专注于 AI 应用落地的开发者，擅长将大模型能力转化为可交付的产品体验。
从电商出图到智能问答，从工作流自动化到全栈原型开发，我关注的是「让 AI 真正解决问题」——不是 Demo，而是跑在生产里的工具。
技术栈覆盖 Prompt 工程、RAG、Agent、OpenAI Agents SDK、MCP、Skills 等 AI 应用层能力，以及 Next.js、React、Python、TypeScript 等全栈开发基础。
为提升新闻、文章和书籍内容的学习效率，独立开发一款 AI 多角色对话生成平台。基于 Next.js、React、TypeScript、Supabase 和 Drizzle ORM 构建，使用 OpenAI Agents SDK 搭建对话生成 Agent 架构，支持用户输入或抓取学习主题，调用 OpenAI / Gemini 兼容 LLM 自动生成 2–4 个角色的脱口秀式对话脚本；集成 Edge TTS、火山引擎 TTS 和自定义 TTS API，实现角色配音、字幕同步和沉浸式播放。通过将高密度文本转化为更具互动感的音频对话，辅助知识理解、复盘和长期记忆。
构建面向淘宝服饰售前售后场景的智能客服系统，支持商品咨询、面料洗护、尺码建议、库存查询、订单指引与退换货政策问答。基于 Agent 架构构建自动回复循环，设计 RAG 问答链路，包含用户意图识别、问题分类、知识库召回、上下文增强生成与越界问题拒答，提升回答准确性与业务边界控制能力。接入 OpenAI 兼容接口，支持灵活切换不同 LLM 后端。使用 Qwen3-Embedding-8B 对商品资料、洗护知识、尺码规则和售后政策进行向量化表示，支持基于语义相似度的知识检索。通过系统提示词约束回答范围、服务语气和信息来源，避免模型脱离店铺资料自由发挥。针对服饰行业特点整理结构化知识库，覆盖面料成分、版型尺码、洗护方式、商品卖点、季节适配和售后规则等多类知识。设计越界问题处理机制，对非服饰购物、订单、售后范围的问题进行拒答，保证智能客服专注于业务场景。通过端到端测试验证核心问答链路，覆盖有效咨询、资料不足、越界拒答等典型场景。
基于 Next.js 15、React 19 和 TypeScript 构建的全栈天气应用。接入高德地图 Geocoding API 实现中国地址精确到街道级搜索，设计中文→高德、英文→Open-Meteo 的双源路由策略。Canvas 粒子动画系统基于 WMO 天气码驱动 9 种天气特效。规则驱动的建议引擎综合温度 / 湿度 / 风速 / UV 等多维数据，结合用户偏好生成个性化出行建议。测试验证温度预测准确率 82.3%、天气状况准确率 86.67%。
查看线上演示 →面向电商场景的多模型 Agent 协作出图工作流。基于 Next.js / React + Node.js 搭建，接入 Gemini API 与 OpenAI 兼容接口，设计覆盖场景图、细节图、卖点图的提示词模板体系。系统由 Gemini Nano Banana Pro 和 GPT-5.3 协作驱动，Agent Loop 自动化覆盖 80% 流程，将单套出图时间从 30 分钟降至 5 分钟。
解决电商平台图片上传前人工逐张压缩、改尺寸、补白效率低的问题。基于 Python 开发，支持批量拖拽、文件夹处理、自定义压缩至指定大小或分辨率、多格式导出。设计智能补白逻辑，解决图片比例不匹配导致的拉伸变形问题。将原来 10 分钟/批的手动处理压缩至 30 秒内完成。
基于 OpenAI API 调用 gpt-image-2 生图能力的多功能 AI 工具。支持自定义提示词与参数调节的通用图片生成，以及导入 PDF、DOCX 等文档文件自动解析、生成 PPT 演示文稿。持续迭代中。
查看线上演示 →负责 TEMU、SHEIN、TikTok 等多平台饰品类商品运营与视觉内容优化。搭建 Gemini + ChatGPT 自动化出图工作流，将生成式 AI 融入商品场景图制作、多语种 Listing 翻译及本地化内容包装，显著提升内容产出效率。结合 ERP 数据参与动态备货与补货策略制定，完成「商品上架—销售反馈—库存备货」闭环管理。
负责 TEMU 本土店及半托管店铺的产品开发与运营。通过竞品调研、关键词布局与 Listing 优化提升商品曝光和转化效率；协同平台买手、工厂及物流资源，动态优化选品与库存周转策略，减少断货与滞销。打通半托管业务「选品—供应链—海外仓—上架—销售」全流程闭环，累计孵化 10+ 款爆品，单链接最高日销突破 5K+。
三等奖学金。在校期间参与学生会工作与大型活动组织执行，培养了跨团队协作与项目推动能力。
如果你对 AI 应用落地、全栈开发或技术合作感兴趣，欢迎联系我。