Portfolio · 2026

把模糊需求
做成能跑、能验、能交付
的 AI 应用

我的工作方式（示意）

# 需求进来，先把它变成可验收的东西
$ 定义   目标用户 / 输入输出 / 必须人工确认的环节
$ 拆解   哪些交给 AI 实现，哪些必须我定

# 实现交给工具，判断留给自己
$ AI      Claude Code / Codex 出实现与测试草稿
$ 核对    读实现、跑真实页面、在隔离库跑破坏性测试

# 结论必须有证据，否则不算完成
$ 验收    真实页面操作 + 针对性测试 + 失败样本归因
$ 留痕    指标 → 仓库 eval 结果文件（可逐条复核）

Projects

五个能当面启动的项目

每一个都能在本机一键启动、有真实页面、有可追溯指标。点卡片任意位置进入项目详情（背景 · 我的职责 · 指标与来源 · 取舍与放弃的方案 · 局限）。卡片下方的状态点在本地版会真实探测本机服务——没启动就直说，不做假成功。

Evidence

指标不是形容词，是可复核的数字

下面每个数字都来自仓库里的 eval 结果文件或验收记录。测试集表现不等于生产准确率——这一点我写在每一项的来源里。

0/37

电商后端自动化单测（0 失败）

来源：backend/target/surefire-reports（19+1+8+6+3）

0/28

自愈编排器：检测与正确处理（含盲评）

来源：self-healing-agent/eval/eval_report.json

0/25

客服 Agent：期望自动处理的样本全部成功

来源：customer-service-agent/eval/results.json

0/12

客服 Agent：留出集四项指标 100%

来源：留出集结果（未参与调优）

0/32

编排器：工具调用准确率 96.9%

来源：orchestrator-agent/eval/results.json

0/20

RAG：检索命中（回答 19/20、来源 18/20）

来源：rag-agent/eval/results.json

自愈编排器单元测试

来源：仓库单测

个可运行项目（本地一键启动）

来源：桌面启动器

How I work

我的工作流程（可复制成标准动作）

这套流程解决的是"AI 说完成了，但东西其实不对"。每一步都有它的产出物，不是口号。

需求变验收

先把目标翻译成"什么算通过"，写下来再动手。

先摸清现状

读真实代码与运行状态，不靠猜；口径冲突先列事实。

分工实现

重复实现交给 AI 工具；业务规则、边界、安全由我定。

真实页面核对

打开页面亲手点，核对数据与文案；不看产物不算验证。

隔离环境测试

破坏性测试只打隔离库；体验数据只读并做指纹核对。

归因与留痕

失败样本逐条归因；结论写进提交与验收记录，可复核。

停止条件只有四类：跨模块方案分叉 · 业务规则冲突 · 超出授权 · 实际阻断。普通编码/测试/提交/汇报都不构成停下来等指令的理由。

Real replay

真实案例回放（非实时 AI）

下面每一条都是本机真实运行留下的记录。点问题，看它当时到底怎么走的：调了哪个工具、工具返回了什么、最后说了什么。有成功的，也有没通过的 —— 我不删没通过的样本。

▷

编排器真实调用 trace点下面的问题，重放当时的执行链路

这些记录从哪来

编排器：本机 /gateway 的真实调用（含 supervisor 决策、工具调用与逐步耗时）
客服工单：评测集 + 一次实时工单调用（收货人/地址已掩码）
RAG 政策问答：20 条评测记录（含跨文档那条没做好的）
自愈编排器：看板里 782 条真实 incident 中的一条

为什么不做成"实时试用"？

实时服务需要 24 小时在线的机器，而且每个访客的每次提问都会真实消耗 API 额度
放出去还要防陌生人刷 —— 这是我要先做限流和鉴权隔离的原因，不是偷懒
所以线上先给真实回放；面试现场可以直接开本机真实系统当场操作

Ask me

问一问（离线预置问答）

这一版是明确标注的离线预置答案，不是实时模型——不为演示造假。面试后接独立的本地导览（只读脱敏后的项目资料，不接入个人记忆与执行工具）。

作品集导览（离线）预置答案 · 点击问题即回答

为什么用"离线问答"而不是直接上模型？

可信：给出的每条答案都写死在数据文件里，能被逐条核对，不会现场编。
可解释：它同时演示了"Agent 控制页面"的思路——回答里带跳转，把人带到证据所在页面。
不越界：不接入个人记忆、技能库与执行工具，避免把私有工作流和公司数据混进来。

它可以带你去哪

项目详情页：背景 / 我的职责 / AI 协作部分 / 结果 / 局限
每个指标的来源文件与样本口径
五个项目的本地演示入口（真实服务，不是截图）

Limits

这些项目现在还不是什么

写清楚边界，比写亮点更能说明我知道自己在做什么。

如实说明

都是本地可运行的演示原型，不是生产系统；支付为模拟，无真实资金。
指标来自评测集，样本量有限（客服 59 条 / 编排 32 条 / RAG 20 条 / 自愈 35 场景），不等于线上表现。
代码由 AI 协作实现：我负责需求拆解、方案取舍、验收判据与复验；这一点我从不含糊。
做不动的问题我会写"未解决"，而不是用"基本可用"糊过去。

下一步计划

把详情页做得更细：每个项目补"我当时的取舍与放弃的方案"。
接入独立本地导览做实时问答，并用评测集验证它的回答质量。
补齐视觉与移动端体验；是否公开部署会先做安全与脱敏评估。

把模糊需求做成能跑、能验、能交付的 AI 应用