Work Archive
按判断路径读精选案例
这里不追求把所有经历都铺满，而是把最能代表判断力、执行力和证据强度的案例排成一条清晰阅读路径，让招聘方先判断，再决定是否继续深读。
Curated Work
先从最能代表判断质量的案例开始，再决定要不要深读全部材料
Work 是正式深读容器。这里先给阅读顺序、证据状态和判断理由，再进入完整归档卡片，避免把首页已经建立的信任重新打散。
Recommended Sequence
先看这 3 个代表案例
顺序按“判断密度 → 产品化复杂度 → 增长机制”编排。先用这三张卡快速判断我值不值得继续深读，再决定是否进入完整案例页。
这个案例最值得看的不是指标本身，而是我能把主观效果问题转成结构化评测、归因和数据优化闭环。
视觉证据：评测闭环流程图
这个案例最该看的，是我对企业级 AI 真正难点的理解：复用、治理、版本管理和规模化落地，而不是单点 Demo。
视觉证据：中台模块架构图
这不是 AI 项目，但它能证明我具备把用户洞察、机制设计、原型和上线结果串成闭环的底层产品能力。
视觉证据：任务大厅原型切片
Archive Shelf
全部公开案例
这里保留的是同一套公开边界下的正式归档版本。每张卡都先交代判断、动作和证据，再决定要不要继续进入单案例深读。
多模态大模型评测：从模型短板定位到数据优化闭环
在 T2I / I2I 多模态场景中，围绕模型能力评测、Benchmark、标签体系和自动化打标，建立可复用的评测与数据建设链路。
这个案例最值得看的不是指标本身，而是我能把主观效果问题转成结构化评测、归因和数据优化闭环。
围绕 reasoning、理解、生成、修改等关键节点设计标签，让结果能回到具体能力环节。
- 先把主观生成质量拆成可评测目标，而不是直接堆指标
- 围绕生成链路重建标签体系、Benchmark 和问题归因方式
结构化证据：把“主观生成效果”改造成可复用的评测闭环
进入 Case 深读后，默认先扫执行链路，再看证据，最后判断是否值得读完整复盘。
企业级 AI 中台：从能力分散到可复用的智能体生态
在保险/金融/银行等业务场景中，参与企业级 AI 中台、RAG 框架、智能体应用、评测集和插件生态建设，推动 AI 能力规模化复用。
这个案例最该看的，是我对企业级 AI 真正难点的理解：复用、治理、版本管理和规模化落地，而不是单点 Demo。
围绕 Prompt 调优、知识工程、Benchmark 和 RAG 诊断，补齐企业落地真正依赖的底层模块。
- 把分散在业务线里的 AI 诉求收敛成可复用的平台能力
结构化证据：把分散 AI 诉求收敛成可复用的企业级中台链路
进入 Case 深读后，默认先扫执行链路，再看证据，最后判断是否值得读完整复盘。
从用户洞察到产品增长：任务大厅与 0-1 项目推进
通过用户社群、需求分析、PRD、数据看板和项目推进，把本地生活平台的用户任务机制从想法推进到上线和增长结果。
这不是 AI 项目，但它能证明我具备把用户洞察、机制设计、原型和上线结果串成闭环的底层产品能力。
把增长问题重新组织为“任务发现、行动激励、过程反馈、数据复盘”的完整产品路径。
- 从社群反馈和数据看板里定位真正的增长阻塞
结构化证据：把社群反馈与增长目标落成真正可执行的任务机制
进入 Case 深读后，默认先扫执行链路，再看证据，最后判断是否值得读完整复盘。