从业务研究到 Agent 原型，从评测改进到 GTM 材料。
用可体验的产品、可追溯的证据，讲清楚我做过的工作。
技术背景、产品思维、数理思维与坚韧自驱。
从项目、科研和个人实践中，说明我怎样学习与做事。
以业务约束连接 Agent 工程，持续积累 FDE 所需的方案与交付能力。
运用 ReAct、Plan-and-Solve 等思路，基于 LangGraph 实践多 Agent 协作、工具调用与反馈修订；深度研究系统目前尚无公开仓库。
24h 内与队友完成双本体智能客服开发及云端部署，负责方案架构、产品设计与实机 Demo 路演，团队获智能客服赛道冠军。
在追觅智能硬件海外 GTM 实习中，理解用户、渠道与商业约束；把业务侧经验带入技术方案，向 FDE 方向持续积累。
把用户需求、产品原型与商业路径放在一起考虑，推动方案形成可交付的作品。
担任壳牌 AI 商赛队长，团队获第二名；设计“车·网·碳”能源方案，规划 SaaS 收费与收益分成，并用 Vibe Coding 制作 HTML Demo。
在追觅 GTM 实习中整合 8,000+ 用户评论与 30+ 行业报告，提炼用户画像与产品定位，并用量化模型支持定价、渠道与市场策略讨论。
通过人因工程、系统工程训练需求分析与人机交互思维；结合融资路演、BP 制作及上千小时教培咨询经历，练习多方沟通与方案表达。
把科研、数学建模与运筹优化的方法，转化为拆解问题和验证判断的能力。
参与发表 3 篇期刊论文，其中 1 篇为共同通讯作者；研究涉及演化博弈、聚类与统计检验、视觉识别，训练假设构建、实验验证与证据表达。
全国大学生数学建模竞赛赛区一等奖（队长）；本科两年数模训练，学习把现实问题抽象为变量、约束与优化目标。
使用 Python（Pandas / PyTorch）、SQL、Gurobi 进行数据处理与算法建模；持有 PMP 及信息系统项目管理师（高级）证书。
把量化自我、跨领域观察和产品好奇心，变成长期行动；希望参与定义下一代产品体验。
用理工科思维量化睡眠、运动与身体状态，结合 AI 智能硬件持续积累日常记录，沉淀个人上下文（Context）。让 AI 更了解我的状态、习惯与偏好，再用于健康日报、运动建议和日历提醒，探索持续、个性化的人机协作。
关注《声动早咖啡》《罗永浩的十字路口》，从《小约翰可汗》拓宽历史视角；研究理想汽车等车机交互，思考下一代产品的使用方式。
通过羽毛球等运动保持节奏。黑客松现场遇到 PPT 上传问题时，及时调整展示方式，以实机 Demo 继续完成答辩，让已做出的作品被看见。
四个重点案例 · 问题、个人职责、产出与复盘
安克黑客松 · 复杂售后 Agent我负责方案架构、产品设计与路演；与队友在 24h 内完成双端原型开发、云端部署及实机展示，获智能客服赛道冠军。
Anker 首届黑客松挑战赛获奖证书，授予蒋恩晶。与本体队的 OntoCare 项目一起，记录从方案、产品到现场展示的团队成果。
我的职责：方案架构、双本体设计、产品与路演；工程与评测由团队协作完成。
服务谁：消费者、一线客服、运营。
要交付：可对话、可排障、可追溯的在线原型。
同名产品、多笔订单，容易答错对象。
Service 本体关联产品与订单；缺信息先追问。
手册与问答混杂，容易跨型号引用。
按型号、错误码找知识，排障答复保留引用。
证据不足时，易误判质保或承诺换货。
Decision 本体＋Python 规则校验条件；不执行真实退款换货。
“S1 Pro 不吸了” → 确认品类与型号 → 检索对应知识 → 引用式排障 → 未解决则形成交接建议。
交付流程 · 双端原型 + 云端链接 + 实机 Demo
赛道冠军 · 24h 部署完成；历史评测：核心硬断言 62/74 → 73/74。
下列评测为历史测试记录，独立展示测试口径。“S1 Pro 不吸了”可能指向不同品类。先识别对象与已有上下文，再限定知识范围，减少跨型号回答。
模型组织语言；规则计算业务条件。答复保留引用，经营建议关联工单、规则 ID 与源表行号。
在时间约束内做出可体验 MVP，并为故障定位、回归测试与现场讲解留出时间。
演示资料：63 条工单快照、875 条原始产品问答、336 条经销商资料、24 条订单明细；按发布与可见状态使用。
