我把模糊的一线业务问题，转化为可上线、可验证、可持续迭代的 AI 系统：先拆清工作流和数据，再完成 API/模型集成与人工审核闭环，最后用真实反馈推动下一轮产品优化。
English: I turn ambiguous business problems into shippable AI-enabled systems with clear data boundaries, human approval, and measurable iteration.
- 需求到技术方案：将业务流程沉淀成明确的用户路径、数据契约、交付边界与成功指标。
- 端到端落地：覆盖产品界面、服务端、第三方 API 集成、任务流、部署与交付交接。
- 负责任地使用 AI：让 LLM 和自动化承担研究、归纳与初稿工作，同时保留来源、失败路径和人工审核点。
- 上线后的持续迭代：把用户反馈、内容时效和运营信号转化为下一轮产品改进。
一个可配置的机会发现流水线：将种子主题和竞品信号转化为可解释、可排序的网站页面或微产品实验。它采集建议词与 sitemap 信号，完成清洗、风险过滤、评分，并输出研究报告和可执行任务。
Python · YAML 配置 · 评分模型 · 来源可追溯 · 可重复运营
当前版本刻意采用确定性流程：它提供可审查的数据输入和结构化输出，供 LLM/Agent 或人工继续判断，而不把没有证据的决策伪装成“AI 结论”。
面向 Google Ads 运营的自托管后端基座，保留广告操作、AI provider、站点/关键词评估与推荐服务；移除了不相关的 SaaS 前端、订阅计费、托管部署和遗留模板。
Go · Google Ads API · AI Provider abstraction · PostgreSQL · Redis
面向内容站和静态站交付前的本地检查工具：验证结构化 brief、页面证据、canonical、sitemap、JSON-LD 与内容覆盖情况，并生成可复核的交接报告。未提供证据的外部环节会保持 blocked，不会被误标为完成。
Python 标准库 · 质量门禁 · 结构化报告 · 上线前验证
一套从需求洞察到交付交接的通用 AI 项目方法论：定义方案、实施与反馈角色边界，提供需求、方案、交接模板和可机器校验的 delivery brief。
AI 项目交付 · Agent / RAG · 验收节点 · 客户成功
| 项目 | 体现的能力 |
|---|---|
| Evomon Guide | 面向 Roblox 的来源可验证资源站：任务式信息架构、证据链接、核验标签、指南路由和更新机制。 |
| Glint Games | 浏览器游戏发现站：分类导航、可玩内容发现和 Roblox 攻略内容集群。 |
| BloodMoney Online | 聚焦互动游戏体验的产品页：游戏目录、支持/政策页面和玩家引导内容。 |
| SellerImageAI | 面向电商卖家的 AI 内容站：工具、教程、对比评测、工作流和联盟披露。 |
一个本地运营工作台，将广告数据、联盟选品信号、Campaign 工作流、飞书表格和 AI 辅助文案生成串成可执行闭环。技术实现为 FastAPI 服务层与 Vue 3 前端，并明确区分数据集成、任务队列和人工复核。
源码不公开，因为其中包含真实业务集成和敏感配置。
业务信号 → 工作流与成功指标 → 数据/API 集成
→ AI 初稿或建议 → 人工审核 → 交付上线
→ 反馈与可量化迭代