技术能力

我主要的工作方向是围绕Claude API来做实际的应用开发。之前做过几个上线的项目，核心就是用AI能力去解决具体的业务问题。

技术上，我对Claude 3几个模型（Haiku, Sonnet, Opus）算是摸得比较透了。什么时候该用速度快的Haiku，什么时候必须上能力最强的Opus，这里面的成本和效果权衡我很有心得。为了把模型能力“榨干”，我花了很多功夫研究提示词工程，不只是简单的问答，像让模型模仿特定口吻写作、按照固定格式输出JSON数据、或者进行多步骤的复杂推理，这些实战技巧我都积累了一套自己的方法。

另外，我也在处理私有数据方面有实际经验。用过向量数据库（比如Pinecone）配合Claude搭建过企业知识库，就是所谓的RAG系统，这样AI回答专业问题就更准了。做项目时，我特别看重整个系统的稳定性和安全性，比如会给AI的输出加一层内容审核，也会做好用量监控，帮客户控制成本。

总的来说，我不仅仅会调用API，更擅长把一个AI想法从原型一步步落地，做成一个稳定、好用、能真正创造价值的应用。

项目经验

项目经验

项目一：企业级智能知识库问答系统

项目描述 & 我的角色：
这个是给一家小金融科技公司做的内部项目。他们公司内部有很多产品文档、历史会议纪要和业务规范，散落在各个地方，新员工来了找不到，老员工查起来也费劲。我独立负责了整个系统的后端设计和AI能力集成，目标是做一个能“读懂”所有公司文档的智能问答助手。
主要工作与技术实现：

数据预处理与向量化：我写Python脚本把他们提供的上百份PDF、Word文档进行了清洗和分块，然后使用了OpenAI的嵌入模型把它们转换成向量，存进了Pinecone这个向量数据库里。
核心RAG流程搭建：用FastAPI搭建了后端服务。当用户提问时，系统会先从Pinecone里快速检索出最相关的几段资料，然后我精心设计了一套提示词，把这些资料作为“参考依据”和问题一起发给Claude Sonnet模型，让它生成精准、可靠的答案。
溯源与防幻觉：我特别要求模型在回答中注明引用了哪些源文件，这样用户能自己去核对，大大增加了信任度。同时通过提示词严格约束AI“不知道就说不知道”，有效避免了胡说八道。
项目成果：
系统上线后，内部资料查询的效率提升了大概70%，新员工的培训周期也缩短了。最关键的是，回答的准确率非常高，成为了团队日常工作中一个离不开的工具。
项目二：AI驱动的自动化内容创作与运营平台

项目描述 & 我的角色：
一个新媒体运营团队需要批量生产不同平台（比如公众号、知乎、小红书）的文案初稿，还要能生成营销邮件。我作为核心开发者，帮他们搭建了一个自动化的内容创作平台。
主要工作与技术实现：

多角色提示词设计：我为Claude设计了不同的“人设”，比如“风趣的小红书博主”、“专业的知乎答主”、“正式的商务沟通专家”。通过系统提示词，让AI能快速切换写作风格。
结构化输出与工作流：利用Claude出色的结构化输出能力（比如让它输出JSON），我让AI不仅能生成文案正文，还能同时生成多个标题、话题标签等。后端用Node.js处理这些数据，并自动填充到预设的模板里。
内容审核与优化：集成了一层安全审核，调用Claude对生成的内容进行敏感词和违禁词检查。同时，我还实现了一个“优化”功能，运营同学可以对初稿提出“再简短一点”或“更活泼一些”的指令，AI能据此进行重写。
项目成果：
客户的内容生产效率得到了极大提升，现在一个人就能完成之前一个小组的工作量。平台每周稳定产出上百篇质量合格的文案初稿，解放了人力，让他们能更专注于创意和策略。

团队情况