张志光

Keep（北京卡路里信息技术有限公司） | 运营设计师（AI专项）

2024.05 - 2026.05（2 年） | 设计体验与研究中心

• AI 应用层基础建设：负责图像方向 AI 能力的工程化落地，以及视频方向 workflow 搭建与能力评测，覆盖 C 端用户产品、内部生产平台及课程内容生产；对方案可行性、生成质量、链路稳定性与工程成本负责。
• 生成架构：将模型能力、业务规则与 workflow 拆分为可复用模块，建立覆盖场景评估、模型选型、测试集设计与准出标准的能力建设路径，支持 B 端生产工具与 C 端用户产品接入。
• 产品与交付：独立负责 AI 平台项目的产品定义与技术路线，制定 PRD、MVP、验收标准及能力边界，推进算法、工程、设计与业务团队完成跨职能交付。
• 业务结果与可复用资产：推动图像能力从离线验证进入实时生成与多玩法运营；视频方向完成 2 套 workflow 及能力边界评测。将业务规则与专家经验结构化为 Agent Skill、测试集及可复用模块，其中约 70% 的已验证规则可跨玩法复用。

软通动力 | 驻场京东 | 运营设计师

2022.08 - 2024.03（1 年 7 个月）

• 业务与视觉交付：负责京东 APP 互动营销活动的视觉方案与交付，覆盖 618、双十一等大促节点，以及互动游戏、活动页面等业务场景。
• 生产工具化：针对互动游戏视觉的高频重复生产，将逐个手工设计改造为模板化配置流程，使新活动能够通过复用既有模板完成视觉交付。
• AIGC 转型与落地：2023 年初主动转向 AIGC，作为设计团队 AI 侧核心执行者，承担商品主图项目的业务场景拆解、训练与测试数据整理、LoRA 方向定义及 ComfyUI workflow 搭建，支撑 MVP 阶段每周 70–80 万张商品主图自动化生成。

项目一：完练分享 AI 图像服务

2024 - 至今2026 | 角色：项目负责人

项目背景

完练分享位于运动完成后的关键情绪节点，承担成果表达、外部传播与用户回流，是增长入口。固定模板只能替换数据：内容趋同使分享意愿衰减，运营策略难以落地；新增模板仍需人工重做，成本随数量增长。问题不在模板数量，而在供给方式。项目将运动与环境数据、照片及玩法规则转为生成变量，输出与当次状态匹配的差异化分享图。

建设路径

面对模型能力不成熟、To-C 首张低容错的约束，选择“离线验证—实时服务—多玩法运营”路线，依次解决安全接入、实时可用与持续上新。

1. MVP｜离线图库验证：判断实时生成暂不满足 To-C 要求，将生成与交付解耦；建立运动数据映射，以 ComfyUI workflow、LoRA 生成并筛选 1700 余张资产，按用户数据检索并与模板拼合，完成小批量上线。

2. 0→1｜实时服务建设：判断模型 API 可支撑实时生成后，去除预生成与检索；将 70 余个运动品类及运动、环境、用户数据转为图像变量，以 System Prompt、Dify workflow 编排规则。建立正常、边界、历史 Bad Case 测试集，以 Bad Case 率低于 15% 准出，并与原模板并行验证分享数据不劣化。

3. 1→2｜多玩法运营：判断持续上新不能重复建设链路，以日常版为基线、节日/营销/品类玩法为分支，支持多版本独立上下线；监控成功率、耗时与分享数据，决定迭代或下线；新增玩法复用基础链路，仅调整差异规则。

项目结果

业务价值：分享率提升 3.1 个百分点（产品侧口径）；实时可用性：主链路由约 150 秒压缩至 30 秒，生成成功率实测约 92%；规模化运营：累计上线 16 个玩法并拓展 2 个场景，上新周期由 2 周缩短至 1 周。

项目二：Kreator 智能创意生产力平台

2024.06 - 2025.01 | 角色：项目负责人 / AI 产品经理

项目背景

奖牌是 Keep 核心营收品类，营销节点密集，一套主视觉需延展至 70+ 个站内外资源位。设计师约 50% 的时间消耗在重复适配，物料需求却随营销节奏增长，人工产能与业务规模的缺口持续扩大。

判断这不是单图生成任务，而是多资源位生产编排问题；Kreator 因此被定义为设计与运营可自助使用的内部平台，将 AI 生成与精修、批量延展和模板自助维护整合为一条生产链路。

