01 / 商业化
0→1 业务商业化闭环
能从客户需求、方案设计、立项推进，一路跑到交付验收，把项目完整落地，而不是只停在方案和 demo。
有灵平台 · 营收 2000w 货柜交付L
郑乐乐 · Agent-Native Product
Agent Loop · Tool Calling · Memory · Evaluation
Agent-Native Product Builder
把复杂任务
做成 Agent 产品
我是郑乐乐，专注 Agent-Native 产品。从游戏智能 NPC 的后训练评测与 Agent 化，到留学顾问 Agent、用户调研 Agent CCNeed，我把依赖经验、上下文和判断的复杂任务，做成有 Agent Loop、工具调用、分层 Memory 和评测闭环 的可用、可评估、可商业化的 Agent 产品。
Why Me · 核心优势
四个能把 Agent 做出来、交付出去的优势
不是单点能力，而是从客户需求、模型指标、Agent 工程到独立 coding 的一条完整链路：想得清、做得出、交付得了。
02 / 模型
模型后训练与评测
能把主观、无唯一答案的业务目标，拆解为可训练、可评估的模型能力指标，并建成数据生产与评测闭环。
智能 NPC · SFT/RLHF 评测闭环03 / Agent
前沿方向的产品化理解
对 Agent、Memory、Function Calling、Agent Runtime 等前沿方向持续探索，并能把它们落成真实可用的产品形态。
留学 Agent Runtime · CCNeed · NPC Agent 化04 / Coding
AI Coding / Web Coding
AI Coding / Web Coding 能力强，能独立、快速地做出产品原型，并直接拿到真实业务里验证迭代。
vibe coding · 留学 / CCNeed / FOMO 300+ starExperience & Agents
工作经历与 Agent 实践
先看公司阶段的智能 NPC 后训练与级联 Agent 交付，再看创业阶段从 0 到 1 做出来、跑出注册与变现的 Agent 产品。
2023.04 - 2026.04
网易雷火 · 网易伏羲 / 伏羲机器人 · AI 产品经理
主线是有灵智能体平台与游戏智能 NPC：既做模型后训练评测闭环，也把 NPC 从被动对话角色推进到具备记忆与主动行为的角色 Agent。
代表场景 1
游戏智能 NPC：后训练评测闭环 + NPC Agent 化
面向游戏内智能 NPC 的长期互动场景，把“玩家是否愿意持续对话、NPC 是否符合人设”等目标，拆解为可训练、可评测的模型能力指标，并延伸探索庄园 NPC 的 Agent 化方案。
评测闭环 围绕 SFT / RLHF 设计示范、排序、打分、对比、session 创作与 rewrite 数据任务，建立标注规则、一致性校准与 badcase 回流，降低主观标注噪声。
NPC Agent 化 设计分层 Memory、受控 Agent Loop、动作白名单与运行时 Context Pack，把 NPC 扩展为具备玩家关系记忆、NPC 社交关系、离线事件和主动行为的角色 Agent。
体现能力 把强主观、无唯一标准答案的对话质量，做成可生产、可评估、可迭代的模型能力闭环。
代表场景 2 · 商业化
有灵智能体平台：营收 2000w 的级联 Agent 任务交付
主导平台外部商业化 0 到 1 落地，围绕智能货柜商品识别场景，独立推进客户调研、需求拆解、方案设计、立项评审、跨团队协调与交付。
级联协同 面向百万级日订单、20s 内交付、99%+ 准确率与单成本约束，设计小模型 Agent、VLM Agent 与人类 Agent 级联协同的任务交付 workflow。
任务编排 小模型优先处理高置信订单，VLM 处理中等复杂任务，人类 Agent 兜底复杂低置信任务，平台统一完成路由分发、结果回收与用户画像迭代闭环。
业务结果 营收 2000w，交付准确率 99%+，把客户“识别用户实际购买商品”的需求转化为可规模化交付的 AI 任务。
创业经历
从 0 到 1 做 Agent 产品 · 创始人
把 Agent Harness / Runtime、ReAct Loop、工具调用和分层 Memory，落进留学咨询、用户调研等真实复杂场景，并跑出注册用户与商业化。
重点项目 · 创始人
留学顾问 Agent：ReAct Loop + Function Calling 的复杂咨询 Agent
面向留学规划这一高信任、强个性化的复杂咨询场景，从 0 到 1 vibe coding 搭建留学顾问 Agent，承接用户从背景讨论、需求澄清、方案生成、方案修改到转化跟进的连续咨询链路。
Agent Harness 设计 ReAct Loop + Function Calling 的 Runtime，把咨询抽象为 observe、decide、tool use、update state、reply 的可控循环。
Host Agent 基于用户意图、画像完整度和证据需求，动态决定追问、调用院校库 / 案例库 / 策略库、更新画像、生成 / 修改方案或委托 bounded sub-agent。
工具与上下文 统一管理工具权限、上下文边界、输入输出 schema、结果写回和 trace，让模型基于结构化数据、相似案例和顾问策略交付。
商业验证 累计注册用户 10k，累计商业化变现 100w，月环比增长约 120%。
主产品 · 奇绩入营
用户调研 Agent CCNeed（原 ValidFlow）
从 0 到 1 主导一款 AI 用户洞察 Agent 的全部产品功能与技术选型，把多平台社交内容自动化为可调研、可溯源的用户洞察。奇绩 25 秋季入营项目，估值 7000w。
洞察链路 设计用户洞察知识图谱生成链路：多平台按需召回 + GraphRAG 洞察整合（抽取 / 聚合 / 摘要）。
Skill 框架 搭建 skill 框架（内置通用 + 用户自创），把痛点分析 / 需求分层 / 用户画像等方法论工程化为可复用 skill，基于 Agent + skill 编排输出复杂调研方案与信息归因。