先跑通核心服务链，再补监控、人工接管与长期验证。
Persona 多轮对抗发现问题，硬性断言检查业务约束，LLM-as-Judge 补充语义判断；再将问题归因到检索、状态、规则或表达。
时延来自历史进程内测试与真实接口调用，不含浏览器。通过率为任务单轮硬断言指标，不等于生产解决率；“自进化”指有人审参与的改进流程。
从用户求助与商家处理两端拆解服务流程，明确实体、证据、规则、模型与人工的职责，将产品消歧、订单候选、排障与引用串联起来。
围绕完整 MVP 协调后端、前端与评测工作，准备可体验的系统、可复查的材料和路演讲述。个人重点为方案架构、产品设计及答辩。
Service + Decision 双本体关联产品、订单、知识和业务条件。当前主链路采用 JSON 关系、Python 规则与型号限定检索。
围绕四类候选归因规则组织核查建议，通过 ReadOntology 与 ReadTrace 连接业务实体、规则和工单原文，保留证据下钻入口。
候选归因是核查线索。历史路演架构中的规划能力与当前实现范围，详见仓库说明。
与岗位的连接 客户需求拆解 · Agent 方案支持 · 日常问题定位 · Bad Case 反馈 · 跨角色交付
项目介绍 · 我的职责与产出围绕长链路调研中的信息冗余与报告可靠性问题，我实践多 Agent 任务编排：用 Supervisor 统筹、Researcher 并行检索，结合上下文压缩与来源管理整理证据，再用模型裁判和红队反馈推动修订。项目重点是质量、耗时与终止条件的取舍。当前项目代码尚未公开。
ReAct + Tool Calling · 最多 3 个并行 Agent
项目实践：多 Agent 编排、检索与上下文工程、质量反馈闭环。
我更关注协作是否产生有效信息，以及反馈能否转化为修订。后续需要补齐公开代码、评测集与可复现报告，便于检验效果。
历史抽样评测：综合得分 44.34，单任务平均耗时约 16 分钟。
代码和原始评测报告尚未公开；以下为历史抽样记录。DeepResearch Bench 历史抽样测试记录；单任务平均耗时约 16 分钟。
历史抽样结果，原始报告、样本量与模型配置尚未公开，不作跨测试集或跨版本的榜单排名比较。
Tavily 网页检索与 URL 去重，先整理来源，再将长文提炼为与任务相关的事实。
Auto-Compact 减少上下文冗余，保留关键事实、内联引用和来源清单，降低长链路信息干扰。
LLM Judge 给出结构化质量反馈；Red Team 识别漏洞，将 Critique 注入后续修复与报告迭代。
与岗位的连接 Multi-Agent 编排实践 · Coding 辅助实现 · 工具调用 · 上下文工程 · 模型输出质量判断
项目介绍 · 我的职责与产出面向车主排队不确定与场站利用率不均的问题，我作为队长带队开展场站调研，将用户体验与经营约束拆成需求预测、补能匹配、功率运维和增量运营方案；制作 HTML Demo，并组织收费、分成与试点指标的表达。团队获商赛第二名，当前成果为竞赛方案与交互原型。
我的职责：队长，负责产品与商业方案、交互 Demo 和团队路演。
Owner 意识体现在把调研、原型、商业方案和协作连接起来。预测、调度与增量实验仍需真实数据和试点验证。
团队成果：商业挑战赛第二名；2.4 万元/站·年 + 20% 增量分成为商业方案设定。
当前为学生竞赛原型。预测、调度和增量实验属于方案及试点设计。团队原型截图 · 点击放大
当前为学生竞赛交互原型，使用演示数据；预测、调度与因果增量模块为方案及试点设计。
每站每年 SaaS 服务费
经核验增量经营收益分成
先验证可交付性，再讨论扩展
车主需要补能确定性，运营人员需要可执行建议，经营方关注增量利润，IT 与安全团队参与接入和验收。
规划 Uplift 因果增量实验与 A/B 测试，观察到站转化、30 天复充、MTTR 与增量 ROI。
结合行业信息、竞品和场站调研整理方案，用 HTML Demo 演示用户路径，作为队长统筹团队路演。
收费与收益为团队商业方案及情景测算，不代表已签约订单、上线收益或实际试点结果。
