机会是我自己找的
进一个业务线，我先问「这件事卡在哪、卡多久、谁最烦」，而不是「能上什么 AI」。
在跨境电商做采购对账时，我判断真正耗时的不是算得慢，是差异出现后要回头翻几百条群聊找当初的报价——于是把问题重新定义成「订单档案 + 变更事件流 + 报价知识库」三块证据链，而不是做一个更好用的对账工具。
ABOUT
我不写方案，我交付能跑的系统
我的默认动作是把东西做出来，而不是把方案写清楚。
闭环是我自己画的
每个场景我只做一条纵向切片，先定义验收标准再动手。
跑不通就是没做完，不是「差不多」。范围、资源、承诺这三件事扛下来就是错的——技术问题可以自己扛。
验收是我自己做的
我把人工复核点设计成准确率测量点：被人工改过的比例，就是当前错误率。
刹车同时也是仪表盘。系统好不好，不靠我说，靠数据自己说。
CAPABILITIES
四个标签，四种具体的事
标签只是入口，下面是每个标签背后我真做过的事。
FDE
进客户现场，把「业务问题」翻译成「可交付的场景」。
- 在企业内做 AI 落地交付 workshop，并把首单客户转成后续深度交付。
- 主导 4 个业务项目从业务访谈、口径定义、数据建模、前后端实现、部署上线到测试备份的全过程。
- 把一套运营规范化的东西，从「人人凭经验做」改成「按配置执行」。
场景定义 → 验收标准 → 排期 → 交付 → 复盘；4/5 时间在交付侧业务流闭环
我的立场：如果一件事 AI 能搞定，那这件事不值钱。AI 搞不定的是现场的真实规则、不能试错的决策、需要信任的动作。
企业 AI 落地
把散在 Excel、群聊、多维表格里的口径，收敛成有留痕、可追溯的系统。
- 采购 / 物流对账系统：5 个海外站点、70 多家供应商，实际提效 30%，单张采购单的差异定位从 5 分钟降到 1 分钟。
- 把一套 30 张表 / 563 个字段（含 222 个计算字段）/ 11592 条记录的多维表格业务系统，完整反编译成可直接建库的规格，输出 schema.sql 与机器可读 schema.json。
- 在迁移过程中识别出 3 张「幽灵表」和 3 条已失效的自动化，避免把错误配置一起搬过去。
Python FastAPI + MySQL 8.4 / 12 张表 / pytest / 生产+测试双环境 + 定时备份
我的立场：更正不覆盖原值。原始层保真 → 分析层可解释 → 结果层只出结论。算错了要能追溯，口径不能靠人记。
Agent 工程实践
把 Agent 当成需要门禁的工程系统，而不是一个更聪明的对话框。
- 采购差异定位 Agent：多 IM 采集 → 结构化 → 订单台账 + 报价知识库 → 差异定位 + 证据回执，覆盖 四类差异原因，并带一个「查不到就说查不到」的负例。
- 社媒爬虫运维 Agent 体系：8 个注册工具 + 独立 JSON 输入契约、5 份系统提示词、ReAct + 两阶段委派、沙盒与四重门禁。
- 把重复动作沉淀成可复用的 Agent / Skill 资产，换业务线时直接复挂。
Agent 运行时嵌入自研 Node 服务 / DeepSeek（SSE 流式 + function calling）/ SQLite / 多 IM 采集管线
我的立场：Agent 只出 candidate，父程序独立验证后才 final。被人工改过的比例，就是当前错误率。
内容营销
让内容生产有数据来源、有生成管线、有发布闭环，也有能复用的模板。
- 主导搭建海外内容自动化站：爬虫矩阵 → 行业知识库 → AI 生成 → 发布，第一期内容已上线，知识库覆盖 5 个行业头部品牌。
- 0-1 搭建 AI 短视频生产与自动分发的跨团队生产流：国内账号运营平均数从 15 提升到 25，线索获取量 +20%。
- 目前在给一个约 80 人的品牌内容营销团队做 AI 落地交付。
爬虫矩阵 → 行业知识库 → 内容模板 → AI 生成 → 发布；先校准表达，再扩数据源
我的立场：表达没校准之前扩数据源，只会放大返工。先把「什么算一条好内容」固化成模板，再去扩采集源。
CASES
实践案例
企业内的信息已做脱敏处理：客户名、供应商名、站点域名、报价与合同细节都不出现。能证明能力的东西，一个没少。
CASE 01
采购 / 物流对账系统
把分散的 Excel 人肉对账，收敛成一套有留痕的线上流程。
提效 30%差异定位 5 分钟 → 1 分钟
看细节 →
CASE 02
采购差异定位 Agent
差异出现后，不用再翻几百条群聊找当初的报价。
证据可回执负例已验证
看细节 →
CASE 03
社媒爬虫运维 Agent 体系
把「逐项目盯」收敛成每天审批一份运维日报。
8 个注册工具4 重门禁
看细节 →
业务系统反编译
