✦ 编年史 🖥 OS
EV career.os / hiring-memo录用备忘录 · 单文件 · 可整文件转发 公开口径 · Public-Safe
To · 致
招聘决策人 / Hiring Decision Maker
From · 发件
Evans He · 业务驱动型 AI 产品人才(Business-native AI Product Builder)
Date · 日期
2026
Re · 事由
关于一位候选人的证据备忘录——建议先行、数字可核验、边界如实声明
Route · 航线
第 3 站 · 论证 —— 前站:台账(证据) · 下一站:career-os(体验)

建议:面谈 Evans He。

这不是又一个作品集网站,而是一份决策备忘录。它按你做判断的顺序组织:先给结论,再给证据,然后主动交代风险与边界——包括「我不知道什么」。全文只使用已核实事实。

TL;DR 关键证据

5 年+跨境物流与供应链
50 万+件产品履约至欧美市场
2–4h→5m周度竞争情报处理
4h+→5–10mSeller Profile 单份交付
50FBA Select 首批客户 · 5+ Sales 团队
01 · 建议RECOMMENDATION

为什么值得 30 分钟面谈

市场上「会用 AI 工具的人」很多,「懂业务的人」也很多;同时具备两者、且交付纪律可被验证的人不多。理由三条:

  1. 业务深度不是背景板,是判断力来源。

    5 年+ 跨境物流一线:从韵达云仓大客户开发,到 JDI 从 0 到 1 搭建物流体系并履约 50 万+ 件产品至欧美——他知道流程里哪一步真正值钱。

  2. AI 能力体现在机制设计,不在工具名词。

    GL 品类情报把口径不一的模糊需求收敛为「需求—来源—展示」可回溯映射,来源分层治理,机制可复制到新品类——难点是产品结构,不是爬了多少数据。

  3. 交付纪律可以被追问。

    本备忘录中每个数字都有交付记录支撑;没有把握的数字(转化率、采用率、内部好评精确值)一律不写。§5 主动列出了风险与边界。

02 · 证据EVIDENCE

证据表:可核验的交付记录

量化成果与对应交付记录
指标数值交付记录状态
SAC 周度竞争情报处理2–4h → 约 5mWk20–Wk29 连续 10 周交付✓ 持续交付
Seller Profile 单份产出4h+ → 5–10m已向 Sales 交付 5 份 · 可打包 exe✓ 已交付
FBA Select GTM 覆盖50 家 / 5+ 团队首批目标客户分层 + 双语 Pitch + UAT✓ 进入闭环
Newsletter 周度出刊连续约 6 个月爬虫 + 编辑器一键出刊 · 5 板块✓ 持续交付
跨境履约规模(JDI 阶段)50 万+ 件欧美市场 · 物流体系 0→1✓ 历史实绩
指北 TrueNorth(个人项目)1 人 · 已上线git + Vercel · 单文件离线自包含✓ 独立闭环

※ 口径说明:效率数字为交付记录内的可核验区间;未采信的数字(如转化率、采用率)不出现在本文任何位置。

03 · 案例卷宗CASE FILES

案例卷宗:四份证物

每份证物都写明挑战、角色、机制与证据;能力边界随卷宗附上,不放在脚注里。

重点看这份:卖点是机制设计,不是数据规模。
EXHIBIT A · AI PRODUCTAPPAREL 验证期 MVP

GL 品类情报——用 AI 把模糊需求收敛为可复制机制

需求、外部源、内部入口与展示口径彼此分散,事实与示意数据可能混用。难点不在「爬了多少源」,而在设计一套可回溯、可复制的机制。

需求—来源—展示映射来源分层治理3 入口 Demo

我的角色

核心负责,与业务方共同推进。需求收敛、来源验证与分层、Demo 搭建、向新品类复制的产品路径设计。

AI 应用机制

  • S1–S5 五模块把模糊需求拆成可执行结构
  • AI 辅助归集 / 分层 / 生成,人做口径与取舍
  • 来源按 Official / Media / Internal / Illustrative 分层,事实与示意不混用

已交付证据

  • 映射 + Validation 机制跑通
  • 三入口 Demo 与结构化 Insight Cards
  • Apparel 首品类验证完成

Roadmap

  • 业务准确性验收
  • 统一 Source Registry
  • 第二品类复制验证
Boundary当前为 Apparel 验证期 MVP;不宣称已生产化或已推广至多个品类。
EXHIBIT B · GTMGO-TO-MARKET