与岗位的连接 客户初次交流 · 需求到方案的转译 · Demo 展示 · 商业价值表达 · 试点指标与团队协作
项目介绍 · 我的职责与产出在追觅智能戒指 BU 海外 GTM 实习期间，我整合行业报告、电商平台、用户评论与竞品资料，提炼目标用户、价格区间及渠道偏好；再搭建价值链测算模型，对订单规模、FOB / DAP 和返利方案做情景比较。最终以 HTML 看板汇报定位与商业判断，获 BU 负责人采纳用于海外上市策略。
我的工作：海外市场与用户研究、竞品和定位分析、价值链商业测算与 HTML 汇报。
这段实习训练了我从资料走向判断、从判断走向商业测算的能力。面向 AI 解决方案，也需要把技术效果与业务价值一起说明。
HTML 汇报获 BU 负责人采纳，用于海外上市策略讨论。
产品与研究看板详见实习作品集。从分散评论中提炼用户在意的功能、痛点、价格与购买条件，形成可讨论的用户分层。
把产品成本、订单规模、贸易条款与渠道返利放在同一价值链中，比较方案对利润空间的影响。
用结构化看板让业务负责人快速浏览结论、查看依据，并对待验证问题继续讨论。
整合报告、电商平台、评论与竞品数据，挖掘运动健康诉求、价格区间和渠道偏好，形成三类分层画像及差异化定位方案。
搭建价值链量化测算模型，围绕订单规模、FOB / DAP 与返利方案做情景模拟和敏感性分析，支持定价与渠道选择。
将复杂研究整理为可交互 HTML 看板，帮助讨论研究过程、定位假设与上市策略。
与岗位的连接 市场侧需求汇总 · GTM 材料与策略 · 产品价值表达 · 连接业务约束与方案选择
数理思维的三份研究佐证：政策激励的博弈建模、资源约束的统计分析、人因场景的机器学习。各篇保留完整中文摘要与正式作者信息。
On-capacity vs. On-grid: Effect of subsidy on the adoption of high-quality energy storage facilities in the renewable energy industry
比较 On-capacity 与 On-grid 补贴，分析激励结构如何影响高质量储能设施采用。
中国政府出台了强制性措施，推动可再生能源领域配置储能设施（ESFs）。然而，这些监管政策引发了道德风险问题：可再生能源企业（REFs）倾向于选择低质量储能设施。为应对这一问题，政府可以实施补贴等激励政策，鼓励采用高质量储能设施。目前，补贴对储能行业的影响仍不明确。
本文利用演化博弈模型分析可再生能源企业与电网之间的行为互动，系统探讨补贴如何影响高质量储能设施的采用。研究比较了六种情景，涵盖自建（SC）和第三方租赁（LTP）两种模式，以及无补贴、并网补贴（On-grid）和容量补贴（On-capacity）三种补贴框架。研究结果表明：
我的参与论文正式署名第 4 作者；公开 CRediT：Investigation、Validation。
研究资料与解读Data-driven complementary policy development for photovoltaic industry facing resource constraints: A case study of Zhejiang Province in China
以浙江省 90 个区县为研究对象，构建数据驱动互补发展框架，形成资源约束下的分层政策建议。
加快可再生能源发展对于实现气候目标至关重要，光伏发电正成为其中的主导技术。然而，光伏对土地的高需求引发了气候目标与自然资源保护之间的“绿色—绿色困境”。这一挑战在全球普遍存在，在中国浙江省尤为突出：土地约束限制了光伏的大规模扩张。为应对这一问题，本研究提出了山地农光互补、海上风光互补等六种光伏产业互补模式。
研究进一步提出数据驱动互补发展（DCD）框架，将 K-means 聚类、Mann–Whitney U 检验与基于显著性的分层搜索（STS）算法相结合，量化各子区域在不同互补模式下的发展潜力。与传统聚类方法相比，DCD 框架提升了潜力识别的统计稳健性。将该框架应用于浙江省 90 个子区域后发现，多数区域至少适合一种互补模式，可为地方政策制定者提供可操作的参考。
