我把 AI 接进真实业务，让流程更清晰，结果可验证。
计算机科学本科 · AI 提效实践者。关注 Agent 工作流、内容工程与生成式视觉， 也持续记录每一次从问题到交付的过程。
我是谁
我习惯从一个不够清楚的问题开始：先拆出业务目标、输入、流程和验证方式，再判断 AI 应该接管哪一步、哪些判断必须留给人。最终交付的不只是一次演示，而是能继续使用、 复盘和迭代的工作方法。
2002 年生，佛山大学计算机科学与技术本科（2025 届）。当前在职，任 AI 部成员，负责「用 AI 为企业提效」，坐标佛山禅城。
我做过什么
横着看，一共 5 件。每个都能点进去看细节和当时踩过的坑。
车膜色卡 Lab 数字化与本地改色预览 MVP
为车膜销售场景搭建的本地色卡数字化基座——把色差仪 Lab 数值转换成可追溯的 sRGB / HEX 颜色资产，自动生成标准 PNG 色卡，并为后续 Hermes Agent 改色预览生图提供结构化数据与本地 API。
看这个项目 →Ark Seedream 车膜预览生图系统
基于火山引擎 Ark Seedream 模型，根据客户实车照片和色卡，生成高真实度贴膜效果预览图，并通过飞书 Bot 发回给客户。
看这个项目 →Personal Website Content System
基于 Next.js App Router + Markdown/MDX 的个人内容系统,把博客、周记、项目档案、求职材料放到同一个 Git 仓库,配合 inbox 素材入口和四条自动化转化链路,让每一次写作都为长期成长和求职准备留下证据。
看这个项目 →OpenClaw 业务 Agent 设计与落地
基于 OpenClaw + 飞书搭建车膜客服、门店后台线索整理、营销内容助手等 3 类业务 Agent 原型,打通消息入口、Agent 路由和 workspace 规则文件,并设计汽车品牌海报自动化 workflow。
看这个项目 →AI 生图从零到一 · 学习项目
从原理到创作的 AI 生图学习项目——用「知识卡 + 实操笔记 + 作品集」三件套，系统掌握提示词、模型原理与生图工程。配套 Gallery 作品集，每张图附完整可复制的提示词。
看这个项目 →
我的特点和优势
多件事一起跑
并行推进是默认模式，不串行等待。手上同时开几条线，互相之间不阻塞。
先要「下一步」，不要开放题
比起「你想怎么做？」，更擅长接过一个明确的目标往下推。目标不清时我会先去把目标问清。
能自动跑的绝不手动盯
重复的事一律做成定时任务或脚本。设一次，让它自己跑，我只在出问题时介入。
结论要有依据，不接受空安慰
数据说话。拿不出依据的结论就是没结论，哪怕它听起来很顺。对自己也一样。
不把「看起来对」当成「实测对」
现象对、理由可能是错的。所以习惯把说法变成能跑出数字的断言 —— 能证伪的才算数。
MORE经历与求职材料教育、工作经历、简历条目与 STAR 故事 —— 都是已经发生的事，默认收起
教育
- 2021.09–2025.06佛山大学 · 计算机科学与技术
本科。主修：操作系统、数据库、软件工程、软件测试。 毕业设计：智能家教推荐系统，参与测试用例编写、接口测试及问题跟进。
工作经历
- 2025.06–2025.08美鑫梳刷制造有限公司 · 阿里巴巴国际站运营
整理 B2B 买家搜索习惯与英文标题写法，结合 AI 工具产出 20+ 组标题方案； 清洗 100+ 条客户询盘数据并分类标记。
- 2024.09–2024.11广州互诚密胺制品有限公司 · 外贸业务员
参与海外客户开发、产品介绍、报价沟通与订单跟进，任职期间促成 2 单成交。
STAR 故事
故事 1：从零搭建 Agent Team 开发工作流
Situation（情境）
AI 部工作需要频繁使用 AI 工具进行开发，但单个 AI agent 能力有限——设计、编码、测试、部署混在一起容易出错。需要一个多角色分工的 Agent Team 来系统化开发流程。
Task（任务）
搭建一套四角色 Agent Team（Architect / Coder / Tester / Deployer），让每个角色各司其职、协作完成完整的开发流水线。
Action（行动）
