Open to Work
李羽潔 Sakura
懂生意的 AI Builder
跨境電商實操 × AI Agent 工作流 × 從 0 到 1 落地
📧 sakuralee1014@gmail.com📍 台灣（可台北到職）
40
集劇本 · AI 產出
20
集成片 · 產線跑通
半天
單人產出一集
8
子 agent 並行協作
4
套自建 Agent 系統
7 年
供應鏈管理經驗
↓
關於我
用 AI Agent 把內容生產與電商營運跑成產線。獨立打造過四套真實系統：爆款影片結構剖析（Next.js + Gemini 雙模型全端應用，把影片拆成鏡頭級結構再反向生成腳本）、AI 漫劇生產線（8 個子 agent 並行處理 43.3 萬字原著，產出 40 集劇本、20 集成片，單人半天完成一集）、Shopee 跟賣改造產線、達人自動分診系統。既能寫程式調 API 建系統，也能把重複勞動拆解成 agent 可執行的步驟、沉澱為可複用的 SKILL 文件與跨對話記憶結構（已累積 6 套、約 4400 行）。7 年製造業供應鏈管理背景，做過成本分析、庫存管控與跨部門排程——看得懂生意，也算得清帳。
核心技能
🤖
AI Agent 與工作流
- ●Claude Code 深度實踐：自建 SKILL、hooks、多 agent 編排
- ●multi-agent 並行任務拆解與結果對齊（8 agent 處理 43.3 萬字）
- ●跨對話記憶結構設計：能力層 / 事實層 / 產出層 / 記憶層四層分工
- ●Prompt Engineering：從失敗案例提煉可複用規則並文件化
⚙️
全端開發與自動化
- ●Next.js + Prisma 全端應用開發，串接 Gemini / Claude API
- ●多模態處理：ffmpeg 影片抽幀 + Vision 模型辨識 + 文字模型結構化
- ●n8n 自動化工作流（Listing 生成 / AI 生圖 / 批次產出）
- ●CDP 驅動真實瀏覽器，突破反爬與登入牆；飛書 API 結構化讀寫
🛒
電商營運
- ●Shopee 台灣本土店營運：選品、定價、跟賣改造 SOP
- ●Amazon Listing 最佳化（COSMO 意圖模型 / Rufus AI 適配）
- ●TikTok Shop 美區帶貨後台實操
- ●跨境合規與品類風控判斷
📊
數據分析
- ●轉換漏斗分析（曝光 → 點擊 → 出單全鏈路追蹤）
- ●數據驅動選品決策（熱賣榜 + 佣金評估 + 六層篩選）
- ●A/B 測試設計與結果量化對比
- ●產出數據複盤與迭代規則沉澱
📦
供應鏈管理
- ●選品成本分析與利潤評估
- ●庫存最佳化與呆滯庫存清理
- ●供應商協調與跨部門資源調度
- ●訂單全流程排程（BP / 滾動預測）
核心專案
2026.03 - 2026.04
爆款影片結構剖析系統
個人專案 · 全端 AI 應用（Next.js + Prisma + Gemini）- ▸上傳一支帶貨影片，自動拆解成鏡頭級結構：ffmpeg 抽幀後由 Gemini Vision 辨識畫面內容與產品出現時機，再交給文字模型提煉敘事結構
- ▸四張表的資料模型（Analysis → Shot / Structure / Rewrite，級聯刪除）：鏡頭層記錄每一鏡是否有產品、是否首次露出、信心分數；結構層把鏡頭映射到「停 → 病 → 藥 → 信 → 買」五階段
- ▸量化輸出：產品首次出現秒數、產品露出佔比、鏡頭總數、框架類型判定（經典痛點型 / 開箱種草型…），並自動生成優化建議
- ▸反向產出：換一個品類與產品即可重新生成腳本，並輸出 Veo 影片生成提示詞——從「拆解」閉環到「再生產」
- ▸6 個 API 路由（分析 / 改寫 / 匯出 / 飛書回寫 / 提示詞生成 / 報告），含代理可達性同步偵測的容錯處理，代理未開時自動改走直連
關鍵決策
把「是否有產品、是否首次露出」做成鏡頭層的欄位，而不是事後統計——量化指標從資料模型裡長出來，「產品幾秒出現」「露出佔比多少」才變成一句查詢的事，不必靠人估。
2026.03 - 至今
AI 漫劇生產線
