金子瑶

【项目一】金融知识工程体系建设

背景：金融风险管理部门存在产品文档缺失率超60%、新旧文档矛盾、知识传承依赖口口相传等痛点，新人上手周期长、跨团队协作效率低。

职责：作为技术产品实习生，负责逆向知识工程方案设计、结构化模板制定及落地推广。

核心工作：

• 设计"代码逆向推演"方案，利用 Cursor + MCP 工具链从代码仓库自动提取业务逻辑，联动 TAPD 需求文档进行知识交叉验证
• 建立结构化知识整理模板，覆盖接口定义、业务流程、数据流向、异常处理四大维度
• 引入置信度机制，对 AI 抽取结果标注可信度，低置信度内容标记人工复核

成果：目前已经完成 3 个核心模块的知识抽取，测试问答的内容无错误，但整体逻辑偏技术，下一步计划封装为 Skill。

【项目二】Fino 智能研效平台 - Skills 体系设计

背景：内部 AI 研效平台缺乏系统化的 Skills 能力评估体系，业务方难以选择最优 Skill，Skills 质量参差不齐。

职责：负责 Skills 体系调研、评测框架设计、最佳实践输出及内容运营工具开发。

核心工作：

• 体系梳理：系统调研业界主流开源 Skills 仓库，包括 AI agent 和 openclaw 的 Skill 的全面分类与能力边界定义
• 评测框架设计：设计多维度评测标准（准确率、稳定性、兼容性、易用性），通过 Claude/GPT/混元等多模型交叉评测，输出最佳实践对比分析报告
• 深度横评：重点完成 PDF、Word、Excel、PPT 四类文档处理 Skills 的横向对比，为业务选型提供数据支撑
• 自动化评测工具（PenClaw）：设计自动化评测流水线——爬取 GitHub star 高的 Skills 仓库 → 本地下载 → 自动加载评测 → 输出评分报告
• 内容运营助手 Claw 搭建：按分类（数字分身/知识库/UI自动化/AI设计工具/模型）聚合 KM、QLearning 优质内容，自动转载至 iWiki 供 Skills 设计参考

成果：输出 Skills 评测报告 20+ 份，覆盖 7-8 个主流 Skills 仓库

【项目三】FAT-SOP Skill 设计 - 低代码工作流封装

背景：非技术团队存在大量重复性工作流（发票审核、部署报错处理等），但缺乏技术能力将其自动化，人力成本高、效率低。

职责：负责通用 SOP Skill 产品设计、模板标准化及多业务场景落地。

核心工作：

• 设计通用 SOP Skill 框架，支持非技术人员通过可视化配置将重复工作流封装为可复用 Skill
• 定义 SOP 描述规范（触发条件 → 执行步骤 → 异常处理 → 输出格式），降低 Skill 创建门槛
• 完成发票审核 Skill（自动识别发票信息、校验合规性、输出审批建议）、FAT 部署报错自动处理 Skill（错误日志解析、原因定位、修复建议）等多个场景落地
• 推动与多个非技术业务团队（财务/运营/客服）对接，进行实际场景落地试验

成果：已封装 6 个 SOP Skill，正在和 3 个业务团队交流推广试用

业务背景：负责"多模态实时互动"SDK产品优化，该产品面向ToB硬件厂商（AI健康设备、AI玩具等），核心是将百度语音/视觉/大模型能力集成到智能硬件中。主要客户包括乐普（AI血压计）、真实幻想（康养机器人）、芙崽/小度熊（AI玩具）等。

【项目一】智能问答体验优化 —— 解决"问不准、答不对"的核心痛点

痛点：原有方案依赖通用意图识别，用户口语化/模糊表达时回答泛化能力差，ToC用户平均只聊5轮就放弃，客户投诉"AI听不懂人话"。

解决方案：

• 设计 Query 改写模块：针对老人口语化表达（如"那个东西帮我量一下"），改写 Prompt 将长难句重写为标准指令，结合对话上下文和用户画像进行优化
• 优化追问策略：原方案统一回复"没听清"，改为提取 Top2 意图让用户二选一，缺少参数时针对性追问（如"您想查哪一天的天气？"）
• 支持客户自建知识库：上线"上传企业私有知识库"功能，让客户导入产品说明书、高频QA等专属内容

成果：意图召回率提升显著；客户反馈用户平均会话轮数从5轮提升至8轮；乐普导入知识库后，线上客服收到"产品使用问题"咨询量每周下降约300条

【项目二】语音交互体验优化 —— 解决"回复太长用户打断"问题

痛点：康养场景中AI回复冗长，老人听不完就打断重问，语音打断率高，体验差。

解决方案：设计 A/B 测试对比不同 Prompt 的输出长度与信息密度，将康养建议平均字数缩减30%并前置核心结论

成果：用户语音打断率降低15%

【项目三】康养硬件AI能力升级 —— 从"被动播报"到"主动服务"

