AI 对话助手 · App 内智能体
覆盖问答、问数、问办三类场景:问知识库与制度、查个人待办、直接发起办理流程。三个子能力在同一套对话交互里,同时守住开放能力与安全边界。
- 七阶段白名单开放路线,渐进扩展智能体操作权限,控制早期风险
- 基于 uni-app 原生组件完成对话交互方案设计
- 企业驾驶舱自定义数据查询并即时生成图表,多 MCP 动态调用
楼里的事,它都知道。租户在对话框里说一句话,它自己定位空间、查设备台账、回忆历史工单、判定责任、建单派单 —— 全程留痕,可随时回放。
查看案例详情 →覆盖问答、问数、问办三类场景:问知识库与制度、查个人待办、直接发起办理流程。三个子能力在同一套对话交互里,同时守住开放能力与安全边界。
支持用户语音报单:大模型理解语义后自动匹配工单必填字段,省掉逐项手工填写。报单效率与知识库召回质量都可量化、可回归。
检索层评测有效召回率约 98%。
面向高校客户的园区数字化整体方案,覆盖安防巡检、环境清洁、能耗与人流管理,独立完成整套方案文档并交付客户。
比赛 · COMPETITIONS
基于写字楼面的智能 Agent 报单平台,多 MCP 协同与 GraphRAG 设备图谱 —— 即上方精选案例。
查看案例 →2026 年参赛,获得二等奖。
我不太信 PPT 里的 AI,更信能被评测、能被回归、一线真在用的那个。
RAG 知识库架构(检索策略、标签过滤、召回评测)、Agent 对话系统设计、提示词工程,以及 AI 效果量化评测体系(测试集生成 + 自动判分)。已在 App 内真实上线问答 / 问数 / 问办三类能力;也会在传统业务流程里引入语音识别,自动填充字段提升效率。
熟悉工单、巡检、保洁调度、安防联动等物业运营核心业务流,理解一线执行与管理层的真实诉求差异;约 29 万条工单数据(44 字段、6 项目 × 3 业态)是自己一条条清洗分析过的。
长期直接带前端、后端、测试 6 人小团队作战,制定团队级 AI 开发协作工程规范与验收标准;负责过 23 模块 / 192 功能点的需求梳理与交付管理,以及无人机、机器人等硬件供应商调研选型。
指标先落在数据上,再谈方案:工单多维分析沉淀 15 项运营分析字典;统筹 11 家分公司 182 个监控点的安防体系梳理与边缘端识别架构设计;央企阶段将 98% 以上业务流程线上化。
经历 · EXPERIENCE
主导 RAG 知识库与智能体从 0 到 1 上线、语音报单、空地协同整体方案,以及部门 AI 使用提效与工作流设计。
负责公司信息化转型中的系统研发与落地工作,将 98% 以上业务流程线上化,持续做流程优化。
刚完成 SO101 机械臂的 3D 打印与组装,调试也走完了,下一步准备进入数据采集和训练阶段。
持续测试 GPT-6、Claude、KIMI、GLM 等主流模型,深度使用 WorkBuddy、Qoder 等工具搭个人与部门级工作流 —— 沉淀的文档还会回流成企业知识库的新内容。
基本分三类。本年推荐 ——
商业/人物:《战略的本质》《我看见的世界》《谷歌之脑》
科技:《芯片简史》《科技共和国》《生命 3.0》
小说/文学:《我不服》《罗姆素万能机器人》《蝇王》
每周大约 3 次健身房训练。橄榄球很能体现团队协作:每一回合每个人都重要,但最终只有一个人能接球 —— 队友失误时你得扛住,然后迅速恢复,准备下一档进攻或防守。
产品机会、AI 落地咨询,或者单纯想聊聊机械臂和腰旗橄榄球 —— 都欢迎。
深圳 SHENZHEN