FBA Select——把产品变化打通到销售落地

销售团队需要快速理解产品变化、适配卖家、竞争差异,以及上线后问题如何回收处理。

约 50 家首批客户5+ Sales 团队UAT → 反馈闭环

我的角色

参与推动 GTM 与销售赋能:目标客户分层、双语标准 Pitch、竞争话术、培训材料与发布协作。

已交付证据

覆盖首批约 50 家目标客户、5+ 个销售团队;留有真实卖家问题反馈,证明工作进入对客与上线后的闭环环节。

Boundary没有可靠的转化或采用数据,因此不虚构采用率与收入贡献,也不表述为独立主导完整上线。
EXHIBIT C · AUTOMATIONREPEATABLE

流程自动化——小时级人工压到分钟级,三场景验证

SAC 竞争情报、Seller Profile 与 Newsletter 共享同一套方法:流程拆解 → 数据标准化 → 工具设计 → 真实交付 → 量化效率。

2–4h → 约 5min4h+ → 5–10min持续周度交付

技术栈

  • Seller Profile:Streamlit + python-pptx + openpyxl,可打包 exe 一键运行
  • Newsletter:Playwright 爬虫 + SQLite + 单文件可视化编辑器

已交付证据

  • SAC 连续 Wk20–Wk29 交付
  • Seller Profile 已交付 5 份
  • Newsletter 连续约 6 个月周更
Boundary效率区间可核验,但不虚构由自动化带来的销售收入或客户转化。
独立完成产品闭环的证据:内容 → 结构 → 前端 → 部署 → 反馈。
EXHIBIT D · SIDE PROJECT已上线 · git + Vercel

指北 TrueNorth——一个人做完的 AI 工作导航站

不是实习任务,是独立从 0 做到上线的产品:把分散的 AI 文章、案例、工具、概念整理成互相关联的知识网络,带用户走完「看懂 → 跑通」。单文件、离线、自包含。

44 已复核 Skill35 方案17 深度解读72 词条全站搜索 ⌘K▶ 22 秒实录线上体验 ↗
Why it matters最直接地证明构建原则(本地优先 · 单文件 · 可复现)与独立产品闭环能力。
04 · 工作机制OPERATING MECHANISM

工作机制:一个人做判断,一队 AI 放大执行

人负责业务判断与取舍,Agent 加速研究、原型与重复执行。交付标准不是「做出好看的 Demo」,而是结论有来源、流程可重跑、结果能被业务继续使用。

1 human + AI agents = 1 delivery team
research

研究问题

进入业务现场,理解客户、流程与真实约束

structure

结构化

把模糊诉求转成框架、口径与优先级

prototype

构建原型

用 Dashboard / HTML / AI Workflow 快速验证

validate

业务验证

用来源、反馈、UAT 与边界管理校准价值

automate

沉淀复用

标准化、模块化,形成可复制能力

Evidence first

结论标注来源,结果与角色边界能被追问和复核。

Local first

单文件、少依赖、双击可开,不让环境成为交付门槛。

Reproducible

一次性交付沉淀成结构、脚本或 SOP,可重跑可迭代。

05 · 风险与边界RISKS & BOUNDARIES

风险与边界:先替你把问题问了

一份不写风险的候选人材料是营销页。以下是招聘方应当知道的三件事,以及对应的事实口径。敢把风险写进简历的候选人,通常也敢在项目里说真话。

风险点、事实口径与处理方式
风险点事实口径处理方式
GL 品类情报尚未生产化当前为 Apparel 单品类验证期 MVP,机制已跑通先证明机制可复制,再谈规模化;roadmap:准确性验收 → Source Registry → 第二品类验证
FBA Select 无可靠转化数据覆盖约 50 家首批目标客户、5+ Sales 团队,UAT 与真实卖家问题回收在案不虚构采用率与收入贡献;以进入对客闭环为证据边界
内部反馈无精确公开数AI-Workflow 产出交付 Sales 团队实测跑通只写「获正向反馈」,不引用内部精确数字
06 · 常见疑问FAQ

你可能想问的

是「会用 AI 工具」,还是有产品能力?

看 Exhibit A 的结构而非工具名:把口径不一的需求收敛为「需求—来源—展示」可回溯映射、来源分层治理、设计向新品类复制的路径——这些是产品决策,工具(Kiro / Claude Code / Quick Suite / AKi)只是执行层。

这些效率数字可信吗?

