01 /
THE DIVISION一个让我相信它真的存在的世界
《全境封锁》《明日方舟》《Persona 5》吸引我的地方并不完全一样，但它们都有一种很强的完整感。
UI、字体、声音、空间、美术和世界观不是彼此分开的装饰，而是在共同告诉玩家：“你现在就在这里。”
The Division / Arknights / Persona 5
24 / PRODUCT / BUILDER / PLAYERPC · PlayStation · Switch
HELLO, WORLD.
林成龙
Product Manager / Product Builder
从小学开始折腾电脑、玩游戏，到后来做产品、写代码、研究 AI，我好像一直在做同一件事：弄明白一个复杂系统为什么这样运转，以及它还能不能变得更顺一点。
现在，我想把这种习惯带进游戏研发。
SELECT
PLAYER × OBSERVER × BUILDERSCROLL TO EXPLORE
02PLAYER PROFILE
从小学玩到现在。
PC · PlayStation · Switch我不是竞技高手，也不会为了证明自己“硬核”把所有游戏都打通。
相比挑战操作上限，我更容易被一个完整的世界、一套相互咬合的系统，或者一个漂亮到让我停下来看的界面吸引。
从 PC 到 PlayStation，再到 Switch，游戏一直是我理解交互、视觉、规则和人的一种方式。
03 / WHY I PLAY
THE DIVISION02 /
DYSON SPHERE PROGRAM看系统自己长出故事
我很喜欢模拟经营、生存和沙盒游戏。
《戴森球计划》《文明》《环世界》《Project Zomboid》《潜渊症》《深海迷航》真正让我上头的，往往不是某一个预设好的剧情节点，而是规则彼此作用以后，玩家自己遇到的那个故事。
SIMULATION / SURVIVAL / SANDBOX
03 /
TEARS OF THE KINGDOM“为什么这里要这样设计？”
玩游戏的时候，我经常会下意识想这个问题。
《旷野之息》和《王国之泪》尤其让我着迷：设计者没有规定唯一答案，而是先建立一套能够稳定互动的规则，再把解决问题的空间交给玩家。
我很喜欢这种感觉——好的设计并不总是在告诉用户下一步做什么，有时是在创造一个足够好的系统，让行为自然发生。
BREATH OF THE WILD / TEARS OF THE KINGDOM
MY FAVORITE ↙DEATH
DEATH
STRANDING™
PS4 ORIGINAL / PC DIRECTOR’S CUT
ON CONNECTIONS / 01
关于连接这件小事。
《死亡搁浅》大概是我最喜欢的游戏。
PS4 上的原版和 PC 上的导演剪辑版，我都完整走完了一遍。
我很喜欢它对“连接”的表达。
很多时候，你明明是一个人在翻山、涉水、送货，却会在最狼狈的时候看到另一个陌生玩家留下的梯子、绳索、道路或者一个简单的路标。
你们从来没有真正见过，却确实帮助过彼此。
游戏没有只用剧情告诉我“人与人应该连接”，而是把这种抽象的情感做成了一套玩家能够亲手参与的规则。
有人曾经从这里走过，并且愿意给后来的人留下一点东西。
我一直很喜欢这种浪漫。
KEEP ON
KEEPING ON.
