AI 能力简介
我不是算法工程师。我擅长的是听懂一条业务规则，把它拆成 AI 能执行的判断，再亲手做出来、测出来、讲清楚。下面每一项都附有证据。
搭智能体，并对结果负责
- 独立搭建报价审核智能体：拆出 8 条审核规则，编排 6 个工具，迭代 4 版提示词。
- 自建 40 张测试报价单，逐条归因 badcase，误判率 37.5% → 2.5% → 0%。
- 坚持一条原则：模型负责理解和解释，程序负责计算和比较；拿不准就转人工，不硬判。
和 AI 协作，把产品从零做到上架
- 连续半年高强度使用 Cursor；现在每天用 Claude Code、Codex、WorkBuddy 工作。
- 借助 AI 独立完成并上架 3 款 App（iOS ×2、visionOS ×1）：需求、交互、代码审查、审核整改都由我负责。
- 能读懂代码：Vue / HTML / JavaScript、Python 基础，熟悉 REST API、JSON。
把重复工作沉淀成 Skill 和工作流
- 自建 4 个 Claude Code Skill：主题学习、文章转动效视频、p5 动效视频、专业图解。
- 设计个人知识系统 LifeOS：用分层的 AGENTS.md 做路由，让 Claude、Codex、WorkBuddy 共用同一套规则和资料。
- 系统梳理 6 类 Agent 架构，并做成公开的科普内容。
用自动化解决真实业务里的笨活
- 影刀 RPA 高级认证。
- 为南方电网项目独立开发考勤与结算资料自动化：3 个工作日 → 30 分钟，同事可直接复用。
- 配套搭了一个资料处理后台，把源数据检查、资料制作、批量打印做成一个入口。
报价审核智能体：从 37.5% 到 0% 的误判率
采购员下单前要核大量报价单：有没有超标准成本、比上次涨了多少、是不是拆单规避审批。我把这件事做成一个智能体：先由 AI 审一遍，只把有问题和拿不准的交给人。
我的角色：场景、规则、数据设计、误判归因和每一轮的改法由我决定；编码与 Claude Code 协作完成。
模型：国产模型 deepseek-chat，通过通用接口调用，换模型只改配置。
数据：公司、供应商、物料和价格全部虚构：12 种物料、11 家供应商、40 张测试报价单。
第一步：把“审报价”拆成 8 条可执行的规则
| 编号 | 规则 | 判断逻辑 | 需要的数据 | 结论 |
|---|---|---|---|---|
| R1 | 超标准成本 | 换算后的不含税单价高于标准成本 | 标准成本表 | 异常 |
| R2 | 偏离上次成交价 | 涨幅 > 5% 判异常；降幅 > 20% 转人工（可能是规格不符或单位写错） | 历史成交价 | 异常 转人工 |
| R3 | 未选最低价 | 同一次询价多家报价，选中的不是最低价且没写理由 | 同次询价全部报价 | 异常 |
| R4 | 拆单规避审批 | 同采购员、同供应商、同物料 7 天内多张订单，单张低于 5 万、合计达到 5 万 | 近期订单 | 异常 |
| R5 | 物料对不上 | 名称、规格在主数据里找不到唯一对应；常见别名可以匹配，规格有出入不行 | 物料主数据、别名 | 转人工 |
| R6 | 口径不明 | 没写清含税与否、币种、单位或运费，导致无法换算 | 报价单本身 | 转人工 |
| R7 | 报价或供应商无效 | 报价已过有效期，或供应商不在合格名录、处于冻结状态 | 合格供应商名录 | 异常 |
| R8 | 阶梯价与起订量 | 按本次数量取对应档位价格再比较；起订量大于需求量时转人工 | 报价单本身 | 转人工 |
阈值（涨幅 5%、拆单窗口 7 天、审批额度 5 万）是假设值，真实项目需要和客户逐条确认。
第二步：分清哪些交给模型，哪些交给程序
输入：一张报价单
- 自然语言写的物料、规格、单价
- 可能含税或不含税、美元、运费另计
- 可能有阶梯价、起订量
- 采购员、供应商、日期
智能体（模型）
- 读懂报价单，判断对应哪个物料
- 决定要查什么、按什么顺序查
- 先逐条检查规则，再下结论
输出：可解释的结论
- 通过 / 异常 / 转人工
- 8 条规则逐条的检查结果
- 数据依据（查到的价格、订单）
- 给采购员的一句话解释
设计原则：模型负责理解和解释，程序负责计算和比较。单位换算、去税、加运费、比大小、金额累加，全部交给程序。这条原则不是一开始就有的，是从 badcase 里一步步逼出来的。
第三步：对着 badcase 一轮轮改
只给规则原文，换算和比大小都让模型自己做。
换算和比大小交给程序；输出改成先逐条检查、再下结论；写清别名匹配的边界。
比价工具增加币种和运费；写明价格库是含运费的到厂价；去掉照着测试题写的例子。
