Relationship AI / Prototype
Orin
长期使用一个 AI，为什么不一定产生关系？
我没有从“更会聊天”开始，而是追问：过去发生的事，怎样才真正改变未来行为？由此做出一个可运行原型，并用 30 组固定场景验证关系权限。
陈一谕 / Lior · Portfolio 2026
把没有答案的问题，
拆成可以判断和验证的问题。
我的工作从研究开始，但不止于结论。我关心证据如何改变产品选择，以及不稳定的 AI 能力如何进入真实系统。
ResearchProduct JudgmentAI Systems
Selected work / 2026
四个项目，
同一种工作方式。
022026.07–08
AI Evaluation / Personal research
Eval
企业怎么知道，AI 真的能完成这个任务？
从公开 benchmark、行业实践与模型边界出发，把“看起来能用”拆成测试维度、样本体系与可复现基线。
个人研究项目 · 独立完成
查看详情
032026.04–至今
AI workflow / Work project
Director / Chief
模型、知识库和执行器都不稳定时，生产系统怎么继续工作？
参与需求梳理、业务流程优化与生成工作流测试；识别能力边界，把不该由模型承担的确定性留给系统。
工作内项目 · 参与
查看详情
042026.07–08
Cognitive product / Personal research
Julius
当用户想理解一个人，长期认知支持应该记住什么？
从用户问题与内容样本中建立问题分类、认知模型与输出逻辑，探索“持续理解”而非一次性答案。
个人研究项目 · 独立完成
Interactive case / 可体验原型
查看详情
How I work
产品判断不是灵感，
是一条可以复盘的链。
- 01观察事实
先区分用户说了什么、系统做了什么，以及我只是推测了什么。
- 02找到决定变量
删掉不改变决策的信息，直到问题能被一句反例推翻。
- 03做最低复杂度的机制
只实现验证判断所需的部分，不用完整系统掩盖核心假设。
- 04主动寻找失败
先写清“什么结果会证明我错”，再决定下一轮加什么。
About
研究是底盘，
产品是落点。
信息管理与信息系统本科，图书情报硕士。我的训练让我习惯追问信息来源、分类边界和证据强度；工作与个人项目则让我继续追问：这些判断如何变成可执行的产品结构。
目前关注关系型 AI、垂直场景评测、知识与执行工作流，以及研究如何进入真实决策。
chenyiyu716@icloud.com