AI Copilot 智能助手

投放平台的日常运营涉及数据监控、异常判断、出价调整、策略优化等高频率操作，分散在不同页面。运营需在多个系统间切换拼凑信息再做决策，效率低且依赖个人经验。需要一个能"感知用户在做什么、在需要时提供建议、确认后执行"的智能助手，而非单纯的对话机器人。

设计并落地一款上下文感知的AI Copilot产品：① 工具编排框架——基于MCP协议将数据分析、策略推荐、调价等能力标准化为可注册的工具，实现统一接入与动态路由；② 上下文感知机制——通过拼接用户当前页面路径至system prompt，使Agent感知用户所处的业务场景，自动匹配可用工具集；③ 混合交互模式——Agent的tool_call返回结果渲染为可交互UI组件（确认弹窗、参数编辑表单），保留人的最终决策权；④ 提示词工程——定义Agent的角色定位、决策边界、工具选择策略与异常兜底逻辑。

作为产品负责人，主导产品架构设计与方案落地。完成MCP协议与工具调用框架的技术选型与方案设计，定义上下文注入机制与动态工具映射规则。设计混合交互流程——Agent建议以tool_call返回，前端捕获后渲染为确认弹窗/参数编辑表单等交互组件。完成系统提示词编写，定义Agent行为边界与异常兜底策略。推动开发团队完成MCP Server开发，统筹前后端协作，产品已上线并在内部投放团队推广培训。

产品已上线，面向内部投放团队使用，正在推广培训。上线前内测数据表现：关键词选词效率提升 75%+、单账户调优耗时缩短 67%+、运营操作量降低 87%+。基于 MCP 协议的工具调用框架、上下文感知注入机制与混合交互模式，在真实投放场景中跑通「AI 建议→人工确认→自动执行」的人机协作闭环。