SIGNAL INDEX / 001

把模糊问题变成可验证的产品决策。

我是 LIU，一名产品经理和 AI 协作型 Builder。这里记录我如何用判断、原型和证据推进 AI 产品。

Guangzhou / Hong KongUTC +08现在

01 / FOCUS

当前关注

02 / PROJECT SIGNALS

三组持续演化的产品问题，以及各自的判断、原型和证据链。

为 AI Agent 设计可控的搜索基础设施

不把问题定义为“找一个更便宜的搜索 API”，而是把搜索视为需要多源验证、渐进披露与可替换引擎的产品能力。

证据与学习

一次外部 PR 触发的 93 个开源 Agent 项目扫描中，项目被选为 MCP 搜索品类的架构验证案例。

可逆的 MCP 上下文压缩

先减少 Agent 接收的上下文，同时保持选定参数、一次上游调用和精确恢复。

证据与学习

冻结的 12 工具、24 个中英文任务中，正常路径 Token 从 71,388 降至 17,007，24/24 任务完成且只发生 24 次上游调用。

让 AI 协作不在每次新会话里从零开始

把文档、交接和可复用技能当成产品的信息架构，而不是交付后的附属说明。

证据与学习

实践记录覆盖 196 次会话的轨迹挖掘，并将经验沉淀为可复用技能与维护循环。

03 / TRANSMISSIONS

我关心的不只是 AI 能否生成结果，而是人怎样定义问题、验证结果，并保留最终判断权。