Agent 0 → 1 · 2022.12-2023.07
AI for Us：Agent 分享平台
从 0 到 1 搭建平台核心能力，覆盖 Agent 的生产、展示、消费、分享等环节；跑通复杂任务拆解规划、Agent 协同通信与调度。
产品验证 demo 针对求职等复杂认知场景有显著效果提升。
结果 Multi-Agent demo 获思否 hackathon 最佳技术奖。
个人 vibe coding 项目
AI FOMO Skill · 个人 AI 信息处理与记忆系统
作为唯一创作者，搭建可被 Agent 调用的个人长期上下文与信息处理系统，验证 Memory、Context Engineering 与 skill design。
长期上下文系统 · 300+ star
AI FOMO Skill：个人 AI 信息处理与记忆系统
接入飞书、X、GitHub、播客、YouTube 等多来源资料，把信息筛选、重点提炼、知识沉淀、偏好判断和求职材料生成整理成可复用工作流。
工作流设计 设计 raw、wiki、signals、digests、self-context 分层，以及资料采集、source summary、signal 判断和 digest 输出流程。
体现能力 体现 Memory、Context Engineering、source grounding 和 skill design，提升在 AI 快速变化环境下的持续学习与信息判断能力。
教育背景
香港中文大学 · 工学硕士 ｜ 杭州电子科技大学 · 工学学士
香港中文大学 地理信息科学与智慧城市 工学硕士（2021.09-2022.11）；杭州电子科技大学 计算机科学与技术（卓越学院）工学学士（2017.09-2021.06）。
港中文 · 工学硕士
杭电 · 卓越学院
⋮⋮
Profile
Agent-Native 产品
把依赖经验、上下文和判断的复杂任务，做成有 Loop、工具、记忆和评测的 Agent 产品。
⋮⋮
NetEase Fuxi
级联 Agent 交付
小模型 Agent、VLM Agent 与人类 Agent 级联协同，完成百万级日订单的实时任务交付。
⋮⋮
Game NPC
NPC 后训练与 Agent 化
把人设对话质量做成评测闭环，并用分层 Memory、受控 Agent Loop 把 NPC 推进为角色 Agent。
⋮⋮
CCNeed · 奇绩入营
用户调研 Agent
多平台按需召回 + GraphRAG，把社交内容自动化为可溯源的用户洞察；skill 框架可编排。
⋮⋮
Founder
Agent 0 到 1
早期验证 Agent 生产、展示、消费、分享和复杂任务拆解，Multi-Agent demo 获思否最佳技术奖。
⋮⋮
Vertical Agent
ReAct Loop Agent
用 Host Agent、Function Calling、状态管理、分层 Memory 和 bounded sub-agent，把复杂咨询产品化。
⋮⋮
Method
Agent 方法迁移
从级联任务交付，到 ReAct Loop Agent，再到长期上下文系统，沉淀同一套 Agent 产品方法。
⋮⋮
Knowledge Agent
长期上下文工程
把多来源 AI 信息变成可追溯、可复用、可被 Agent 调用的知识与判断流程，300+ star。
⋮⋮
Education
教育背景
香港中文大学 工学硕士（智慧城市 / GIS）；杭州电子科技大学 计算机科学与技术（卓越学院）。
How I Build Agents
我习惯自己把 Agent 从 Loop 搭到上线，再用真实数据校准。
从游戏智能 NPC 的后训练评测与 Agent 化，到留学顾问 Agent、用户调研 Agent CCNeed，我做的都是同一件事：定义任务、设计 Agent Loop 与工具边界、组织分层 Memory 和上下文、定评测、回流 badcase，并把它推到真实用户和商业结果上。对我来说，Agent-Native 产品经理的核心，是判断哪些能力值得做成 Agent、怎么落到场景里、如何评估，并沉淀成可复用方法。
留学顾问 Agent
ReAct Loop + Function Calling 的 Agent Harness，Host Agent 调度院校库 / 案例库 / 策略库与 bounded sub-agent，注册 10k、变现 100w。
用户调研 Agent CCNeed
多平台按需召回 + GraphRAG 把社交内容做成可溯源用户洞察，skill 框架可编排；奇绩 25 秋入营，估值 7000w。
智能 NPC Agent 化
分层 Memory、受控 Agent Loop、动作白名单与运行时 Context Pack，把 NPC 从被动对话角色扩展为角色 Agent。
把尝试沉淀成方法
AI FOMO Skill（300+ star）把信息筛选、长期记忆和输出规则固化为可被 Agent 调用的 skill 与上下文。
Working Style
我的工作方式
自己搭
vibe coding 搭 Agent Harness / Runtime，用可运行产品校准判断，而不是只画方案。
Loop 思维
把任务做成 observe→decide→tool use→update→reply 的可控循环，管好工具权限和停止条件。
真实场景
选留学咨询、用户调研、NPC 对话、实时审核等真实任务做 Agent 验证。
评估意识
关注 Agent 是否真的完成任务、是否稳定、是否有用户价值，而不只看生成效果。
复盘沉淀
把尝试沉淀成 workflow、skill、评测和数据闭环，让下一次判断可复用。
业务落地
关心准确率、成本、时效、注册、变现和商业结果，持续把 Agent 推向可交付状态。
Contact
正在寻找 Agent-Native 产品机会
适合沟通的方向：Agent-Native 产品 0→1、LLM Agent / Workflow、Tool Calling、RAG / GraphRAG、Memory 与 Context Engineering、模型评测与数据闭环、Human-in-the-loop 任务交付、垂直 AI Agent 商业化落地。