刘舜。
我构建 AI 驱动的产品。
专注于 AI 应用与效率工具开发的全栈产品工程师，兼具产品设计思维与技术落地能力。善于将 AI 能力转化为可落地的产品价值。
00.关于我
你好！我是刘舜，一名专注于 AI 应用与效率工具开发的全栈产品工程师，兼具产品设计思维与技术落地能力。擅长设计提效工具与创新功能，能独立完成从需求洞察、架构设计、技术实现到数据验证的产品闭环。
多个独立项目实现冷启动并获得用户验证，包括月活突破 1000+ 的 AI 绘图移动应用 和开源的 MCP 服务器，支持 Claude Desktop、Cursor 等主流客户端一键接入。
关键词：产品 × 技术复合背景 | AI 产品化 | Multi-agent | 需求洞察 | 数据驱动 | 全栈交付
- ▹Python
- ▹TypeScript
- ▹React Native
- ▹Node.js
- ▹Golang
- ▹LangGraph
- ▹Multi-agent
- ▹MCP
- ▹Docker
- ▹AWS
教育背景
澳大利亚国立大学
计算机硕士（人工智能方向）
均分：75（Distinction）
2024.02 — 2025.12
澳大利亚堪培拉
华威大学
电子商务管理硕士（数据科学方向）
GPA：3.4/4.0，Merit 等级
2020.10 — 2021.10
英国考文垂
厦门大学
市场营销学士
均分：80/100
2015.09 — 2019.06
中国厦门
00.工作经历
AI 产品策划 · 远程兼职 @ 全灵 Seele
2025.02 — 2025.12 · 中国深圳
- ▹主导 LLM 游戏生成产品的多智能体工作流设计，构建了基于 Unity 开发工具与多模态 LLM 框架的游戏玩法生成模块，实现了从文本/指令到游戏逻辑的自动化生成。
- ▹设计并开发了基于 Node.js 与 Docker 容器化的模型微调工程框架，显著提升了算法团队的批量训练效率，负责训练环境的性能调优及业务导向的训练任务优化。
- ▹负责 LLM 训练数据集的构建与清洗，根据业务需求制定训练目标，评估数据库与任务库的匹配度，协助算法团队完成自有模型的训练与迭代。
- ▹深入研究 LangGraph 等 Multi-agent 框架在复杂 AI 生成场景中的应用，结合实际业务需求开发产品 Demo，成功验证了多智能体协作在游戏生成领域的可行性与效果。
00.近期项目
精选项目
Comfy Portal
基于 ComfyUI 的跨平台移动端 AI 绘图应用，使用 React Native 独立开发并上架 App Store。零广告投入实现冷启动，App Store 评分 4.5（80% 以上评分 ≥ 4.5 星），月下载量稳定在 800+，月活跃用户突破 1000+，页面转化率达 7%。
- React Native
- ComfyUI
- TypeScript
- App Store
精选项目
小红书 MCP 服务器（xhs-mcp）
基于 MCP 协议，使用 TypeScript + Playwright 开发的小红书全功能自动化运营工具，支持内容搜索、笔记发布、多账号互动、AI 图片生成等 30+ 项 MCP Tools，已发布至 npm。集成 Gemini API 实现 AI 驱动的智能评论生成，支持 Claude Desktop / Cursor / Claude Code 等主流客户端一键接入。
- TypeScript
- Playwright
- MCP
- SQLite
- Gemini API
精选项目
WooCommerce MCP Server
针对 WooCommerce 电商系统定制开发的 MCP 服务端，实现从任意 MCP 客户端通过 AI 对电商网站进行智能化管理。支持产品完整 CRUD、页面内容管理、SEO 信息优化等核心功能，并设计部署了基于 AI 的 Workflow，实现网站健康检测、内容质量监控与 SEO 自动优化。
- Node.js
- TypeScript
- MCP
- WooCommerce API
- AI Workflow
其他项目
LLM 吞吐量基准测试框架
使用 Golang 从零开发的完整 LLM 吞吐量基准测试框架，设计了灵活的配置文件系统，实现多种基准测试场景。
- Golang
- LLM
- 基准测试
社交热度商品挖掘系统
在腾讯主导全网社交热度商品挖掘与入库链路设计，基于爬虫与 AI 技术筛选高价值爆款，首轮测试吞吐量达 1500 条笔记/日。
- Python
- 爬虫
- AI
- 腾讯
模型微调工程框架
在全灵 Seele 设计并开发基于 Node.js 与 Docker 容器化的模型微调工程框架，显著提升算法团队的批量训练效率。
- Node.js
- Docker
- LLM
- Fine-tuning
多智能体游戏生成 Demo
研究 LangGraph 等 Multi-agent 框架在复杂 AI 生成场景中的应用，开发产品 Demo 验证多智能体协作在游戏生成领域的可行性。
- LangGraph
- Multi-agent
- Python
- Unity
