冯靖婉Coco Feng

AI 解决方案 / AI Solutions & Adoption

  • 现负责 DLG 中国区（digitalluxurygroup.com）的企业 AI 落地：全员 AI 培训与内部工具开发，同时开展 GEO（生成式引擎优化，提升品牌在 AI 回答中的可见度与可信度）相关调研。
  • 此前探索过 AI 教育方向，创办觉然（joran.online）。
  • 8 年加拿大留学与工作经历，英语流利，适应跨文化协作。
  • 务实导向，理解业务流程痛点，关注技术与工具协同后的场景落地。

交付导向。从需求洞察、工具选型、Workflow 设计到交付验证独立走完；评判一件事是否做完，标准是「能用、可复用」。

联系我

合作、职位与培训相关事宜，请通过联系页留言或邮件联系。

简历PDF 版：中文英文

012026.06 – 至今全员 AI 转型从选型到全员培训 022026.06 – 09客户月报自动化接手停滞项目，两周完成开发 032026.07 – 至今GEO 服务线调研从市场扫描到监测方法 042026.01 – 05游戏制作里的 AI剧本审查 · CG 构图 · 配乐参考
中EN

01

全员 AI 转型从选型到全员培训

DLG 中国区 · 2026.06 – 至今

Claude Code · Tool evaluation · Curriculum

独立负责：整体策划、选型评估、落地推进、课程设计与全程授课

背景

管理层提出全员 AI 转型。此前公司以单一 SaaS 工具推动全员 AI 化，推进近一年未取得突破；员工使用 AI 仍以对话框问答为主，对实际工作效率的提升有限。

挑战

员工普遍缺乏对 Agent 的基本认知，学习意愿参差不齐；客户数据安全是管理层的首要顾虑，任何方案须先满足这一前提。

方案

  1. 需求调研：访谈各团队的 AI 使用现状与工作流痛点，确认推广受阻的根源在于认知缺口：员工并不了解 Agent 能承担哪些工作。
  2. 推广策略：放弃自上而下推行单一工具，改为先在小范围试点、建立可复制的使用范例，再分批推广至全员。
  3. 选型评估：横向对比 MaaS 平台，以数据安全为首要标准确定方案；独立撰写选型报告并获管理层批准，为全员配置独立 API Key。
  4. 课程设计与授课：围绕业务流程独立设计课程并全程授课；依据试点反馈多轮迭代，将核心概念拆解为循序渐进的模块，并以完成度高的实际案例开场，提升学员投入度。

价值

全员课覆盖 31 人、分 12 组授课；Agent 已进入同事的日常工作流程，多位同事自主开发 Skill，例如文案同事搭建的竞品文案工具，可自动汇总竞品过往文案，并参照其语气改写新稿。

全员 AI 转型 1.1
1.1

全员 AI 转型

02

客户月报自动化接手停滞项目，两周完成开发

DLG 中国区 · 2026.06 – 09

Claude Code · Skill · MCP · BigQuery · python-pptx

独立负责：项目接手与推进、数据盘点、方案设计、工具开发、跨团队协作与培训推广

背景

客户执行团队需按月为每家客户交付社媒月报，单份从取数、制作到返修平均耗时约 35 小时。该项目此前推进近一年未能落地，后由我接手。

挑战

公司内部有三套数据库，自建与外购并存，数据相互交叉却彼此割裂，多数同事并不知道它们的存在；各客户报告版式均需定制；最终使用者为非技术背景的同事。

方案

  1. 数据盘点：历时一至两个月，借助 AI 梳理客户执行日常所需的数据资产，明确需定期更新的数据项，协同数据团队完成更新，并统一接入 Brand Knowledge MCP。
  2. 工具开发：基于 Claude Code 独立开发，两周完成从立项到可用；采用「通用引擎 + 客户配置」架构适配各家定制版式，产出后自动质检。
  3. 上线推广：与全员 AI 转型并行推进，9 月末正式上线；完成客户执行团队全员培训并持续指导上手，交由业务团队在日常工作中自主使用。

价值

一句指令即可生成 pptx + pdf 报告，单份月报耗时由约 35 小时缩短至十几分钟；已覆盖中国区十余家客户，现有客户的月报与季报均可通过该工具完成；三套数据库整合为全公司统一的数据入口。

客户月报自动化 2.1
2.1
客户月报自动化 2.2
2.2

客户月报自动化

03

GEO 服务线调研从市场扫描到监测方法

DLG 中国区 · 2026.07 – 至今

负责：前期技术调研

背景

生成式 AI 正在成为用户了解品牌的新入口。DLG 中国区自 2026 年 7 月起探索 GEO 服务线，我负责前期调研与方法设计。

方案

  1. 市场与学术调研：梳理国内 GEO 服务商的方案与定价逻辑，研读并整理 GEO 相关论文，比较各中文 AI 平台的引用来源。
  2. 方法设计：设计按行业与决策阶段组织的监测问题库和用户画像，制定引用来源的可信度分级规则。
  3. 工具：为 AI 回答监测平台编写数据抓取脚本，把各行业的回答与引用来源导出为可分析的数据。

价值

为 GEO 服务线的方案设计提供技术侧依据。

GEO 服务线调研

04

游戏制作里的 AI剧本审查 · CG 构图 · 配乐参考

Rejet · 2026.01 – 05

Agent · Gemini API · Nano Banana · Antigravity · MIDI

独立负责：自学与技术选型、需求梳理与 PRD、工具开发、资源申请与推广

背景

乙女向游戏的剧本、CG 与配乐体量都很大：百万字级剧本的校对与风险审查由三至五名编剧与我按章节通读，一轮需两三周；每张 CG 须先出构图草稿，审核通过后才能派发绘制。

挑战

2026 年初 Agent 尚未普及，公司内部没有可借鉴的 AI 经验；手绘美术是乙女游戏的核心资产，AI 只能进入辅助环节。

方案

  1. 从零自学：在项目管理工作之外自学 Agent，从对话式 AI 转向 Agent 工作流，独立完成需求梳理、PRD 撰写与工具开发。
  2. 剧本：搭建全自动校对流程，由 Antigravity 拆分剧本并送入自建校对工具，识别人工易遗漏的风险项，按场景编号输出问题清单，修改决定权留给编剧。
  3. CG 与配乐：以人设图、定稿图与服装图批量生成构图参考，由画师重新绘制，最终画面保持手绘；配乐评估开源模型后改用 MIDI 程序化生成参考。
  4. 争取资源：撰写资源申请，测算出图成本并提出用量控制方案，推动公司提供模型账号与项目文件权限。

价值

剧本审查周期由两三周缩短至一两晚；CG 前期由检索素材、手绘草稿转为批量生成构图参考；配乐参考为前期调研提供调性依据。基于上述成果，由项目管理岗调任 AI 工程负责人。

游戏制作里的 AI

业余项目

业余项目

书架

AI 时代的信息又快又碎，越是这样，越需要静下心来吸收一些长输入。从交互设计转向 AI 应用，加入 DLG 以后，我在工作之余持续给自己输入系统性的知识，回到 AI 出现之前的学习状态。这是我的书单。

也在读这几位的博客：木遥、Jason Wei、Geoffrey Litt、Linus Lee、Steph Ango、Paul Graham、Michael Nielsen、Nabeel Qureshi。

书架