平台建设

1. 产品交付基线：定义 AI 图像、AI 设计边界、MVP 与验收标准，以 PRD、22 画面可点击高保真原型和交互标注形成开发、提测基线。

2. 平台架构：划分 AI 图像、AI 设计与模板中心，分别承担单图生成与精修、多资源位批量延展、模板供给与维护；三者共享 AI 能力底座，延展过程中可调用单图能力。

3. PSB 驱动延展：判断前端硬编码无法适应资源位变化、全自动适配无法守住异形奖牌构图，选择让版式规则随设计稿走；调研选定 PSB 解析方案，验证图层位置、尺寸与层级可解析并封装为模板，由运营自助新增、调整，无需开发改代码。

4. AI 能力边界：为六项图像生成与编辑能力定义主体保真、蒙版外不变、原图区锁定等边界，通过 ComfyUI workflow、LoRA 训练验证；确认图生图、换背景不能替代正式实拍，仅用于紧急营销节点的素材补位。

项目结果

平台落地：平台正式上线，覆盖 70+ 个站内外资源位并交付六项图像生成与编辑能力；生产效率：单个营销节点的多资源位延展由 16 小时缩短至 30 分钟；自主维护：运营可自主新增、调整资源位模板；知识产权：项目相关技术方案已提交专利申请，本人为共同发明人。

项目三：京东商品主图 AIGC 自动化生成

2023.05 - 2023.10 | 角色：AI 侧执行

项目背景

商品主图是电商点击与转化的核心视觉入口。人工制作的品类背景模板供给有限，而 SKU 与营销节点持续增加，导致多个商品复用同一视觉，商品特征与活动语境均难呈现。2023 年图像模型无法稳定保证商品主体像素级还原，项目因此将模型职责限定于背景生成；输入白底商品图，经场景生成、商品原样叠回与图文自动布局，批量输出可直接投放的主图，使生产从“多品一图”转向“单 SKU 多场景”。

生产链路建设

判断单一模型无法同时保证商品保真、场景匹配与图文成品质量，选择“标准定义—场景模型—可控 workflow—图文规则”路线，依次约束输入、背景生成、商品保真与成品排版。

1. 商品与场景标准：按商品形态、主体占比、视角与裁切方式定义安全区域和留白；再按一级类目×三级类目×点销排名筛选高价值商品图，从真实数据归纳场景分类，作为模型训练与生成策略配置的基础。

2. 场景模型训练与验收：判断早期自研基础模型短期内难以达到 MVP 要求，建议切换为“成熟基础模型＋场景定向 LoRA”；独立完成素材清洗、结构化标注与训练，将商品类型、位置关系、环境特征与光影要求写入训练语料；按美感度、商品融合度、比例与光影关系验收，Bad Case 率低于 30% 方可进入生产链路。

3. 可控生成链路：将模型职责限定在背景区域，编排“白底图输入—抠图—场景生成—商品原样叠回—光影修饰”的 ComfyUI workflow；将轮廓残留、参照物尺度失真与空间关系错误分配到对应环节处理，并固化生成参数，支撑批量生产而非逐张调优。

4. 图文成品规则：将交付目标从场景背景推进为可投放主图，为算法定义五种基础布局及匹配规则，依据商品宽高比、主体占比与标题长度计算图文区域；以黑白配色守住可读性下限，再根据商品与背景色彩生成协调色，并以 WCAG 2.0 AA 校验文字对比度。

项目结果

生产规模：MVP 阶段支撑每周 70–80 万张商品主图自动生成；质量准出：Bad Case 率由早期 50% 以上降至 30% 以内（交付前批量测试＋人工审核口径），达到生产侧交付标准；业务指标：平台侧消费占比提升 14.5%；场景供给：单 SKU 平均支持 10.5+ 种场景背景。

项目四：keep-PlayBlocks-v15（分享玩法创作 Agent Skill）

2025.12 - 2026.03 | 角色：项目负责人

项目背景

完练分享 AI 图像服务已形成 System Prompt 标准架构、运动品类描述、字段兜底与视觉规则，但玩法上新、旧版迭代与档期扩展仍依赖本人完成编写、出图测试和问题修正，单次深度规划约需 2 个工作日，单人执行成为团队瓶颈。静态文档无法直接执行任务，单体 Prompt 又难以隔离持续增加的版本；keep-PlayBlocks-v15 因此被定义为按任务编排流程、规则与知识的 Agent Skill：输入创意描述，输出可接入 Dify 的时间路由与多档期图像提示词。

