Kimi 推广大使申请作品集
安寻 Ansyn
AI 产品推广 × 内容运营 × 用户研究
从真实年轻用户需求出发，把 AI 从一次内容传播，推进到 可执行工作流 和持续反馈。
学习内容播放
学生咨询与需求样本
首批真实实验学生
开源 AI 学习项目
DATA SNAPSHOT / 2026.07 / 播放与咨询数据来自内容后台及实际沟通；81 条用户问题已结构化归档。
CASE 01 / CORE PROJECT
从 100+ 条学生咨询，
到开源 AI 学习工作流
学生反复询问的不是某一道题，而是不知道先补什么、怎样判断问题、如何安排网课与刷题， 以及怎样让 AI 真正进入学习流程。
一条关于高中学习系统的内容获得 12 万+ 播放。随后，我从评论和私信中识别重复问题， 将其中 81 条完整记录结构化归档，再招募 5 名学生进入首批深度实验。
- 匿名整理真实评论、私信与后续反馈
- 设计结构化信息采集和补充追问流程
- 使用 AI 生成四周路径与 7 天启动方案
- 逐份人工审核，记录修改理由和错误案例
- 收集每日执行证据，继续调整下一步
- 将规则、Prompt、模板和匿名案例开源
- 01 真实学生问题
- 02 结构化采集
- 03 AI 补充追问
- 04 路径初筛
- 05 四周地图
- 06 每日任务
- 07 执行证据
- 08 动态纠偏
SYSTEM / WHAT SHIPPED
项目最终包含什么
不是一段“万能 Prompt”，而是一套包含输入检查、人工判断和反馈纠偏的可运行结构。
- 01学生信息采集协议
- 02信息完整性检查
- 03学习路径与优先级判断
- 04四周路径与 7 天启动模板
- 05数学 / 英语 / 物理 / 化学规则
- 06每日反馈与动态纠偏
- 07人工升级与风险边界
- 08Prompt 手动版与开源仓库
EVIDENCE / NOT A DEMO
方案必须回到真实执行。
我保留匿名反馈，不只展示“生成成功”，也记录耗时、卡点、未完成和需要人工判断的部分。
THREE FINDINGS
AI 最容易完成的是生成计划，最难的是获得足够真实的信息。
个性化不是修改名字和成绩，而是根据执行结果改变下一步。
系统不需要替代老师，但必须知道什么时候停止自动判断并请求人工帮助。
CASE 02 / CONTENT → RESEARCH
一条内容，
如何变成用户研究
我想证明的不是“做出了一条爆款”，而是能把内容曝光继续转化为真实用户、问题样本与产品反馈。
学习内容播放
学生咨询与需求样本
首批真实实验学生
工作流与匿名案例
内容不是终点。
曝光 → 评论 → 咨询 → 样本 → 实验 → 修正 查看内容来源 ↗CASE 03 / AI-COLLABORATIVE BUILD
Ansyn Lab
AI 协作完成的个人数字主页
我通过 AI 与 Codex 完成需求拆解、页面结构、代码实现、审美反馈和多轮修改， 最终上线个人网站，用来沉淀公开文章、项目和个人探索。
- 提出需求，定义信息结构与内容层级
- 使用 AI 协作生成、调试并持续迭代
- 根据真人反馈修改视觉与交互
- 完成公开上线，持续作为作品母站
WHY KIMI / CONTRIBUTION
我能为 Kimi 做什么
不做单次功能转发，而是用真实项目证明 Kimi 能为某一类用户解决什么问题， 再把使用数据与一线反馈带回团队。
真实场景内容
围绕学生学习、深度研究、网站与开源项目，制作从第一次成功使用到失败边界的完整案例。
一线产品反馈
记录用户为什么没用、第一次使用卡在哪里，以及什么表达能让年轻用户真正理解功能。
可复用推广案例
把学习工作流迁移到 Kimi，沉淀为开源项目、教程、实验复盘和用户问题地图。
FIRST 30 DAYS / ACTION PLAN
先做出一轮可复盘的真实实验。
承诺可控制的行动，不承诺不可控制的流量。
- W01
迁移
用 Kimi 重跑现有 AI 学习工作流，记录能力、限制与迁移成本。
- W02
内容
完成入门、工作流案例、失败或边界复盘 2—3 条内容。
- W03
测试
邀请一小批学生或年轻用户真实使用，收集高频问题与功能反馈。
- W04
交付
提交内容复盘、用户问题地图、产品体验反馈和一个公开案例或 Demo。
APPLICATION PACKAGE