本研究的三项主要贡献是：丰富光伏互补发展领域的文献；为资源受限地区提出可复制的决策支持工具；为浙江省平衡可再生能源增长与自然资源保护提供有针对性的策略。
查看原文摘要与论文我的参与共同通讯作者；公开 CRediT：Data curation、Writing – original draft。
研究资料与解读Integrating DRN-RF with computer vision for detection of control room operator’s mental fatigue
融合 DRN 与随机森林建模视觉特征，论文报告准确率 94.2%；将数据组织、实验管理与可视化连接起来。
控制室操作员面临较高的脑力疲劳风险。脑力疲劳会降低注意力和反应能力，削弱人员可靠性，进而导致不安全操作。因此，检测工作场所中个体的脑力疲劳状态具有实际价值。本研究提出了一种结合计算机视觉与机器学习的脑力疲劳检测（MFD）新方法。
传统脑力疲劳检测方法通常依赖多维数据进行疲劳分析与检测，在实际场景中应用较为困难。例如，使用心电图等生理数据的方法要求操作员持续与传感器接触；本研究则利用计算机视觉采集面部数据，并通过机器学习模型评估疲劳状态。
所开发的机器学习方法结合了深度残差网络与随机森林（DRN-RF）。研究将其与 K 近邻、梯度提升机等现有脑力疲劳检测方法进行比较。结果表明，DRN-RF 模型的准确率达到 94.2%，偏差为 0.004，表现出较高的准确性和稳定性。
总体而言，所提出的方法有望提升过程系统运行的安全性，尤其可为人因管理提供支持。
查看原文摘要与论文我的参与论文正式署名第 3 作者；公开 CRediT 包括数据整理、实验管理、可视化和论文撰写等。
研究资料与解读系统思维与优化训练，连接数据分析、用户需求和工程实现。
数据与信息研究院 · 物流工程与管理
全日制硕士 · 保研
全额奖学金交流生
健行荣誉学院 · 工业工程 · 工学学士
专业前 1%
2023 年高教社杯全国大学生数学建模竞赛 · 赛区一等奖 · 队长
硕士课题：基于时序大模型预测后优化框架的跨境电商品仓部署问题研究。
研究经历 · 进行中围绕跨境电商需求波动与品仓部署，我研究“预测—优化—解释”的联动框架：用 Time-MoE 预测销量，将需求输入库存与仓位优化模型，再由 Agent 解释决策依据与影响因素。课题仍在研究中，重点关注预测误差怎样传导到履约和库存成本，以及决策是否有效。
聚焦方案支持、模型应用工程与 GTM 三类工作，连接已有经历与岗位任务。
把目标、使用场景、约束和验收指标问清楚，再用 Demo 和架构图帮助客户、产品与技术团队对齐。壳牌与 OntoCare 提供了具体实践。
查看产品方案案例 →用 Python、工具调用和工作流编排构建原型；用来源、Trace 和评测记录定位问题，把 Bad Case 转为可行动的反馈。
查看 Agent 与评测案例 →整理市场需求和常见问题，形成 GTM 材料、商业情景与试点计划；将市场侧信息反馈到产品讨论中。追觅实习是这部分的直接经验。
查看 GTM 实习案例 →客户支持流程 · 官方合作案例 · 四项能力与项目佐证
从工程复现理解客服 Agent 的模块协作
经历概述我将 ServiceMind 作为客服 Agent 的工程学习与复现项目，围绕意图路由、RAG、分层记忆和请求追踪梳理服务链路，结合前后端源码与复现说明理解模块分工。重点训练代码阅读、工程拆解和问题定位，为继续做真实场景原型积累方法。
查看项目与资料将退货体验与商家成本放进同一业务原型
经历概述围绕沙特零售退货，我与团队设计连接消费者、商家和保险机构的决策原型，以退货路由、成本比较和嵌入式退运险说明业务路径；整理商业计划与关键假设，兼顾用户体验、履约条件与商家成本。当前为商业方案及原型，后续需要验证业务与合作条件。
查看项目与资料把反复出现的学习需求沉淀为 Agent 技能
经历概述从日常学习中的资料分散和重复整理出发，我把录音纪要、资料去重、章节汇总、复习播客、思维导图与学习任务串成可复用的 Agent 工作流，定义输入、产出和检查步骤，并公开技能包与说明。将个人需求整理为工具，也为后续复用和改进提供基础。
查看项目与资料
