01
需求澄清
把客户“想看一个整体倾向”转译为输入、处理、输出、验收和使用边界。
AI Solution Design / Agent Workflow / NLP
把模糊业务目标，变成可运行、可验证的 AI 方案
数据科学硕士 · 计算语言学 / NLP 方向 · 广州｜广州、深圳
做过真实付费 AI 方案交付，也持续用 Agent 原型与模型评测拆解可靠性问题。关注的不是“AI 能不能回答”，而是它能否进入任务流、处理约束并留下可验收的结果。
Tech / Methods
Python
SQL
LangGraph / StateGraph
NLP / 文本处理
真实客户委托
独立方案与交付
客户本地运行成功
验收并付款
What I Bring
从需求翻译到可靠性设计
这些能力不是从岗位名称推出来的，而是从真实委托、模型评测和本地原型里逐步形成。
02
方案拆解
明确文本处理、模型分类、确定性统计、界面流程与人工复核各自负责什么。
03
异常处理
把环境缺失、工具失败、上下文丢失和结果不可验证视为产品问题，而非边角问题。
04
交付验证
区分“我电脑上能跑”与“客户可以独立使用”，用运行结果与验收闭环建立可信度。
Primary Case · Paid Delivery
企业年报文本情感分析系统
付费外部委托｜2025.05–2025.08｜客户本地独立运行成功｜明确验收并付款
From vague goal to accepted delivery
NLP · Batch Processing · GUI · XLSX Export · Local Runtime
Delivery Path
模糊业务目标批量分析指定关键词语句的情感态度，汇总企业整体倾向。
单企业 MVP先验证文本处理、关键词筛选、情感分类和结果输出链路。
批量与 XLSX 迭代扩展多企业处理，按使用需求调整列名与统计指标名称。
本地环境修复重新封装运行环境与依赖，提供 Demo 和操作指南。
独立运行与验收客户自行完成批量分析和结果导出，随后验收并付款。
完成了一次小型解决方案闭环
客户只提供了业务目标，没有指定技术实现。我需要自己定义系统应该如何处理年报、如何筛选目标语句、如何形成倾向结果，以及怎样让没有开发环境的客户在本地电脑上运行。
- 问题重构将“帮我分析年报态度”重构为可实现的输入、处理、统计、导出与验收链路。
- 范围控制先交付单企业版本，再根据真实反馈扩展批量处理，避免一开始把系统做大。
- 算力边界结合客户电脑性能说明单次批量处理规模，主动把运行约束写进方案。
- 交付补洞GUI 报错不是让客户自己“装环境”，而是重新封装依赖并补充演示和操作说明。
- 完成标准以客户独立运行、成功导出、明确验收和付款作为项目完成的外部验证。
事实边界
项目后续采用规模与投资研究效果没有持续跟踪，因此不声明效率提升、准确率增长或业务收益数字。
Supporting Evidence
三个补强证据
主案例证明真实交付；下面三个项目分别补充模型边界、Agent 工作流和公开产品化能力。
模型能力评测Failure Modes · Tool Use · Verifiability
从“答案好不好”扩展到“任务能不能完成”
基于 OpenClaw 与 Hermes 两类 Agent / 执行架构，对 5 个代号模型执行 3 类复合任务，观察模型在工具调用、文件处理、代码执行、数据分析与产物保存上的表现。
- 识别上下文丢失、工具链路中断、产物格式不一致等失败模式。
- 关注结论是否有数据证据、失败能否恢复、结果能否被用户验证。
- 状态
- 外部众包评测
- 范围
- 5 个代号模型 · 3 类任务
- 证明
- 模型边界与 Badcase 判断
Text2SQL AgentStateGraph · Approval · Retry · Audit
把自然语言查询拆成可路由、可回退的状态机
基于 LangGraph / StateGraph 设计意图解析、澄清、Schema 检索、SQL 生成、预校验、人工审批、执行、失败重试、答案合成与审计日志链路。
- 模糊意图先澄清，高风险 SQL 进入人工确认。
- 校验或执行失败后注入错误信息并重试，最大重试次数为 3。
- 状态
- 本地原型
- 核心
- 模型 + 校验 + 人工审批
- 证明
- Agent 工作流与风险兜底
科学营养顾问 SkillProfiles · Logs · Safety Boundaries
从一次性问答，扩展为可持续使用的任务流
将营养咨询拆为用户档案、目标计算、每日记录、进度看板、场景建议与周期复盘，覆盖 12+ 健康管理场景，并设置特殊人群和医疗边界。
- 完成中英文版本与公开发布。
- 讯飞 Skill 比赛二等奖｜8 / 1,774（Top 0.5%）。
ClawHub 中英文合计下载量
866
显示最近核验值，正在尝试实时更新
口径：中文版本下载量 + English version 下载量；不包含浏览量或其他平台数据。最近更新：2026.07.17
讯飞 SkillHub 下载量
100
竞赛榜单核验 · 2026.07.17
口径：讯飞 SkillHub 上的 nutrition-advisor 下载量；独立平台数据，不与 ClawHub 中英文合计相加。
- 状态
- 公开发布
- 范围
- 12+ 场景 · 中英文版本
- 证明
- 状态设计与产品化闭环
Working Principles
我如何判断一个 AI 方案是否值得做
这五条不是抽象口号，它们分别对应真实交付和 Agent 原型里反复出现的决策点。
01
先看任务流
从输入、判断、行动、异常和结果开始，而不是从“加一个 AI 功能”开始。
02
先做最窄闭环
用单企业版本验证链路，再根据真实需求扩展批量能力。
03
确定性优先兜底
统计、校验、权限和高风险动作，不应全部交给模型猜测。
04
失败路径也是产品
环境缺失、工具失败、结果不可验证都需要明确的处理路径。
05
外部验证才算完成
从“我做出来了”走向“用户能独立使用并愿意验收”。
Next Conversation
如果你的团队需要有人在模型能力与业务交付之间架桥
我希望参与需求探索、方案设计、原型验证和交付闭环。当前通过 Boss 直聘与猎聘开放沟通；如岗位方向匹配，可进一步提供针对岗位的一页简历与项目资料。