拆单的金额累加和额度比较也交给程序；模型服务偶发报错时自动重试，并和“判错”分开统计。
三个有代表性的误判
算对了，比错了
含税 13.56 元，模型正确去税得到 12.00，却说它“高于标准成本 12.50”。v1 的 15 个错误里约 9 个属于这一类。
自作主张
报价单写“瓦楞箱 60×40×30 加厚”，模型看到别名就认定是主数据里的五层瓦楞纸箱，直接判通过。
判对了，但理由是错的
美元报价被当成人民币，算出“降幅 86%”而转人工，结论碰巧正确。只看误判率发现不了，逐张看理由才发现。
局限，以及放到真实客户会怎么做
诚实地说，局限在哪
- 测试集只有 40 张，且出题和改提示词的是同一个人；0% 只代表在这套题上全对，不等于上线后的真实误判率。
- 阈值是假设值；只测了一个模型。
- “连跑 3 次全对”后，第 4 次仍错了 1 张：稳定性必须靠多次运行来验证。
真实项目的下一步
- 用客户的历史报价单做测试集，请采购员标注标准答案。
- 把“转人工”的单和采购员的处理结果收回来，沉淀成新规则和知识库。
- 上线后持续抽检，跟踪误判率和转人工比例两个指标。
和 AI 协作，独立上架 3 款 App
代码主要由 AI 写，但产品是我的：做什么、怎么交互、模块怎么划分、代码对不对、审核被拒怎么改，都由我判断。这正是在客户现场搭智能体时需要的能力。
ZENode
Apple Vision Pro 上的空间思维导图。独立完成产品构思、UI 与交互、功能设计、测试和上架。
不刷手机
想刷手机时先停一下的自律工具。调用系统屏幕使用时间能力，完成权限申请和审核整改，用户评分 5.0。
一口乡音
方言学习与练习工具：按场景整理句子、录音、闪卡复习。已迭代到 2.0 版本。
RPA 自动化：3 个工作日压缩到 30 分钟
南方电网项目每月要从物资系统导出考勤数据，整理成考勤资料和结算资料并打印归档，原来需要约 3 个工作日。我用影刀 RPA 独立开发了整套流程，并配了一个资料处理后台，现在约 30 分钟完成，其他同事也能直接用。
对 Agent 的理解，以及我每天怎么用
我日常的工作和创作都跑在 Agent 上，也会把用法整理成体系讲给别人听。
自建的 4 个 Skill
把一类反复做的工作写成 Skill，Claude 和 Codex 共用同一份。
topic-learning主题学习从零学一个主题：立项、摸底、逐项学透，产出图文学习笔记。article-to-motion-video文章转动效视频文章 → 脚本、配音、动效画面、字幕、配乐、封面，一条龙出片。p5-motion-video生成艺术短片参考一段视频，用 p5.js 做逐帧渲染的竖版动效短片。professional-diagrams专业图解泳道图、时序图、架构图等，先想清楚要回答什么问题再选图。LifeOS：让多个 Agent 共用一套规则和资料
解决什么问题
同时用 Claude、Codex、WorkBuddy 时，每个 Agent 都要重新了解背景，规则还会互相打架；聊天记录里的结论也容易丢。
怎么做的
工作区按工作、学习、生活等分区，每层放一份 AGENTS.md 写清归属和规则；同一事实只保留一个正式来源；多 Agent 并行时约定提交和权限边界，并配了每 15 分钟一次的自动快照。
业务底座：4 年采购系统实施交付
2022 年 7 月至今在甄云科技担任业务顾问 / 项目经理，负责企业级 SRM 的实施、优化和持续运营：需求分析、功能设计、系统配置、接口方案、测试、培训、上线支持。
上市电气企业｜供应商绩效优化
把质量、交期、成本、售后服务、技术服务五个维度的月度、半年度、年度考评规则，转化为系统的自动计算方案。
上市新材料企业｜预算系统集成
设计预算查询、占用、实际发生、释放的业务链路和异常规则，完成接口方案与接口表。
上市茶饮品牌｜电子签章集成
定义签章流程、接口范围、字段和异常场景，覆盖订单变更和附件版本控制。
国际汽车品牌｜海外 SRM 项目
唯一客户对接人，覆盖英国、德国、荷兰、阿联酋约 200 名用户；3 年处理 3000+ 个问题和需求，全程英文沟通、培训和版本迭代。
内容输出：学会了，就讲给别人听
个人 IP「主题学习社」：把一个主题从零学透，做成图文和动效视频。AI 是目前的主线专题，视频本身就由上面那套 Skill 生产。
《如何用好 AI》专题
- 第 1 期：我发现，很多人真的低估了 AI
- 第 2 期：我把 AI 变成第二大脑
- 第 3 期：如何打造专业 Agent
- 番外：别让 AI 替你写 AGENTS.md
视频号速览：如何打造专业 Agent
证书与教育
广东外语外贸大学 英语笔译硕士（2020–2022），GPA 3.5/4.0，专业前 15%。