痛点：传统健康硬件只能读数据，用户看不懂指标含义，无法获得个性化建议。

解决方案：

• 设计"单次解读+趋势追踪"功能，将血压/体脂等结构化数据转化为拟人化健康建议
• 建立历史趋势对比模型，自动分析指标变化斜率，异常波动时触发健康预警

成果：实现从"被动播报数据"到"主动健康管理"的产品升级

【项目一】AI超级老师 —— 学习机核心AI能力平台（调研→设计→落地）

背景/痛点：家长反馈学习机"AI概念大但不知道具体能帮孩子什么"，售前难讲解、转化不及预期；用户调研发现：作业场景高频但AI没提供针对性方案、学科补强不如补习班。

核心工作：

• 调研阶段：追踪一期上线数据，日渗透率22%、周留存56%；访谈4位线下1对1家教，提炼核心工作流"评估学情→制定方案→带学带练→监督检查→反馈效果"；输出竞品报告覆盖讯飞AI课本、小猿1v1诊断、豆包爱学讲题等
• 设计阶段：模拟"真人1对1家教"，设计作业托管（每日作业→错题分析→薄弱点强化闭环）+薄弱补强（诊断学情→推荐课包→催到课监督→学情反馈）两大模块
• 落地阶段：协调产品、教研、技术团队完成方案评审与开发，8月中交付灰度版本

成果：灰度后日渗透率32%、周留存72%，进入学习类功能Top1梯队

【项目二】KET口语模拟测评系统 —— 从0→1构建AI口语训练产品

背景/痛点：学习机用户有大量KET口语备考需求，但传统口语练习存在真人外教成本高（1v1课时费200+/小时）、反馈不及时、练习场景单一等问题。

核心工作：

• 产品方案设计：设计"模考对话→智能评分→学情追踪"三大核心模块；针对6-12岁用户设计"友好问候→话题引导→兴趣追问→鼓励收尾"对话流程；输出20+页PRD
• 解决"识别不准"问题：推动技术团队针对儿童语音特点优化识别方案，关键场景识别准确率从72%提升至91%
• 解决"评分不可信"问题：参与评分模型训练全流程，制定"0-5分"评分标准（发音/语法/内容三个维度），确保AI评分与KET真实考试标准对齐

成果：上线后口语练习频率提升12%，模测完成率64%，练习时长同比增长26%

【项目三】AI背诵功能重构 —— 解决"评分不准、反馈没用"痛点

背景/痛点：原有背诵功能用户投诉集中在"明明背对了但扣分"（把发音问题当成记忆错误）和"只告诉我错了，不告诉我怎么改"（反馈没有指导价值）。

核心工作：

• 解决"误判"问题：设计双层评分策略，先判断是"记忆错误"还是"发音问题"，再分别给出评分
• 解决"反馈没用"问题：针对不同错误类型设计差异化点评话术——记忆错误推荐"再读两遍原文"，发音问题推荐"跟读标准发音"

成果：低分段用户复背率提升18%

【项目四】AI诗词对话场景设计 & 客诉工单智能分析工具

• AI诗词对话：针对李白、杜甫等不同诗人设计差异化对话风格约束，设计预设问题引导降低用户启动门槛，建立Badcase定期复盘闭环
• 客诉工单分析：设计AI自动分类方案（Bug反馈/功能建议/无效反馈），预处理策略将口语转为标准描述，生成结构化报告

面向 ToB 企业内部知识助理场景，解决传统 FAQ 与规则方案在复杂意图理解、幻觉控制等方面的瓶颈。

• 意图识别与任务路由优化：基于 DeepSeek v3 构建意图识别与路由模块，通过难负样本挖掘与 Few-shot 迭代训练，三轮优化后意图分类 F1 从 0.82 提升至 0.93
• Multi-Agent 流程设计：基于 LangGraph 设计「意图识别 → 安全校验 → 任务拆解 → 并行工具调用 → 幻觉拦截」Agent 工作流，通过并行调用 Neo4j Text2Cypher 与 GraphRAG，将复杂知识查询平均响应时延优化至 2.1s

负责 ToB CRM 系统 HITV 模块需求分析与产品优化，撰写 200+ 页 FPA 需求文档，梳理业务规则并推进研发落地；重构核心业务流程，解决多类高频异常问题，用户操作成功率提升 20%，有效降低系统问题与客户投诉。

CET4: 538 | CET6: 507

专业第一 | 国家奖学金 | 班级班长、兼职辅导员、学生会实践部负责人