每个数字对应一条交付记录:SAC 连续 Wk20–Wk29、Seller Profile 已交付 5 份、Newsletter 连续约 6 个月周更。更重要的是反向证据:没把握的数字(转化率、采用率)在本文任何位置都找不到。

为什么从物流走向 AI 产品?

不是换赛道,是逐层叠加:业务与客户(2019 韵达)→ 体系与管理(2021 JDI 0→1)→ 研究与战略(2024 交大 MBA + 行业研究)→ 产品与自动化(2026 亚马逊 AGL/SIBD)。业务深度正是 AI 产品判断力的来源。

入职后最快能贡献什么?

三类即战力:① 把重复业务流程沉淀为可复现工具(Exhibit C 的方法已在三个场景验证);② 把产品变化翻译成销售可用的 GTM 素材(Exhibit B);③ 用验证期 MVP 方法把模糊需求收敛为可复制机制(Exhibit A)。

有独立完成产品的证据吗?

指北 TrueNorth(Exhibit D):一个人从内容、结构、前端到 git + Vercel 部署与站内反馈,完整走完产品闭环,已上线。

07 · 附录APPENDIX

附录:完整履历

A · 经历账本
2026.01 — 至今
亚马逊中国 · AGL / SIBD
实习生(跨境电商)· 上海
  • 用 Kiro / Claude Code / Quick Suite / AKi 搭建并跑通 SAC 与 Seller Pitch Deck 两套 AI-Workflow,交付 Sales 实测跑通、获正向反馈
  • 核心负责 GL 品类情报验证期 MVP;参与 FBA Select GTM 与销售赋能
  • 深度参与 GWD 全球智能枢纽仓落地筹备,完成 2 次卖家访谈收集痛点;监控物流运价指数,完成 2026 美国关税政策影响深度解析
2025.07 — 10
国盛证券研究所
行业研究实习生(大消费)· 上海
  • 参与 3 份行业报告与 10+ 份公司访谈报告;Wind / Choice 数据校验,独立输出 30+ 张数据图表
2025.04 — 10
英特尔中国 / 交大 CLGO 项目
项目成员(服务器出海)· 上海
  • 研析中国科技生态链出海趋势与企业痛点,输出含全球供应链优化的解决方案
2024.10 — 2025.06
交大安泰行业研究院
智能网联汽车团队 · 项目成员 · 上海
  • 调研芯片、自动驾驶产业链上下游企业;独立撰写研究报告,输出政策合规与企业战略建议
2021.03 — 2024.05
JDI Ventures
物流经理(跨境电商)· 上海
  • 早期成员主导物流部门 0→1,建立跨境物流运营 SOP;带领团队累计交付 50 万+ 件产品至欧美
  • 为大客户输出定制化物流方案,搭建供应商评估与分级机制
2019.07 — 2021.02
韵达供应链
业务经理(电商供应链)· 上海
  • 大区 BDM 推广「韵达云仓」,覆盖江浙沪与广东,开发对接 10+ 大客户项目;累计优化 5 项运营流程
B · 教育
2024.09 — 2027.03
上海交通大学 · 安泰经管学院
工商管理硕士(MBA)· GPA 3.60 / 4.00 · 新生入学奖学金 · 学业奖学金
2015.09 — 2019.06
沈阳师范大学 · 国际商学院
物流管理本科 · GPA 3.22 / 4.00 · 辽宁省优秀毕业生 · 一等奖学金
C · 资质
英语六级PMP证券从业计算机二级法学辅修
D · 工具栈
KiroClaude CodeQuick SuiteAKiPython / Streamlitpython-pptxPlaywrightSQLiteQuickSightWind / ChoiceExcel
Evans He
Business-native AI Product Builder · Shanghai
✈ Route · 一条线看完五站航线 · 每站只讲一件事 · 你在第 3 站⌂ 驾驶舱 · 航线总览
  1. 01✦ 编年史故事 · 他从哪来
  2. 02▤ 台账证据 · 数字与边界
  3. 03📄 备忘录论证 · 为什么值得约谈YOU ARE HERE
  4. 04🖥 career-os体验 · 简历是台机器
  5. 05🚗 3D 世界彩蛋 · 开车逛项目
下一站 · career-os —— 论证读完了?来体验这个人怎么干活:终端敲得动、Agent 聊得通
© 2026 Evans He · 录用备忘录 hiring-memo(Fable 5 version)· 证据优先 / 本地优先 / 可复现