AI 化、AI 原生产品原型、内容与视觉决策系统。