精选作品
每份作品都写清了：我做了什么判断、依据是什么、哪里还可以更好。
不是所有问题都值得走大模型
先按「高频刚需 > 流程复杂 > 补充疑问」给问题排序划定范围， 再让高频问题走确定性出口，模型只处理长尾。
把复盘出的结论，做成自己的版本
独立搭一套劳动法 RAG 问答，补上实习时最想补的回归评测集： 每次改动全量重跑，42 条用例全部通过。
拆掉后端，做成一张纯静态的网站
IT 岗位薪资分析预测系统。为了让面试官点开链接就能看， 我把 Django + MySQL 离线渲染成 333 个静态页， 并用预计算的 6720 种组合保住了薪资预测。
校汇圈：把校园里的四件事，收进一个 App
竞品分析得出的结论是：真正的对手不是同类 App，而是微信群。 这个判断改变了整个产品定位。
我做 AI 产品的三个固定动作
都来自实际做过的项目，不是方法论摘抄。
先给问题排序，再想功能
先把调研来的疑问按「高频刚需 > 流程复杂 > 补充疑问」排好序， 用这份清单划定范围。先排序再设计，后面的争议都有依据可以回到表上。
逐条核查幻觉
每个回答都要能追溯到知识库里的依据。 检索命中不等于答对——没召回、召回但输出错、 知识库版本不对，是三个层次的故障，得分开查。
不是所有问题都值得走大模型
高频问题做成确定性的直达入口，模型只负责长尾。 这个判断同时解决了三件事：成本、响应速度，以及不打扰到人。
关于我
我是施祖粤（Zoey），广州理工学院数据科学与大数据技术专业 2026 届毕业生，求职方向是 AI 产品。
我的路径是从数据走到产品的：先做 Python 爬虫、Spark 数据处理和 2 万+ 条数据分析， 再进到 AI 产品——Dify 智能体、RAG 知识库、评测与幻觉核查。 数据背景带来的好处很具体：我能直接读懂模型输出和评测结果，不用等人翻译。