AI Application Portfolio

我适合做 AI 应用从需求定义到可用版本落地的那一段。

我不是把自己包装成做过重型平台的人,而是把已经做过的原型、工作流、规则体系和真实交付拆开给你看。你可以很快判断:这个人是不是适合做 AI 应用实现、工具集成和快速验证。

当前公开页只保留能验证能力边界的内容,不做收入导向展示,不放客户敏感信息。

AI 应用开发实习生Agent 应用实习生AI 产品实习生
何志超证件照
岗位判断信号

华侨大学光学工程硕士在读,2027 届

岗位方向
AI 应用 / Agent / AI 产品
工作侧重
原型落地、工具协作、流程验证
公开边界
只放事实,不放夸大叙事
主案例预览

知匣 AI 记忆盒子

面向 AI 对话上下文易丢失问题的微信小程序原型

知匣 AI 记忆盒子
Capability Snapshot

先给判断句,不先堆工具名。

能力快照只保留能直接影响岗位判断的四项内容。

01

AI 应用原型

能把抽象需求压成 MVP,独立做出可用版本,再决定是否继续扩。

02

工作流组织

不是只会用工具,而是会把输入、步骤、验收和交付顺序组织起来。

03

MCP 与工具协作

会把 Codex、GPT、Gemini、脚本和可控工具链组合成真实执行路径。

04

验证与复盘

习惯把验证前置,保留复查说明、版本痕迹和下一轮可复用规则。

Flagship Project

主案例只打一个:知匣 AI 记忆盒子。

重点看问题定义、功能拆解、上线节奏和工具协作方式。

Flagship

知匣 AI 记忆盒子

面向 AI 对话上下文易丢失问题的微信小程序原型

这个项目最能说明我做 AI 应用的方式。不是先造概念,而是先抓住一个真实问题:AI 对话记录容易碎、难检索、难回看。然后把它压成最小可用的产品能力。

  • 7 天内完成可用版本上线,覆盖需求定义、交互整理、开发和发布。
  • 基于微信小程序原生框架和云数据库,实现标签分类、关键词搜索、置顶、回收站、导入导出、云同步和订阅消息提醒。
  • 在实现过程中使用 GPT、Gemini、Codex 辅助做需求拆解、代码生成、调试优化和版本迭代,但关键判断由我自己收口。
7 天上线独立开发云同步微信生态
Work Method

把复杂任务压成可执行路径。

我更习惯先定输入输出、规则和验证动作,再决定工具组合。

01

先压目标

先确定页面用途、真实约束、最小可交付结果,再决定哪些内容进入首版。

02

再选工具

优先选可控、可验证、可复用的工具路线,而不是为了新奇感额外加复杂度。

03

中途做验证

在实现中段就补检查和复查动作,避免最后才发现结果不可解释或不可交接。

04

最后做交付收口

把结果整理成对外可读的页面、文档、交付包或复现说明,方便下一轮继续协作。

Commercial Proof

脱敏后的真实交付,比空泛自评更有效。

公开页只展示问题、交付物和结果信号,不展示客户身份和交易细节。

我在公开页里不展示收入数字,也不展示客户信息。这里保留的是更适合招聘判断的部分:面对真实需求时,我如何定义问题、组织材料、形成交付。

风电混合储能图表交付
Matlab / 仿真 真实脚本 + 结果图 + 复现说明

风电混合储能图表交付

问题
客户要求必须走 MATLAB 路线,结果图需要真实运行生成,同时要把多轮反馈压回一个可独立运行的交付包。
交付
整理了脚本入口、结果图、指标说明、复现步骤和压缩包,保证客户收到的不只是图片,而是能继续核对的材料。
结果
把分散的实验结果收束成一份可复查、可继续修改的交付结构,公开页只保留方法信号和图表样例。
油菜点云结果图文报告
点云 / 数据处理 方法研究材料整理

油菜点云结果图文报告

问题
客户更关心方法研究材料,而不是一味追求“全部样本都完美”。数据质量有限,必须保留成功样本和失败样本的边界。
交付
输出了带图题、摘要表和复现路径的图文报告,把候选结果、样本筛选和注意事项整理成论文式表达。
结果
项目重点不再是单次炫效果,而是把结果解释路径和数据边界说清楚,适合继续研究或修改。
科研辅助工作流模板化
工作流 / 自动化 模板、规则、交付收口

科研辅助工作流模板化

问题
不同客户需求跨图文、仿真、数据和资料整理,单次完成并不难,难的是把交付过程沉淀成可重复的模板与规则。
交付
把需求记录、项目摘要、迭代节点、交付目录和规则说明固定下来,让下一次接近需求可以更快进入执行状态。
结果
我积累的不是单一项目经验,而是一套能把新任务快速压成可执行路径的工作方式。
Boundaries

明确会什么,也明确不夸大什么。

这部分直接影响可信度,所以单独展开。

我会主动强调

  • AI 应用原型、工具集成、快速验证和结果收口。
  • 能把需求、页面、脚本、资料和交付动作组织起来。
  • 会在公开表达里保留边界,不把自己包装成全栈大平台候选人。

我不会夸大

  • 不把自己写成做过成熟生产级 Agent 平台的人。
  • 不把基础理解包装成长期稳定运行的 RAG 系统经验。
  • 不把副业交付写成不可核对的大额商业神话。
Contact

如果已经判断匹配,下一步入口就在这里。

公开页只保留最短联系路径和一份 AI 岗简历。

如果你已经判断这条路匹配,可以直接进入下一步。

建议先看简历,再决定是否继续聊项目细节。微信沟通可以在邮件中备注,我会按场景提供最合适的联系路径。

AI 应用 / Agent 方向简历 hezhichao08@163.com

可在邮件中备注微信沟通需求。