01 / 身份
Agent 产品经理
DMC / 26
DU MU CHONG / AGENT PRODUCT
把 AI 接到研发流程里，让日常重复的事被自动化。
六年游戏测试与质量体系，近年专注把 Agent / LLM 接进研发流程；先看数据拿不拿得到，再看是不是天天在做，最后才决定做不做。
个人作品集
2026 · 北京 / 远程
02 / 简介
可沟通
我目前在腾讯 IEG 魔方工作室群，负责《暗区突围》局内玩法方向测试，同时带工作室 AI 测试平台的产品定义、优先级判断与验收标准。
查看精选项目 →
FIELD NOTE
03
04:18
了解方法 →
先减少不必要的选择，再考虑增加新的功能。
简历
04
CV
邮件获取 →
专业能力
04 组
01 / 产品
需求拆解 / 指标定义 / 评估门禁
02 / AI · Agent
LLM 应用 / RAG / 工具调用 / 评测
03 / 工程
Python FastAPI / React / Docker
04 / 测试
TAPD / Unity Profiler / 自动化
项目预览 / 01
AI 测试辅助平台
核心链路
TAPD → 拉代码 → 生成建议 → 推企微
21 技能包 / 20 命令 / 多项目复用
TENCENT IEG · 2025
查看项目 →
AI 测试辅助平台
索引
05
精选项目
01 / 03
能力与方法
02 / 04
工作经历
03 / 03
联系
04 / 04
精选项目
三个内部平台，做法和效果都摆在明面上；选择标准是先问数据、再问重复频率、最后看团队能不能直接忽略错的那个。
01 / 研发流程 · AI Agent
AI 测试辅助平台
测试同学每个需求 / 修复单都要人工翻提交记录判断影响面、再手写分析。把它做成 TAPD → 代码 → 建议 → 企微 的端到端流水线；底层沉淀 21 个技能包与 20 条命令，其他项目可自取组合。
- 模块 / 接口
- 17 / 262
- 核心链路
- 工单 → 拉代码 → 建议
- 沉淀
- 21 技能包 + 20 命令
- 结果
- 团队日常使用
01 / AI 测试辅助平台
END-TO-END
覆盖模块
69
个功能模块
日报周报
自动
人 → 推送
自动化测试
71 套
保障平台
已上线 · 团队日常
17 模块 / 262 接口
02 / 测试平台 · 数据驱动
SpyderX · 玩法全量测试平台
把玩法测试同学的工作收成一条流水线：从 TAPD 拉提交、导入 UE 资产，到玩法画像、配置查询、统合比对、用例评审、疑难复现。每条测试点必须引用具体修改项，缺依据不落库。
- 用户 / 项目
- 106 / 3
- 比对
- 126 次 / 9613 项
- 提效
- 58%–83%
- 核心方法
- 引用即落库
02 / SPYDERX
PIPELINE / TRACE → COMPARE
已上线 · 3 项目 / 106 用户
126 次比对 · 9613 项差异
03 / AI 辅助 · 用例设计
伴星 StarMate
测试同学在思维导图里写用例，AI 只针对当前节点给下一步建议；一个快捷键采纳，不想要继续打字即可。立项时把命题定为「把拒绝成本降到零」，并把采纳率、编辑距离、试点周活定成验收门禁，不达标不合版。
- AI 贡献
- 76.6% 节点
- 采纳率
- 47.4%
- 延迟
- 2.9s → 0.4–0.8s
- 门禁
- 500 样本 / 35%
03 / STARMATE
EVALUATION GATE
指标
说明
值
01
AI 贡献用例节点
76.6%
02
层级续写采纳率
47.4%
03
行内延迟
0.4–0.8s
04
层级续写延迟
22.6s
已上线 · 试点使用
门禁 35% / 实际 47.4%
04 / 工具 · 数据链路
Asset Wizard · UE 资产解析 →
把蓝图、数据表、UI 树、材质、依赖关系批量文本化；让此前 AI 读不到的约 70% 业务逻辑变成可读输入，支撑 40 万+ 资产节点项目里的玩法比对与谱系分析。上一平台的天花板就在数据层，先修数据再调模型。
BINARY → READABLE / 04
能力与方法
做的不是单点工具，是一整套「先问数据、再问重复、最后看团队能不能直接忽略错的那个」的产品判断与工程化能力。
项目类型
研发流程 / 内部工具 / 数据平台
工作阶段
研究 / 定义 / 原型 / 验收 / 沉淀
协作方式
产品主导 / 与工程共写 / 评估前置
01.
