需求澄清与方案拆解
从业务目标、用户场景、数据边界和验收口径出发，再决定使用 RAG、Agent 或工作流。
个人定位
我想做的，不是“会讲模型”的售前，
而是能把方案真正做出来的人。
我的学习路径围绕 AI 售前 / 解决方案工程师展开：先理解业务问题，再做需求拆解、方案设计、Demo 验证与 POC 测试。 这个网站本身也是一次 Vibe Coding 实践——用可运行的产品证明方案能力，而不是只在简历里写技术关键词。
EDUCATION
南京邮电大学通达学院
数字媒体技术 · 本科 · 2023.09 — 2027.06
TARGET ROLE
AI 售前 / 解决方案工程师
关注 AI 应用、企业软件与解决方案类岗位
核心能力
围绕售前完整链路组织能力，而不是简单堆叠技术栈
AI 解决方案设计
能够把模型能力映射到具体业务流程，并用架构图、数据流和 Demo 解释落地路径。
Vibe Coding 与快速 Demo
使用 Next.js / TypeScript 等工具快速构建可演示原型，让方案从文字变成可体验产品。
POC 测试与边界意识
关注成功用例，也关注无答案、资料冲突、越权请求和风险表达等失败场景。
项目经历
简历里的项目，可以直接进入在线 Demo 继续验证
当前阶段不包装未完成能力：真实模型、真实 RAG、真实 POC 数据会在后续 Phase 完成后再更新。
PROJECT 01个人 AI 售前 POC · 方案与原型阶段
一叶春山 AI 导购 / 客服知识库
围绕选茶推荐与产品问答设计 RAG 知识库 POC，目标是把分散产品资料变成可追溯、可解释的知识服务。
RAGKnowledge Base商品推荐POC
我的工作
拆解选茶推荐、产品问答、售后分流三类核心场景，并设计意图识别与响应链路。
规划 RAG 来源引用、知识检索与商品推荐链路；本地检索能力明确标注为作品集 POC。
设计 POC 指标与失败用例，避免使用未经真实测试的数据包装效果。
PROJECT 02个人 AI 售前 POC · 多步骤 Agent Workflow
AI 招投标与方案生成 Agent
面向售前招投标场景设计多步骤 Agent Workflow，实现招标文件解析、结构化需求提取、企业知识检索、资格匹配、偏离分析与技术响应草稿生成，并通过 Tool Calling 展示任务规划和执行过程。
Agent PlanningTool CallingRAGDocument Parsing
我的工作
将招投标分析拆成文件解析、需求抽取、Planner、工具检索、规则匹配与人工复核，而非单次摘要。
以 Structured Planner + Tool Registry 让模型在可用时决定检索工具，并保留确定性回退与可审计执行记录。
用规则引擎计算资格状态、偏离风险与匹配度；所有演示企业资料与案例均明确标为 Synthetic Demo Data。
工具能力
工具的价值，是让我更快把方案做成可以沟通、可以验证的东西
AI / Agent
GPT · Claude Code · Cursor · Coze · Dify
Web / Demo
Next.js · TypeScript · Tailwind CSS · Node.js · Express · MySQL
交付 / 协作
GitHub · Vercel · Office · Figma
数字媒体
Photoshop · Illustrator · InDesign · Lightroom · Premiere Pro