- 在 Claude Code 中利用 custom agents 功能定义四个角色，每个角色有独立的 system prompt、工具权限和 skill 配置
- 从 182 个 Hermes skills 和 90+ 个 Claude Code skills 中筛选 39 个精准装配到四个角色
- 设计完整的协作 SOP：PLAN → BUILD → VERIFY → SHIP 四阶段流水线
- 集成 Addy Osmani 的 agent-skills 仓库中的 12 个方法论 skill
Result（结果）
- 四角色 Agent Team 完整落地，39 个 skills 精准分配
- 每个角色有明确的职责边界（Architect 不写代码、Tester 不修 bug 等）
- 可复用的协作工作流文档化，后续每个新项目可直接套用
- 在轮毂领域学习项目中验证了完整工作流
故事 2：AI 内容自动化——从口述到发布
Situation（情境）
公司需要持续产出技术内容，但写作启动成本高——每次打开编辑器面对空白页都需要很大的心理启动能量。
Task（任务）
设计一条从「口述录音」到「自动发布博客」的 AI 内容生产链路，降低写作启动成本。
Action（行动）
- 设计完整链路：飞书妙记录音 → Lark CLI 转文字 → Hermes Skill 生成结构化博客 → GitHub/Vercel 自动推送
- 参考 LucasBlog 仓库（Astro + Tailwind CSS + Vercel）作为博客框架
- 搭建 Personal Website 内容系统：content/inbox 素材入口 + 四条转化链路
- 创建 4 个 Claude Code 命令和 personal-website-content-sync Hermes skill
Result（结果）
- 内容生产从「打开编辑器」降低到「打开飞书说两句话」
- 四条转化链路：inbox→blog / inbox→weekly / project→career / draft→publish
- 周末可以批量将一周的碎片记录自动转化为周记草稿
故事 3：车膜知识库从零到可调用资产
Situation（情境）
公司车膜品牌「有膜有漾」需要系统化的知识资产来支撑内容营销。但品牌信息分散在各处——产品资料、飞书文档、行业文章——每次做内容都需要重新搜集信息。
Task（任务）
搭建一个结构化、可被 AI 直接调用的车膜行业知识库。
Action（行动）
- 设计知识库结构：wiki 页面（概念+实体+对比）+ raw 深度文章 + JSONL 结构化记录
- 从知乎、懂车帝、什么值得买、B 站等多平台采集 200+ 条内容
- 对每条内容进行分类、标注、结构化处理
- 最终产出 38 页 wiki + 27 篇 raw 文章 + 304 条 JSONL 结构化记录（12 个文件）
- 设计 GEO 品牌基线测试框架，利用知识库提取关键词种子进行 AI 可见性测试
Result（结果）
- 车膜知识库从零搭建到可调用，等效 ~434 条结构化记录
- GEO 基线测试可直接从知识库提取关键词种子，减少 70% 手动整理时间
- 为后续内容营销和 AI 搜索优化提供了坚实的数据基础
故事 4：生图系统技术选型
Situation（情境）
公司需要为车膜产品搭建 AI 图像生成能力，让客户在线上预览车膜效果。但「颜色准确性」是关键——看起来高清但颜色不准等于没用。
Task（任务）
评估三种可能的生图技术方案，选出最可靠的方向。
Action（行动）
- 方案 1：高清拍摄后 AI 渲染 → 判断不可行（光照、材质、模型渲染误差导致色差不可控）
- 方案 2：基于商家电子版图片渲染 → 不可行（缺少可直接使用的电子版图片素材）
- 方案 3：色差仪获取 L/A/B 精确数值后线上预览 → ✅ 选定（成本更高但工程可控）
- 后续推进：完成飞书 MGS 生图系统配置、调试、优化，并向团队汇报
Result（结果）
- 三方案对比判断完成，避免在不可行方案上浪费资源
- MGS 生图系统完成从配置到团队汇报的完整闭环
- 从 W14 调研到 W17 落地，技术方向始终一致