一款基于视觉大模型 (VLM) 的智能饮食管家。通过平衡大模型算力成本与用户体验，将繁琐的记账流线缩短至一键拍照，致力于大幅降低用户的健康管理执行阻力。
阅读完整商业复盘与架构逻辑
直面 VLM 输出的不确定性，设计“正则清洗-暴力提取-人在回路”四级降级方案，确保核心记账流线 100% 畅通。
以极简 AI 识别作为高频流量入口，引导至定制化营养师报告与电商推荐，搭建完整的 SaaS 变现漏斗。
剥离喝水、加餐等高频标准化动作，采用前端本地直录规避不必要的云端调用，实现体验与 API 成本的双赢。
一款大幅提升传统厂房布局效率的 B 端赋能工具。通过引入底层运筹优化算法，将复杂的建筑设计转化为数学求最优解问题，把交付排期从数天级压缩至小时级。
探索背后的算法选型与业务推演
深度调研设计师痛点，将模糊需求结构化抽象，确立了“全生命周期运营流线成本最低”的产品优化目标。
引入贴合工业物流阻力的曼哈顿距离与垂直惩罚系数，否决脱离实际的纯数学直线测算，确保方案真实可落地。
打通从抽象数据到 Stable Diffusion 高保真渲染的流水线，大幅降低前期销售与甲方的沟通摩擦。
一款为消除散户“盯盘内耗”而生的财务基建产品。在零预算约束下，主导架构了基于 n8n 与智谱大模型的 Serverless 流水线。
探索大模型降级清洗与零成本架构
敏锐捕捉平台滞后引发的“盲盒焦虑”，接入大模型将枯燥的 K 线清洗、翻译为极简投资摘要。
手写降级策略应对 API 高频波动，通过强制锚定最新大盘点位，提前 24 小时向用户反馈真实账户盈亏。
统筹 Hugging Face 容器资源攻克跨网代理底层屏障，打通飞书机器人节点，实现 T+0 战报自动化播报。
如果您想保存我的简历或者还有其他想了解的信息，请点击右方按钮
研究方向：数字化设计（生成式设计、交互设计、智能建造）
主修课程：Python 编程基础、数据分析与挖掘、算法与应用
成绩情况：GPA 3.86/4.00 (加权 90.52/100)
产品与设计： Axure, Figma, Xmind, Photoshop
数据与开发： Python, SQL, Excel
AI 效率工具： Stable Diffusion, Midjourney, Prompt Engineering
得益于建筑设计背景与全栈开发实践，习惯于在复杂的资源约束（体验、成本、技术边界）下寻找最优产品解。能够顺畅对接研发团队，拒绝脱离实际的过度设计。
不仅停留在工具层面，更致力于大模型能力的商业化收敛。在过往独立项目中，熟练将 VLM 视觉大模型、生成式渲染等技术成功封装入产品闭环。
拥有 0 到 1 的项目统筹经验，执行力强。能够将模糊的业务需求转化为结构化的 PRD 与技术语言，习惯用数据与量化指标驱动决策。