AI 竞赛浙江省大学生人工智能大赛二等奖
英语CET-6 562 / CET-4 563
奖学金校级奖学金 5 次
WHERE I ADD VALUE
我的能力，落在项目里。
CASE 01 · SALES INTELLIGENCE
DealTrace
飞书销售群聊事项追踪
我的角色
业务设计与原型落地
2026.01—2026.04
客户需求、顾虑和待办散落在跨天群聊中。按轮总结容易重复建档或遗漏未解决事项，状态变化也难以回到原消息核对。
6 类场景 · 6 个案例 · 18 轮对话；事项变化召回率 61.1%，客户状态判断准确率约 93%，评估结论均可回溯原始聊天证据。
我的工作
- 梳理事项口径
把群聊中的需求、顾虑、风险和待办定义为可持续更新的销售事项，避免每轮对话都生成一份互不关联的总结。
- 设计状态流转
设计事项的创建、更新、暂缓和已解决规则，使未解决事项能够跨天保留，并减少话题切换和表述变化造成的误建与丢失。
- 校验更新结果
要求每次状态变化引用对应的原始消息，无证据结果不写入；通过 6 个案例、18 轮连续对话回放检查事项更新是否准确。
方案链路
CASE 02 · DATA INTELLIGENCE
QueryPilot
业务数据智能查询
我的角色
方案设计与评测负责人
2026.06—至今
销售和运营的临时取数依赖报表或技术人员；自然语言查询又可能因字段映射、表关联或权限问题，生成错误或无法执行的 SQL。
必要字段召回率达到 81.01%，较单一检索提高 53.35 个百分点；端到端执行准确率由 43.75% 提升至 53.75%。
我的工作
- 梳理查询路径
区分新数据查询与已有结果追问，并为信息不足的请求设置澄清节点，明确什么时候进入查询、什么时候先补充信息。
- 补齐查询上下文
针对字段漏召回和多表关联缺失，参与设计关键词与语义融合检索、Schema 关系图和 Join Key 补全，为 SQL 生成提供所需的表与字段。
- 用评测定位问题
基于 80 条问题建立字段召回与执行准确率评测，并结合 Trace 区分检索、关联、生成、校验和执行阶段的问题，比较不同检索方案和业务背景输入的实际影响。
方案链路
WHAT I BELIEVE
AI真正进入业务，
靠的不只是模型能力。
我怎样看待 AI
AI 的价值不只在于生成答案，更在于帮助团队理解、拆解和验证复杂问题；进入真实业务后，数据、证据、权限和人工边界同样重要。
我想成为什么样的人
成为连接业务、用户与 AI 的人，听懂真实问题，判断适用场景，把想法转化为可验证的方案。
我希望为团队带来什么
带来清晰的问题定义、可验证的方案和持续复盘的工作方式，减少无效尝试，推动 AI 从“能够运行”走向“值得使用”。
