AI 应用开发 / AI 产品工程师 · 中国 · 北京
把 AI 应用
做到可被验证
做 AI 应用，也负责把 AI 应用做到可信：从 RAG、Agent、工作流编排到评测体系，我用测试和量化数据证明每一次模型调用的价值。
不是「我觉得效果不错」，而是评测报告怎么写。
17
作品项目
96,000+
源码行数
144+
自动化测试
22+
评测报告
Featured Projects
主力项目 · 先看这三个能力维度
能力标签：工程与评测 / 产品与设计 / 视觉与内容 —— 按你关注的能力维度筛选项目
Demo Video
81 秒 · 看完整个作品集
一段真实操作的演示：从作品集网站的引导式浏览，到 Resume Copilot 的实际界面，再到 AI Director 的 194 节点知识图谱。
Course Projects
课程实战 · 每个项目都有评估数字
RAG、Agent、记忆系统、工具调用、经典 NLP——培训课程期间独立完成的实战工程， 全部保留可复现的评估结果（RAGAS 指标、hit@k、F1、吞吐倍数）。
Research & Prototypes
研究专栏 · 工程之外
评测方法论、产品定义与原型、独立小程序、架构研究——证明我不只会写代码。
About
我怎么做事
先建裁判，再做功能
在 Resume Copilot 里，评测体系先于第三个功能存在。52 条安全探针、45 份人工标注、22 份评估报告——我认为没有评测的 AI 功能是盲飞。
范围换交付，边界写清楚
每个 README 都明确「明确不做」清单：不真投递、不做共享部署、不隐藏未实测尺寸。面试考察的是决策质量，而非名词密度。
从内容到平台的完整叙事
AI_director 不只是代码：配套的真实影视项目库、架构教学页、生图资产构成「用平台做出真内容」的证据链。
看完了吗？聊聊你最感兴趣的那个
每个项目都可以现场运行演示。如果时间有限，推荐从 Resume Copilot 开始——它最能说明我如何用工程手段解决 AI 的可信问题。