Skill 构建

1. 生产资产分层：以已上线玩法 SOP 反推输入、判断、异常与准出，将内容划分为必须固定的业务规则、跨玩法复用资产、可由模型受控推理的部分和按玩法重写的差异，明确规则控制与模型自由度边界。

2. 双节点生产协议：定义 Skill 触发与排除边界、输入字段、质量门禁及 Dify 双节点输出；以 10 部分标准骨架和 9 套 MOD 规则规范变量、映射、任务流程、模板、输出格式与黄金示例。

3. 任务与角色编排：为新建玩法、档期扩展、迭代优化、质量审视、逆向复刻和知识沉淀建立 6 类 workflow，按任务动态激活 6 个职责角色，以阶段交接和终审门禁组织协作。

4. 渐进式知识架构：SKILL.md 保留触发、路由、步骤与契约；方法论、映射、模块、案例和指南进入 references/ 并由任务索引按需加载，运行产物独立写入 output/，避免无关知识占用上下文。

Skill 评测

以典型任务、最大差异分支与无关请求组成独立评测集，在全新会话中运行 Skill，记录触发、任务路由、知识调用、双节点边界与交付结果；结构、字段、数值及 JSON 契约采用确定性断言，运动逻辑、视觉表达与最小样本出图采用人工评审，并与上一版本同输入对照，以关键用例无回归作为发布门槛。

版本迭代

真实执行失败与业务规则变化共同触发版本迭代；按触发、路由、流程、知识与输出契约定位责任层，仅修改对应模块，复跑受影响链路后归档发布。

项目结果

生产效率：单次玩法深度规划由 2 个工作日缩短至 30 分钟；真实产出：支撑完练分享 16 个玩法的日常版与多节日版生产；独立交付：非工程同事可依据 Skill 独立完成可接入 Dify 的版本交付，无需本人逐份编写 System Prompt。

项目五：课程封面 AI 智能生成系统

2025.11 - 2025.12 | 角色：项目负责人

项目背景

公司推进课程自动编排，封面作为入库、分发与营销转化的必备资产，需接入生产链路。10 万+课程与近万个动作，使人工和固定模板无法兼顾调度效率、动作准确、策略变化及批量一致性。

项目构建 AI 生成系统 MVP，以课程元数据、参考资产与封面策略为输入，输出可审核入库的合格封面；本阶段验证混合路线，尚未量产。

系统建设

判断单一模型无法同时满足动作准确、人物一致、营销策略表达与规模生产要求，选择“模型生成＋规则约束＋工程后处理”的混合路线。

1. 资源准备：针对动作准确、人物一致与版式稳定三类生成不确定性，分别建立姿态库、角色档案与模板库：真实课程视频关键帧按动作名称、训练部位和器械关系组织，多视图角色资产约束人物与服装一致性，模板规则统一对比拼合、文本位置和营销表达，形成可检索、可复用的输入控制层。

2. 策略提取：盘点多年历史课程封面，反推有效表达策略，形成“基础形态—放大策略—实现路径”三步决策树：先判断单图或多图，再选择对比、数值标注、描线聚焦等营销策略，最后路由至模型直出、工程后处理或模板拼合，将设计师隐性判断转化为系统可执行规则。

3. 能力路径验证：模型侧完成国内外图像模型横向评测，从动作准确性、运动表现、人与器械关系、泛化能力、稳定性与成本六个维度划定生成边界；工程侧通过 Vibe Coding 搭建浏览器端能力原型，验证参考图预处理、关键点定位、部位裁剪、表达标注与模板拼合路径，形成可行性结论及前后端工程拆解依据。

4. workflow 编排与调优：将主体、服装、场景与动作拆为独立领域模块，在 Dify 中按“风格×布局”设置条件分支，经统一组装与合规收敛后输出 Prompt、参考资产调用与后处理参数。以自建评测集批量运行 workflow，定位责任节点；将各节点 System Prompt 镜像至 Agent Skill 调整并检查上下游影响，确认后同步回 Dify。

质量准出

以统一评分卡评测成品封面，覆盖动作姿态准确性、运动感、营销策略表达、构图、色彩与品牌规范；合规项零容忍、动作准确性一票否决，通过自动评分的结果进入人工审核，不合格项优化或重新生成，审核通过后打标入库。

项目结果

在动作准确性硬约束下，MVP 合格率 60%，验证混合路线可继续工程化迭代；