WAIC · Future Tech
以远见琢实（上海）智能科技有限公司参展企业身份进入世界人工智能大会未来之星创新孵化展，在 H4 Future Tech 现场呈现 CCNeed 如何把消费者信号转化为可追溯的研究与决策工作流。
PERSONAL FIELD NOTES / 01BEIJING · SHANGHAI / 2026
YUANRONGTANG
CCNEED CO-FOUNDER & COO
HCI RESEARCHER
当前工作分布于产品、研究与产业合作。
Building in the field.
Researching at the edge.
CURRENT ROLES
学术与产业履历
现为远见琢实（上海）智能科技有限公司联合创始人，负责 CCNeed 的产品推进与商业化。CCNeed 孵化于清华大学智能产业研究院，是面向产品、市场与研究团队的 AI 消费者研究平台，连接用户信号与企业知识，帮助团队识别用户需求、产品机会与市场变化。
清华大学信息艺术交叉学科硕士研究生、清华大学智能产业研究院（AIR）联合培养生。2023 年起在 AIR 联合培养，曾任院内核心科研任务学生负责人，本科阶段带领 20 余名学生研究员开展 AI Agent 研究。
现于清华大学未来实验室开展研究，清华大学计算机系史元春教授担任第二导师；本科毕业于清华大学艺术与科技专业，专业排名第一，获北京市优秀毕业生、清华大学优秀毕业生，并入选雷峰网 25 Under 25「最佳 00 后创业者」。
论文与公开成果覆盖人机交互、AI Agent 与社会影响，已形成 7 项发明专利；具体研究议题与代表成果见 Research。
此外，持续参与企业咨询、行业展会与技术社区活动；具体项目与承担角色见 Venture 和 Field。
WHAT WE BUILD
CCNeed 是面向产品、市场与研究团队的 AI 消费者研究平台，连接公开用户信号与企业知识，支持用户需求、产品机会与市场变化判断。
MY ROLE / CO-FOUNDER & COO我负责把研究方法、产品方向与商业现场接在一起：定义团队该回答什么问题，推动 Agent 工作流落地，并把客户反馈带回下一轮产品迭代。
- 01DEFINE
先定义值得回答的问题
把业务目标拆成明确的研究问题、判断标准与证据需求，避免一开始就被数据和模型带着走。
- 02GATHER
再连接真实世界的信号
汇集跨平台公开 UGC、访谈材料与企业已有知识，让洞察建立在真实语境而非模型想象上。
- 03TRACE
让 Agent 分析，但保留来源
用 Agent 完成清洗、归纳与机会识别，同时保存证据链，让团队可以回到原始材料复核结论。
- 04DECIDE
最后进入产品与市场决策
把研究结果继续推进到需求定义、概念测试、市场判断与下一轮行动，而不是停在一份一次性报告里。
产业与社区实践
以下仅列具体项目与本人承担的工作。
BEYOND Expo
随团队进入以“AI：数实共生”为主题的产业、创业与投资现场，交流 AI Agent 如何从数字能力进入真实组织与产品决策。
主持，也把议题带上台
主办并主持与清华、Apple 联合开展的 AI 分享活动；同时在 PITCH 社区 Women in Tech 论坛担任分享嘉宾，把 HCI 研究、AI Agent 与女性创业者的实践经验带进公共讨论。
从一个需求，拆到组织改变
面向元气森林新品孵化、品牌与产研团队进行 AI 需求诊断与方案共创：从立项澄清、PM 教练 Agent、消费者洞察，到多视角会议纪要与组织级 Agent 协作，拆出可先验证、再扩展的改革路径。
从具体场景出发，
研究通用 Agent。
研究以可迁移的 Agent 能力为单位组织。以下三个议题分别对应研究方法与代表成果。
Conversational Agents
研究 Agent 如何理解对话情境、维持长期记忆与关系，并根据人的状态调整沟通策略。心理咨询不是唯一方向，而是对安全、共情、连续性要求极高的压力测试场。
Expertise as Agent Capability
把专家的判断标准、方法、知识与责任边界，从隐性的个人经验转化为 Agent 可调用、可验证、可持续迭代的系统能力。
Simulation & Evaluation
用用户、行为、场景与多智能体仿真，在真实部署之前反复测试 Agent 的策略、边界和后果，为难验证的交互系统建立更可靠的评估环境。
SELECTED EVIDENCE / 06 WORKS
优先呈现已有 CCF 分类或期刊影响因子的成果；每篇代表作对应一个可迁移的问题。
01↗02↗03↗04↗05↗06↗
Technology in Society · First author
IF 12.5A Counselor-inspired Agent Framework for AI Counselors to Enhance Client Engagement
对话 Agent 如何在长期互动中理解目标、维持参与，并随用户状态调整策略？以心理咨询这一高要求对话场景为试验场，提出 CA+ Agent 框架，将目标规划、适应性沟通与信息管理转化为可复用的系统能力，并用纵向研究检验长期互动。
AAAI · Proceedings
CCF AAn LLM-based Simulation Framework for Embodied Conversational Agents in Psychological Counseling
如何用可控的仿真环境，训练和评估发生在真实情境中的 Conversational Agent？以心理咨询为复杂样本，构建 LLM 驱动的具身会话智能体仿真框架，把语言、身体与场景同时纳入生成和评估，为难以直接部署的 Agent 提供可重复的测试环境。
CHI · Social Impact
CCF A“I Will Dream Sweet Dreams”: Remote Companionship for Factual Orphans in Rural China
当智能系统进入长期关系，技术应该增强什么，又必须为人的责任保留什么？通过中国农村事实孤儿远程陪伴的长期田野研究，分析照护、连接与社会支持如何形成，为长期人机关系中的信任、边界与责任设计提供依据。
ICML · Proceedings
CCF ACoIRL-AD: Collaborative–Competitive Imitation–Reinforcement Learning in Latent World Models for Autonomous Driving
模仿学习和强化学习如何在同一世界模型中互补，而不是产生目标冲突？面向端到端自动驾驶，构建协作—竞争式双策略框架，在潜在世界模型中结合模仿学习与强化学习，提升跨城市和长尾驾驶场景中的泛化与稳健性。
International Journal of Human–Computer Interaction
CCF BIF 6.1COLP: Scaffolding Children’s Online Long-Term Collaborative Learning
长期在线协作中，怎样的干预设计能让儿童持续参与并形成真实合作？设计并运行 16 周儿童在线项目制学习项目，覆盖五省 67 名 8–13 岁学生，并结合儿童与家长访谈，总结沟通渠道、家长支持角色与长期协作的设计依据。
IROS · Proceedings
CCF CLarge Language Models Powered Context-aware Motion Prediction in Autonomous Driving
大模型提取的场景语义，能否成为运动预测模型可利用的上下文？将交通环境与历史轨迹转为图文提示，由大模型提取全局交通语义并注入运动预测模型；同时探索仅使用 0.7% LLM 增强数据的低成本扩展策略。
如果你也在把复杂问题
做成真实产品。
欢迎讨论人本 AI、Agent 工作流、用户与消费者研究，或一项需要同时理解技术、用户与商业现场的合作。