这里比简历多一点，但不啰嗦。按公司分成三个章节，每个章节里展开我真正做过的多个项目；主项目重点讲清楚，其他项目快速扫读。
这段实习我主要在回答三个问题：怎么让账单智能体持续变好、怎么找到真正有用户价值的智能化方向，以及怎么把重复工作沉淀成可复用的数据与 AI 工作方式。
不是先假设“AI 应该做什么”，而是基于真实账单设计可交互 Demo，通过 5 位用户深访验证哪些洞察真的新、哪些会自然带来下一步行动，并据此收敛场景优先级。
一次漏斗分析里发现真正的问题不是 SQL 慢，而是核心数据分散、口径重复生产。重新梳理 7 个入口的数据链路，通过 ETL 统一成日明细宽表，再把日报与异动归因做成自动能力。
理解账单组需求从发现、评审、研发到测试发布的承接方式，把重复协同节点沉淀进 AI Workflow，目标是把原本 42 天、5 次会议的固定节拍压缩到 1–3 天、1 次 Check。
围绕秒杀商品经营，我主要做了两件同样重要的事：一是通过 AI 品规把商品标准化到“款 / 赛道”级；二是升级价格能力，让秒杀能够稳定找到可信的同款比价依据。
淘内候选 pair 精度更高，重点解决“是不是同款”的准确判断。
召回范围更广，但噪音也更高，需要动态 Judge 做多模态校准。
多源候选统一进入 Judge，在覆盖率和准确率之间做动态平衡。
这段经历更偏工程：从多源数据与 ETL，到前后端开发、AI 能力接入与部署，我完整做过一套从数据层到产品层的端到端系统；另外也做了 AI News 和 AI 海报生产。
针对团队 AI 转型中“外部行业信息分散 + 内部企业信息难检索”的问题，把公开 AI News 和公司内部知识一起接入，做资讯聚合、分类检索、趋势分析与可追溯问答。
聚合 · 筛选 · 摘要 · 快速阅读
为 Warehouse 的可持续发展看板补足“视觉表达”：用 AIGC 生成园区 / 建筑视觉与动态视频，转换为 GIF 嵌入 Power BI；同时把 CO₂ 数据映射成动态树木状态，让抽象 ESG 指标可以被一眼感知。