GCORESINPUT CHANNEL我也在游戏之外了解游戏。
平时持续听机核，把它当作游戏文化和行业信息的重要输入来源。
我喜欢他们的审美、风格和选题，也很喜欢一个很小的细节：每一期电台的 Cover 都值得单独看一会儿。
游戏文化制作方法开发工具与行业变化
04BUILDER MINDSET
PLAYER → OBSERVER → BUILDER
我喜欢研究流程，然后想办法让它跑得更快一点。
我上一份工作是面向政企客户的技术向产品经理。
工作里经常需要同时推进多个项目。需求、会议、客户沟通、数据、方案和研发进度散落在不同地方，多线程切换本身就会消耗大量精力。
后来我开始尝试一种更 AI Native 的工作方式。
OBSERVE
先把流程走一遍。
哪些事情在反复发生？
人真正浪费时间的地方在哪里？
CONTEXT
再找到 AI 真正缺少的上下文。
AI 做不好一件事，很多时候并不是模型不够聪明，而是没有拿到足够稳定、完整、可维护的背景信息。
PRODUCTIZE
最后把流程固定下来。
把信息组织方式、输入输出、工具调用和判断规则固定成 Workflow / Skill，让一次性的“提示词技巧”变成可以重复使用的工具。
发现重复 → 理解上下文 → 固化流程 → 封装成工具。
05CASE STUDY / 01
A FILE MEMORY SYSTEM FOR CODEX
给 AI 一套会自己维护的项目记忆
个人工作流实验 / AI Native Product Workflow
背景
做产品时，我经常需要同时推进多个项目。
每次从项目 A 切换到项目 B，都需要重新回忆客户说过什么、方案为什么这么设计、研发当前做到哪里，以及上一次讨论最后达成了什么结论。
我也尝试直接把任务交给 AI，但没有稳定项目上下文以后，生成结果通常只能“看起来正确”。
我的判断 / DECISION
与其每次重新 Prompt，不如先解决 AI 的长期上下文问题。
做法
我参考 Markdown 文件式记忆的思路，为每个项目建立一套持续维护的文件工作区。
项目事实、示例文档、会议记录、用户沟通、阶段结论和待办都按照约定结构保存。
同时提前定义 Codex 如何读取、更新、归档和维护这些文件，让 AI 不只是“使用记忆”，还能够持续维护自己的项目上下文。
PROJECT MEMORY / 01
上下文持续存在，工作才接得上。
项目文件工作区.MD
FACTS项目事实
facts.mdMEETINGS会议记录
meetings.mdUSER FEEDBACK用户沟通
feedback.mdEXAMPLES示例文档
examples.mdDECISIONS阶段结论
decisions.mdTASKS待办
tasks.md约定读取、更新与归档规则
CODEX
持续维护
PROJECT
MEMORY
MEMORY
读取更新归档
复用项目上下文
周报需求清单禅道文档数据整理
人工确认需求与外部写入保留最终确认
HUMANIN THE LOOP
后来它可以做什么
01
开完客户会议，把录音转写交进去，它可以结合既有项目背景整理研发需求。
02
做周报、月报时，不再从聊天记录里重新翻材料。
03
需要整理数据或生成项目文档时，可以直接复用项目事实。
04
甚至可以把结构化后的需求填写到禅道，产品经理只负责最终确认。
我从这个实验里得到的结论Human in the loop，不等于 Human does everything.
AI Native 并不是“所有工作都问一次 ChatGPT”。
真正值得产品化的，是如何让上下文持续存在，让高频流程拥有稳定输入，并让人只保留真正需要判断的环节。
06WORK EXPERIENCE
2024.11 — 2026.07
北京清能互联科技有限公司
大模型产品工程师 / 技术向产品经理
面向电力能源政企客户，负责 AI 产品从需求分析、方案设计到研发推进、部署和验收。
01PRODUCT DELIVERY
百万级 AI 项目 0→1
主导电力事故处置智能体从需求调研、产品方案、技术架构、数据建设到效果迭代、私有化部署和最终验收。
02SYSTEM THINKING
把专家经验变成稳定 Workflow
与业务专家梳理复杂判断流程，将隐性的事故处理经验拆解为条件识别、知识检索、规则判断、证据复核和答案生成等明确节点。
03AI NATIVE
主动做内部工具
围绕 Codex、Claude Code 等 Coding Agent 探索可复用 Skill，覆盖标书写作、研发信息处理和项目工作流自动化。
