AI产品实习生
您好，我是垚锦
The Philosophy
Core Highlights
AI 工作流架构设计
精通 Agentic/RAG 范式与 LLM 能力边界，擅长将业务场景拆解为"目标+上下文+工具+边界"的智能体流水线。将协同逻辑封装为可复用 Skill，实现从 PoC 到稳定运行的团队级落地。
敏捷 MVP 与数据驱动迭代
具备假设→原型→验证→调优完整闭环。2 天内完成 AI 原型搭建，通过设计测试用例和 Badcase 归因反向驱动 Skill 迭代；以通过率/Token 成本/时效量化评估，在准确性、成本与体验间实现最优平衡。
AI 基础设施建设
结合团队可提效工作内容，输出工作流 SOP、提示词资产库与评测基线，将单点实践转化为团队标准，持续降低 AI 落地门槛。
Experience
Opentalk
AI 对话式用户访谈平台
设计基于 LLM 的多轮访谈决策引擎，通过 PromptBuilder 动态组装角色语气、产品上下文、核心议题与行为策略，构建 4 类 Tool Calling 机制实现自主状态管理与分支决策。
搭建"实时对话→结构化用研数据"处理流，智能体在交互中自动触发语义抽取与分类打标（痛点/需求/正向反馈/使用模式），访谈结束后自动输出议题覆盖度报告与结构化摘要。
负责 MVP 全栈架构落地（React + Node.js/Express + SQLite），采用拟人化交互设计，设定 >60% 完访率、8-15 分钟均长、>80% 核心议题覆盖率等核心验证指标。
小米北京科技有限公司
生态链参谋部 · AI 趋势与产品体验实习生
AI产品测评与需求分析
- 搭建 Agent 与 LLM 结构化评测框架，覆盖 10+ 主流模型，从任务完成率、响应延迟、多模态理解等 6 个维度输出 3 份专项评测报告
- 结合小米生态链"人车家"核心场景，完成 AI 能力与硬件/软件产品的场景适配矩阵，提炼 5 项高潜力落地需求
- 深度追踪真实工作流中的体验断点，提出 4 项交互优化与工程约束建议，其中 2 项纳入部门技术预研讨论清单
- 沉淀部门 AI 产品体验知识库，定期输出竞品动态与能力边界简报，缩短前期调研周期约 30%
AI 工作流搭建与优化
- 设计 Agent 驱动数据处理工作流，采用轻量级 CLI 脚本替代重型 MCP 浏览器方案，30 分钟自动处理 80 条 UPC 数据，任务通过率 100%，周均释放 3-5 小时人力
- 搭建部门级智能体驱动的云知识库，按职能矩阵设计信息架构，支持 Agent 渐进式检索与上下文消费，飞书文档 100% 自动化同步
- 支持新成员对话式业务 Onboarding，解锁跨文档推理与业务风险预警能力，沉淀为部门标准化 AI 提效组件
AI 硬件场景探索与生态架构预研
- 独立收集生态链 80+ 品类现状及用户反馈，输出《家庭场景 AI 化机会点分析》，明确"软件牵头、存量设备轻量化接入"的预研方向
- 厘清 Agent-to-Agent 跨端协同框架，绘制"意图捕获→任务拆解→动态路由→闭环反馈"交互流程图，完成跨设备协同 Demo 搭建
- 结构化沉淀内部技术讨论要点，输出端云算力分配趋势与设备记忆进化（Miclaw）路径分析
智能体驱动的焊接图形化编程平台
商飞制造工程技术研究中心 · 创新基金项目
基于 Agent 架构的低代码图形化编程平台，实现"自然语言→Node-RED 流程自动生成"。Router/Dispatcher/Registry 三层解耦，支持 MCP 协议扩展与 Skills。
GraphRAG 知识检索：混合检索（向量 + 知识图谱 + Cross-Encoder 重排序），Recall@5 达 92%；知识图谱 + 规则引擎双重校验参数推荐与冲突检测。
工程落地：FastAPI + Vue 3 + Node-RED 可视化编排，Docker 部署，P99 < 200ms。
Publications
What are the eigen visual features for penetration state recognition?
Expert Systems with Applications
独立一作
Graph Retrieval is Effective for OOD Generalization in Time-Varying Welding Conditions
IEEE Transactions on Knowledge and Data Engineering
独立一作