MDT AIIMMERSE｜本地 AI 智能体一体机

背景与问题

项目归属于时空城。团队已经具备本地模型、RAG、DeepResearch、Agent、ASR/TTS 与 AIGC 等能力，但早期更偏研发验证和分散 Demo：个人用户安装门槛高，企业客户私有化交付要重复拼装环境、知识和工作流，也缺少统一的状态与验收视图。因此需要把 miniPC 变成稳定的产品载体，而不是单次演示机器。

我的角色

作为研发型 AI 产品经理，主导产品方案、功能架构、版本优先级、产品规范与项目排期，协调算法、研发、硬件和测试团队推进交付；负责将 ToC/ToB 用户任务与业务 SOP 转化为 Prompt、Workflow、Skill、知识规则和验收标准，并参与 Agent 上下文、记忆、任务规划、RAG、工具调用、ASR/TTS、本地模型管理等部分核心链路研发与系统联调。

约束与取舍

• 做成通用 PC 还是任务完成系统：只卖硬件更轻，但无法证明 AI 产品价值。最终把 miniPC 定位为预置模型、知识与 Agent 工作流的一体机，代价是需要同时协调硬件、软件和交付定义。
• 参数全开放还是模板化交付：完全开放更灵活，却会放大安装和验收差异。最终把常用模型、工作流和输出物模板化，并保留受控高级配置，牺牲部分自由度换取 ToC 商品化与 ToB 私有化的可复制交付。
• 先堆能力还是先做可恢复链路：单点 Demo 更容易展示功能，但长任务失败后难追踪。最终把任务状态、Checkpoint、恢复和评测入口放进主链路，接受更多状态设计与联调成本。
• 验证方式：以部署交付时长、业务场景接入、脱敏界面证据和公开商品页验证产品成立，不把未公开确认的销量、销售额、评价数或客户增长写成个人业绩。

产品方案

围绕“本地底座 → Agent Runtime → 应用能力 → 交付体系”组织方案：底座层负责 miniPC、本地模型管理、推理适配、离线运行和本地数据闭环；Runtime 层负责任务规划、上下文组装与压缩、短期/长期记忆、RAG、工具调用、审批、进度、Checkpoint 和恢复；应用层覆盖知识问答、文档与会议办公、研究任务、语音陪伴、数字人以及图像/视频等 AIGC；交付层分别提供面向个人用户的预置模型与任务模板，以及面向企业客户的知识、权限、Workflow、Skill、培训和验收指标。

结果与证据

• 团队产品结果：将本地 AI 能力从重复部署推进到开箱即用、可复制交付，平台能力支撑 10+ 业务场景。
• 产品结果：把本地模型、知识、研究、语音和智能体能力收拢进统一工作台，形成 ToC 商品化与 ToB 私有化两种交付形态。
• 公开证据：固定京东商品页可验证其 ToC 在售形态；脱敏截图继续覆盖模型训练、参数配置、RAGAS 评测、RAG 检索、DeepResearch 与营销 Agent，作为产品链路证据而非销量证明。

局限与下一步

现阶段更擅长把能力收拢并交付，但 Golden Dataset 覆盖、成本归因、应用完成率和跨场景 Bad Case 机制仍不够统一；公开页面也不展示未核实的商业化数字。下一步应优先统一评测基线、资源账单和应用级完成指标，再继续扩充模型与场景目录。