从业务问题，到可以交付的工具。
01
UNDERSTAND理解业务
- 用户需求
- 业务专家
- 流程与规则
02
DEFINE定义产品
- 需求分析
- 产品方案
- 技术架构
03
DELIVER推进交付
- 研发协作
- 效果迭代
- 部署与验收
效果反馈 → 方案优化 → 持续迭代
07CASE STUDY / 02
电力事故处置流程查询智能体
把依赖专家经验的复杂流程，变成可以执行、检查和持续优化的产品。
背景
电网事故处置涉及设备状态、故障条件和大量规章制度。
专家知道应该如何一步一步判断，但这些经验并不会天然变成一个稳定的软件流程。
我的工作
我负责把业务专家脑中的判断过程拆出来，明确哪些步骤应该由知识检索完成，哪些必须按照确定性规则判断，哪些适合交给模型生成。
为什么这样设计
自由 Agent 很灵活，但高可靠业务不能接受它偶尔漏掉关键步骤。因此关键链路采用显式 Workflow，同时保留模型处理复杂自然语言的能力。
关键步骤不省略，判断过程可复核。
用户问题 / 设备状态 / 故障条件
- 01CONTEXT
条件识别
把问题拆成明确条件
- 02RETRIEVE
多路检索
查找关联规程与知识
- 03VALIDATE
规则核验
按确定性规则检查
- 04VERIFY
原文复核
回到原文确认依据
- 05GENERATE
答案生成
输出回答与原文证据
规章制度 / 知识库
评测 → 定位 → 优化 → 回归节点日志 / Bad Case 回流
结果
项目完成私有化部署及最终验收，并进入客户实际生产环境。
统一对话入口 · 意图路由评测
40+用户意图
94.7%意图识别准确率
TOOLKIT /I CAN
I CAN
BUILD THINGS.
08GAME LIBRARY
MY GAMES.20
01 /SURVIVAL / SANDBOX05
01
Project Zomboid
PC · Steam
136.2h
死亡并不可怕，忘了关门比较可怕。
02
Barotrauma 潜渊症
PC · Steam
105.4h
03
Subnautica
PC · Steam
99.1h
04
ASTRONEER
PC · Steam
77.5h
05
The Forest
PC · Steam
47.7h
02 /SYSTEM / SIMULATION04
06
Civilization VI
PC · Steam
89.9h
07
RimWorld
PC · Steam
45.1h
08
戴森球计划
PC · Steam
44.6h
09
Cities: Skylines
PC · Steam
9.8h
03 /WORLD / RPG06
10
The Witcher 3
PC · Steam
80.5h
11
Cyberpunk 2077
PC · Steam
61.6h
12
Death Stranding 2
PC · Steam
54.2h
13MY FAVORITE
Death Stranding
PS4 原版 / PC Director’s Cut
均通关
14
Persona 5 / Persona 5 Royal
—
均完成二周目
15
空之轨迹 the 1st
PC
—
04 /ONLINE02
16
Overwatch
PC
从 OW1 开始长期游玩
初中开始玩。枪马人菜，辅助位比较快乐。
17
PUBG: BATTLEGROUNDS
PC · Steam
283.5h
05 /NINTENDO03
18
The Legend of Zelda: Breath of the Wild
Switch
—
19
The Legend of Zelda: Tears of the Kingdom
Switch
—
20
Animal Crossing: New Horizons
Switch
—
封面来自 Steam / Nintendo 官方页面，版权归各游戏权利人。时长为个人记录快照。
09ABOUT & CONTACT
ABOUT
ME↘
EDUCATION / 2025
中南民族大学
生物医学工程 · 本科
医学人工智能与大数据方向
林成龙，24 岁。
生物医学工程本科，后来进入电力数字化行业做 AI 产品。
我喜欢复杂系统，也喜欢漂亮的东西。
工作里习惯把流程拆开研究，生活里会折腾电脑、游戏、AI 和各种新工具。
我没有游戏行业工作经历。
但如果一个岗位需要有人长期观察研发流程、理解不同角色的需求、把复杂问题整理清楚，并且愿意真的动手做一个工具出来，我认为这是我很适合长期做的事情。