個人專案 · multi-agent 協作與長上下文記憶- ▸把「小說 → 動畫短劇」拆成五步產線（劇本 → 分鏡 → 出圖 → 影片生成 → 剪輯），其中「出圖並驗收」設為硬關卡，跳過必返工
- ▸8 個子 agent 並行精讀 192 章 / 43.3 萬字原著：關鍵設計是預先定義統一輸出模板，讓 8 份結果能直接拼接——並行的難點不在分發，在結果合不合得起來
- ▸建立四層記憶結構（能力層 SKILL / 事實層設定集 / 產出層分鏡 / 記憶層 history），解決跨數十次對話的角色與設定一致性問題
- ▸產出 40 集劇本、20 集成片，單人半天完成一集——對比的不是速度，是一個人做完了原本需要一個團隊的工作
- ▸將幾百次生成失敗提煉成規則沉澱進 SKILL：一條提示詞 = 一個地點 + 一個動作、心理描寫必須轉譯成外顯動作、角色一致性靠名字綁定
關鍵決策
8 個 agent 並行的難點不在分發，在結果能不能合得起來——所以先定義好統一的輸出模板再派活，而不是讓各自自由發揮再想辦法合併。分發是體力活，對齊輸出格式才是設計。
2026.05 - 至今
Shopee 跟賣改造產線
個人專案 · 九階段流水線- ▸把「競品 Listing → 自家上架」拆成九階段流水線，涵蓋抓取、合規檢查、文案改造、圖片處理、上架
- ▸整合 CDP 瀏覽器 + API + ERP 三種工具鏈，突破站點反爬限制
- ▸沉澱選品六層篩選邏輯（類目 → 賽道 → 合規 → 潛力 → 銷量 → 可行性），取代單純的硬性篩選條件
- ▸跨對話記憶用 history.md 承載，新對話一句「接上進度」即可續作
關鍵決策
選品從「5 條硬性篩選」改成「六層漏斗」——硬條件只會篩掉明顯不行的，篩不出真正該做的。層層收斂才能讓每一步的淘汰理由都說得清楚，決策可回溯。
2026.06 - 2026.08
達人自動分診系統
個人專案 · 已隨業務線關停- ▸為墨西哥市場 TikTok 帶貨設計的達人回信自動分診：群發 → 回信 → 自動評分定級 → 起草西語話術 → 人工發送（不自動發，防封號）
- ▸飛書雙表關聯設計（達人分診表 + 影片素材庫），以 1:1 關聯實現查重：一支影片只給一位達人
- ▸2026.08 業務線整體終止，專案在系統設計完成、自動化尚未接通階段主動關停，資產保留
- ▸留下的判斷：專案關停也是決策——資源有限時，做減法比做加法難
關鍵決策
雙表設定成 1:1 關聯而不是 1:N，用資料庫約束實現「一支影片只給一位達人」——查重靠結構保證，不靠人記得檢查。規則能寫進結構的，就別留給流程。
相關工作經驗
2024.02 - 2025.10
營運專員
萬通教育股份有限公司（台灣）
- ●管理 Meta 廣告投放取得的潛在客戶名單（Leads），設計線索分派機制，推動線索轉換
- ●負責業務績效分成模型設計與獎金核算，推動客戶成交後的業務閉環
- ●協調跨部門優化交易流程，縮短成交週期
2017.06 - 2024.01
生產企劃師 / 經營管理師
業成光電 - 富士康集團（深圳 / 無錫）
- ●端到端供應鏈管理：訂單接收 → 排程 → 採購協調 → 生產追蹤 → 交付全流程，管理跨部門資源調度
- ●主導超齡庫存審查與清庫執行，降低呆滯風險；統籌年度 BP 與滾動預測，監控產品成本與預算達成率
教育背景
2012.09 - 2016.06
中南林業科技大學涉外學院
會計學（學士）
初級會計師CET-4TOPIK 3 級（韓語中級）
工具鏈
Claude Code（自建 SKILL / hooks / 多 agent 編排）n8n（自動化工作流）Next.js / Tailwind CSS（全端開發）CDP / Playwright（瀏覽器自動化）飛書多維表格 + API（結構化資料）即夢 Seedance / Nano Banana（影像生成）剪映 CapCut（影片剪輯）ElevenLabs / Fish Audio（AI 配音）FastMoss / Sorftime（選品分析）Shopee / TikTok Shop / Amazon 後台