企业知识库问答
接入文档、网页、表格和业务系统，输出带引用来源的可信答案。
RAG · hybrid search · citation
5+
年全栈与 AI 应用实践
10+
个 AI 原型与工作流实践
RAG
知识库问答与引用溯源
Agent
工具调用与自动化流程
/what-i-build
我能帮团队交付什么
面向招聘方和业务负责人，把复杂术语翻译成可以落地的产品能力：能做什么、怎么做、上线后怎么判断好不好。
AI 应用不是炫技，是把人的重复判断变成可审计的工作流。
我关注业务目标、系统稳定性、质量评测和后续迭代，而不只是把模型 API 接进页面。
自动化办公 Agent
拆解任务、调用工具、保留人审节点，让 AI 完成检索、整理和写入。
tool calling · workflow · review
LLM 评测与成本优化
建立样本集、回归报告、链路追踪和 token 成本视图，支撑模型升级。
eval · trace · cost guard
/ai-delivery-loop
从业务问题到 AI 应用上线的完整闭环。
不是只会调模型 API，而是能把数据、模型、工具、产品界面、权限和评测串成一个稳定的工程系统。
业务建模
拆解用户任务、失败场景和人工审核边界，定义 AI 参与流程中的真实责任。
知识接入
处理文档、网页、表格和业务系统数据，建立可追溯、可更新的知识底座。
模型编排
组合 Prompt、RAG、工具调用、多模型路由和兜底策略，提升答案可靠性。
产品交互
构建对话、审阅、任务看板和配置后台，让 AI 结果能被用户理解和修正。
评测运维
沉淀评测集、链路追踪、成本统计和失败样本库，支持持续迭代。
/profile
懂产品，也能把 AI 系统真正跑起来。
我更关注模型之外的完整链路：数据接入、检索质量、工具调用、权限边界、失败兜底、评测集和上线后的反馈闭环。
$ cat role.json
{
"role": "AI 应用开发工程师",
"focus": ["RAG", "Agent", "LLM API", "Workflow Automation"],
"style": "产品问题先行，工程闭环交付",
"strength": "把原型做成能被团队长期使用的系统"
}
/stack
AI 应用交付技术栈
从提示词实验到生产环境服务，覆盖模型调用、数据处理、业务系统集成和线上质量治理。
LLM 应用开发
设计 Prompt、结构化输出、函数调用、流式响应、多模型路由和异常重试策略。
OpenAI API
Function Calling
Streaming
RAG 知识检索
建设文档解析、切分、向量化、召回、重排、引用溯源和检索质量评测流程。
Embeddings
Vector DB
Rerank
Agent 工作流
编排工具调用、任务拆解、人审节点、长任务状态和安全执行边界。
Agents
Tool Use
Human Review
后端与数据
用 FastAPI、任务队列、PostgreSQL 和对象存储支撑稳定的 AI 产品后端。
FastAPI
PostgreSQL
Redis
前端产品化
构建对话界面、知识库管理、任务看板、审阅台和企业后台工作台。
React
Next.js
TypeScript
评测与可观测
建立离线评测集、线上反馈采样、成本统计、延迟监控和失败案例归因。
Eval
Tracing
Cost Control
/reference-architecture
RAG + Agent 应用参考架构
面向企业知识问答、销售助手、自动化办公和内部运营系统，强调来源可信、流程可控、结果可评估。
Data Sources
飞书文档、PDF、网页、CRM、工单、数据库
Ingestion
解析、清洗、切分、去重、元数据标注
Retrieval
向量召回、关键词混合检索、Rerank、引用溯源
Agent Core
任务规划、工具调用、状态机、人审节点
Product UI
聊天窗口、任务台、审阅台、知识库管理
Observability
Trace、成本、延迟、失败样本、质量回归
/experience
工作经历
经历内容围绕“把 AI 能力变成业务应用”展开，强调端到端交付和真实收益。
2023.04 - 至今
AI 应用开发工程师 · 星瀚智能科技
负责企业知识库、销售助手和内部自动化 Agent 平台的产品工程落地。
- 搭建 RAG 问答链路，支持 PDF、网页、飞书文档和结构化表格数据接入，答案附带引用来源。
- 设计多步骤 Agent 工作流，用工具调用完成线索检索、客户画像生成和跟进建议输出。
- 建立评测样本集和线上反馈闭环，将高频问题命中率从 71% 提升到 86%。
2020.07 - 2023.03
全栈开发工程师 · 云脉数据
参与数据中台、运营后台和自动化报表系统建设，后期主导 AI 功能接入。
- 基于 FastAPI 和 React 构建内部数据应用，覆盖权限、审计、导出和任务调度。
- 将自然语言查询接入 BI 报表场景，帮助运营人员快速生成指标解释和异常分析。
- 沉淀组件库、接口规范和监控面板，降低多个业务系统的维护成本。
/projects
代表 AI 项目
每个项目都可以替换为你的真实经历；当前版本已按 AI 应用开发工程师方向生成。
project.rag_assistant
企业知识库问答助手
面向客服和售前团队，接入产品手册、FAQ、合同模板和历史工单，提供可溯源问答。
问题知识分散在文档和工单里，新人定位答案慢且口径不稳定。
方案文档解析、混合检索、Rerank、引用溯源和低置信度转人工。
结果高频问题命中率提升到 86%，答案可以追踪到原文来源。
RAG
Citation
Hybrid Search
project.agent_pipeline
销售线索分析 Agent
自动抓取公开信息、合并 CRM 数据、生成客户画像和拜访策略，支持人工审核后入库。
问题销售准备资料耗时长，公开信息、CRM 和历史记录需要反复切换。
方案Agent 编排搜索、抓取、归纳、结构化输出，并加入审阅队列。
结果线索整理时间从小时级缩短到分钟级，输出标准化客户画像。
Agent
CRM
Review Queue
project.eval_ops
LLM 质量评测平台
沉淀标准问题集、期望答案、评分规则和回归报告，帮助团队在模型升级前判断风险。
问题Prompt 或模型一改就靠人工试用判断，风险不可控。
方案沉淀评测样本、评分维度、失败分类、成本和延迟报告。
结果模型升级前可回归验证，减少“看起来变好其实变差”的情况。
Eval
Regression
Dashboard
/ai-lab
可继续扩展的 AI 工程实验室
这些能力适合在面试中展开讲：怎么选型、怎么评估、怎么控制风险、怎么从 Demo 走到可维护系统。