Team Projects
01
RAG / Agent / 经营归因
车险经营智能化助手
面向总部与机构用户，把指标查询、知识问答、经营诊断和归因分析整合为 AI 产品能力。
覆盖率 82.1%
正确率 80.7%
AI 替代率 21.6%
展开细节
- 梳理3大类7大归因场景COT， 280+ 经营指标、176 个组合维度，建立可被 AI 消费的数据与知识底座。
- 打通总部及 42 家机构知识库，沉淀 2500+ 知识 / 资讯文档，支持引用溯源。
- 将经营问题拆成“问题解析、逻辑推导、结论输出”的归因链路，探索 3 大类 7 个核心归因场景。
- 通过测试集、能力圈选、Bad Case 反馈和知识引用控制输出边界，提升可验收性。
02
经营监控 / 预警纠偏 / 复盘
经营管理闭环与高管驾驶舱
将经营总览、KPI、预警纠偏、待办追踪和复盘决策产品化，让管理动作从线下推动转为线上闭环。
展开细节
- 围绕经营异常预警、纠偏发起、处理反馈、时光轴复盘和管理决策建立产品链路。
- 引入 AI 总结与时光轴展示，为后续策略建议和管理动作推荐沉淀过程数据。
- 系统累计发起预警 2166 次，帮助总部 / 机构形成线上化复盘与追踪习惯。
03
AI 产品运营 / 智能体生态
AI 创新阵地与机构复用机制
从产品专区、智能体武器库到机构声音机制，把 AI 项目推广、反馈、案例和复用纳入统一运营闭环。
展开细节
- 横向拉通 12 个 AI 项目，统一呈现业务价值、机构排名、优秀 Agent 和学习案例。
- 沉淀 230 条机构 AI 声音，声音解决率 87.6%，将一线反馈转为迭代策略。
- 沉淀 21 个优秀案例，案例学习量达 3k，推动机构间学习和复用。
04
DMP / CDP / 营销驾驶舱
客户数据与营销智能化平台
打通媒体投放、埋点、私域转化、人群标签和客户画像链路，把客户数据平台做成增长和经营分析底座。
展开细节
- DMP 试点降低获客成本 35%，提升线索转化率 15%。
- 营销驾驶舱减少重复指标约 100 个、减少营销套表 5 套、节约费用约 100 万元。
- 参与 CDP 与腾讯共创，覆盖 OneID、标签画像、人群细分和数据治理。
Side Projects
01
Hybrid Retrieval / Reranker / RAG
BJJ Video Search
我是一名巴西柔术练习者，也参加职业竞技，曾获23年、24年AJI中国赛区级别双冠。这个领域存在大量的长视频、长播客，我每次想回看某个动作都得在一小时的视频里翻半天。因此做了个时间戳级别的视频检索项目，把教程、字幕、术语别名、技术标签和时间戳片段转化为可检索、可引用、可问答的知识库。
垂直视频知识库与混合检索引擎
非结构化知识工程
时间戳引用溯源
Top-5 可用率 80%+
展开细节
- 搭建“字幕采集、VTT 解析、时间戳 chunk、标签抽取、混合召回、Reranker 精排、RAG 问答、Web/API 展示”的端到端链路。
- 针对长视频难定位、术语别名复杂和语义召回不稳定问题，设计术语归一化、Sparse + Dense 双路召回和 RRF 融合排序。
- 通过时间戳引用和原片段跳转机制，让用户能够回到视频具体片段验证答案来源，降低不可追溯回答带来的信任风险。
- 支持 FTS5 / 向量混合召回和离线全文检索降级，沉淀可迁移至企业培训视频、会议纪要、制度文档和内部知识库检索的方法论。
- 实现幂等入库、内容类型自动分类、手动修正和单元 / 接口烟测，提升系统可维护性。
- 在 11 名训练者小范围内测中，累计查询 1100+，Top-5 可用率 80%+，显著降低长视频和播客中的技术片段查找成本。
BJJ Video Search 项目页截图
02
Agent Workflow / OCR / Rule Engine
AI 票夹
我的发票散落在邮箱，收到的邮件发票获取方式非常多样，每次操作、整理很累。因此做了个 Agent：邮箱监听 + 多源解析 + 环境操作 + 规则校验 + 归档提醒。LLM 处理异常解析，规则守住核心判断，最后由我确认。最初覆盖个人报销场景，最近全国在推发票抽奖，也派上了用场。
个人票据自动化处理 Agent
多源文档解析
确定性规则优先
人机协同状态流转
展开细节
- 搭建“专用邮箱收票、Gmail API 监听、附件 / 链接解析、OCR、规则引擎、本地归档、定时提醒”的端到端处理流程。
- 按发票形态设计分层解析策略：结构化 XML 优先，PDF 文本层其次，图片或扫描件调用 OCR，仅提供下载链接的邮件通过浏览器自动化获取发票文件。
- 针对抽奖，构建城市规则引擎，按活动城市、票面金额、开票时间、发票类型、购买方名称、销售方信息等维度判断参与条件。
- 将发票自动流转为待上传、疑似可参与、不可参与、待人工处理等状态，把 Agent 的不确定性转成用户可管理的任务队列。
- 采用“AI 辅助 + 确定性规则”的判断机制：LLM 用于异常解析、字段补全和解释，核心资格判断由规则引擎完成。
- 不替用户绕过官方渠道，提醒用户前往支付宝、云闪付、微信等官方渠道手动上传和抽奖，并采用本地归档和最小化字段存储降低隐私暴露。
AI 票夹项目页截图
03
Policy Intelligence / Source Governance
车险监管动态解析
行业里每天有大量监管、市场和同业动态散落各处，人盯不过来、全交给 AI 又怕错—，所以做了一套 LLM 摘要 + 评分 + 业务影响判断 + 来源留痕 + 人工复核的解析流程，让重点不漏、每一条都可追溯。先在我自己的环境跑起来，小范围推送内部。
主题标签体系
业务影响判断
来源治理与人工复核
展开细节
- 设计“信息源监测、去重清洗、主题分类、AI 摘要、业务影响判断、人工复核、定向推送、知识库沉淀”的端到端链路。
- 沉淀车险政策关注主题和风险标签，覆盖费用监管、定价变化、新能源车险、理赔服务、消费者权益、同业动态和舆情风险等方向。
- 对外部来源进行风险分层，采用公开信息源白名单、发布时间 / 原文链接留痕、摘要化入库、人工复核和高风险来源降级处理。
- 支撑经营助手“问外部动态 / 问知识”场景，让外部动态能够进入总部与机构经营决策流程。
车险监管样例晨报截图