把一套 30 张表 / 563 个字段 / 11592 条记录的飞书多维表格业务系统，完整反编译成可直接建库的规格。过程中识别出 3 张「幽灵表」与 3 条已失效自动化，避免把错误配置一起搬过去。
海外内容自动化站
爬虫矩阵 → 行业知识库 → AI 生成 → 发布。第一期内容已上线，知识库覆盖 5 个行业头部品牌。
METHOD
方法与原则
交付难的地方通常不在写出来，在守不住。
RISK 01
静默失败
错误不报错，系统看起来一切正常，直到某天数据对不上。
- 任务状态机 + 唯一推进入口 + 阻断式校验。
- 让「跳步骤」在系统层面不可能发生，而不是靠人记得别跳。
RISK 02
假成功
把离线跑通当成业务恢复，是最贵的一种错觉。
- 两阶段委派：Agent 只出候选，父程序独立验证后才落定。
- 中断的任务标记为 blocked 而不是自动重试。
- 外部问题禁止靠改选择器、重试或换依赖绕过。
RISK 03
规模风险
批处理默认全量读入，数据量一涨，行为就从「慢」变成「崩」。
- 分页 / 流式 / 分批与限额前置。
- 把规模假设写进设计，而不是等出事再补。
AI 原生交付，而不是把 AI 当工具用
我日常不是在「用一个编辑器」，而是在调度并行的 Agent 工作流——业务访谈整理、需求拆解、数据建模、代码实现、测试用例、验收脚本，我拆解后交给 Agent 执行，我只保留业务判断、架构取舍和验收。
用 AI 增强自己的产出 ≠ 用 AI 原生的方案解决问题。 前者只是效率，后者才会改变系统的形态。
把重复动作沉淀成可复用的资产
访谈清单、需求确认表、验收标准模板、报价与工作量结构、失败记录——这些做完一次就不该再想一次。
我把它们做成模板，换业务线直接复挂。案例只能用一次，方法能用十次。
EXPERIENCE
职业经历
从做项目，到在企业现场做 AI 落地。
现任
异壁科技（深圳）有限公司
FDE / AI 工程师
4/5 时间做交付侧业务流闭环，1/5 做横向产品化。第一个场景是企业内 AI 落地 workshop，以及后续的深度交付。
2026.04 – 2026.11
网睿（深圳市巨象人科技有限公司）
AI 业务落地（FDE 方向）
两条线：老业务（跨境品牌海外独立站 + 自有工厂）的流程标准化、数字化与 AI 提效；新业务（AI 情感陪伴机器人）业务流程 0-1 搭建。
- 主导采购 / 物流对账系统从 0 到 1 交付并上线生产
- 独立交付采购 Agent（对账差异定位）
- 接管并统一重构 9 个爬虫项目，并在其上搭建运维 Agent 体系
- 把 30 表 / 563 字段 / 11592 条记录的多维表格业务系统反编译成可施工规格
- 主导搭建海外内容自动化站（爬虫矩阵 → 行业知识库 → AI 生成 → 发布）
2024.04 – 2026.02
深圳顺凯科技有限公司
项目经理
这个位置上我同时是项目负责人和 AI 工具与自动化流程的主要动手人。
- AI 获客到转化全链路落地：AI 短视频生产与自动分发的 0-1 搭建，国内账号运营平均数从 15 提升到 25，线索获取量 +20%
- AI 销售工具落地：数字人 + 多模态大模型的追单分析体系，完课后追单转化率 +30%，AI 在销售团队的渗透率提升至 50%
- AI 培训体系：知识库 + 大模型的销售 AI 培训体系覆盖全部新入职销售，培训效率 +30%
- 业务安全与质量体系：内部违规事件从每月几十起降到个位数
- 协同 4 个职能部门，在东南亚某国 10+ 城市搭建 30+ 办公室、100+ 海外团队，整体业绩 +17%
2023.07 – 2024.01
武汉 · 餐饮创业
个体经营
经营 3 个流动摊（馄饨水饺），月营业额 1.5 万–2 万，毛利率 50%–55%，后交由家人经营。
2019.09 – 2023.07
珠海科技学院
金融学 本科 · PMP · 大学英语四级
OFFLINE
工作之外
三个爱好，刚好也是我做事的方式的注脚。
骑行
周末的固定项目。喜欢那种「前半程还在算路线、后半程什么都不用想」的状态。
长途骑行教会我一件事：节奏比冲刺重要，掉速了就掉速，别硬撑到抽筋。
露营
喜欢把一个普通的晚上过得不太一样。选址、天气、吃什么、几点收——这些判断没有标准答案，但每次都要自己做。
对应到工作上大概就是：现场没有标准答案的时候，谁来做判断。
美食
做饭这件事和做系统很像：火候不对，出锅就废；口径不对，后面全歪。
所以我周末常做的不是复杂菜，是那种「每一步都能说清楚为什么这样做」的菜。
CONTACT
聊聊你的场景
如果你的团队正卡在某个具体流程上——对不上账、找不到证据、没人盯着的重复劳动——把流程发我。
我回一句能不能做、大概要多久，做不了也直接说做不了。