研究 / 定义
把需求拆到能验收
结合用户任务、场景与业务约束，定义要解决的问题与优先级。立项时同步把指标与防 gaming 机制想清楚，再写第一行 PRD。
- 用户访谈
- 任务地图
- 机会点排序
常见交付
研究结论 / 问题定义 / 验收口径
02.
AI · Agent
把模型接进真实流程
做 LLM 应用、RAG 与混合检索、Agent 工具调用、离线评测与效果门禁；不只关心 prompt，先看数据层能否支撑结论。
- LangChain / LangGraph
- RAG / 混合检索
- Prompt 工程
- 工具调用 / 评测
常见交付
Agent 链路 / 评测报告 / 验收门禁
03.
工程化
把原型做成真在用的工具
用 Python / FastAPI / React / Docker 把能力落到团队能自取的程度。共性能力沉淀成脚手架，其他项目组可复用。
- Python · FastAPI
- React · Vue
- MySQL · Docker
常见交付
可部署服务 / 内部脚手架
04.
测试 · 质量
在团队里建可对齐的质量口径
从版本准入、风险研判到自动化性能、平台送审，定义清楚阻塞缺陷解决时长、缺陷重开率、模块缺陷密度等口径。
- TAPD / 飞书项目
- Unity Profiler / UPR / PerfDog
- AirTest / Frida
常见交付
质量体系 / 版本准入机制
关于我
DU MU CHONG
比起工具本身，我更关心它解决的是不是真问题，以及做出来后团队能不能顺利用起来。
如何开始一个项目先理解正在完成的任务、现有流程和限制；再决定该接什么、什么时候接、接多深。拒绝成本是设计上的硬指标。
如何把工具推到团队把验收口径前置、共性能力沉淀成脚手架、评估门禁写进版本合并条件；不达标就不合版，让「做对的事」比「把事做完」更容易。
- 关注领域
- 研发流程 / 内部工具
- 工作地点
- 北京 / 支持远程
- 短板与下一步
- 待补大规模对照实验
这些工具就是我和组里每天在用的活，需求真不真自己有数。短板也很清楚：内部平台没做过大规模对照实验，这是我想在下一份工作补的。
方法 / 04
从数据到交付
- 01 听
理解用户任务与业务目标
- 02 理
梳理信息、流程与优先级
- 03 试
用原型验证关键方案
- 04 交
补齐状态、规则与交付细节
工作经历
从一线测试到 AI 平台产品负责人；六年间积累的判断力，是把抽象需求落到可被验收的工程化方案上。
2025 / 04 — 至今
腾讯 IEG 魔方工作室群
《暗区突围》测试经理 & 工作室 AI 平台负责人
基于 UE4 的撤离射击品类，全球发行、手游与端游双线并行。本职负责局内玩法方向测试管理，同时主导工作室内部 AI 测试平台的产品定义、优先级判断与验收标准制定。保障 9 个版本发布、线上质量事故 0 起。
2023 / 06 — 2024 / 11
鹰角网络 · 泡姆泡姆
游戏测试组长 兼 版本管理
Unity 多人合作买断制平台跳跃解谜游戏，已上架 Steam 新品节。作为项目首位 QA，从零建立涵盖功能、场景、性能、兼容性的测试体系；带 11 人 QA 团队，主导 PS5 / Switch 送审（PS5 成功送审并获版号），搭建基于蓝盾的版本机与出包流水线。
2020 / 05 — 2023 / 06
Garena · FreeFire
模式测试组长
Unity 1 亿 DAU 竞技射击游戏，风靡东南亚与南美市场。负责模式与局内道具测试，参与玩法性与机制平衡性评估；用 Gautomator 验证武器伤害与有效伤害距离；用 UPR / PerfDog 做性能跟踪，协助程序用 Frida 框架完成反外挂修复校验。