这些项目,以及我当时为什么这么决定。
按 AI 产品 / AIGC 生成 / 数据分析 三个方向归类。 我更愿意把作品集写成决策记录而不是成果清单——因为面试时被追问的从来不是结果, 而是你当时怎么想的。每个案例里都写了哪些是当时就想到的、哪些是事后复盘才明白的。
AI 产品
一个实习上线的智能体、一个独立开源的复刻版,加一个补基本功的产品设计。
不是所有问题都值得走大模型
鸣鸣很忙 · 产品实习生。先给问题排序划定范围,再把高频问题做成确定性出口, 模型只处理长尾。也写清了我在实习期间做的事,和事后复盘才想明白的事之间的区别。
把复盘出的结论,做成自己的版本
用公开的劳动法文本独立搭一套 RAG 问答,把实习复盘出的三条改进做进去: 结构化切分控上下文、高频问题确定性出口、回归评测集。 55 条知识库问答做成了可搜索的在线问答集。
校汇圈:把校园里的四件事,收进一个 App
独立完成从问题定义到可交互原型的全流程。 竞品分析得出的关键判断是:真正的替代品不是同类 App,而是微信群与 QQ 群。
AIGC 生成
一条 ComfyUI 素材流水线 + 三条科普短片,两种完全不同的技术能力。
用架构保证一致性,而不是靠提示词祈祷
latent noise mask 把产品像素排除在扩散之外,只重绘背景与边缘光影; 自建三项质检指标与判废阈值。6 场景 × 2 seed 共 12 张全部通过。
先跑通一条现成的流水线
《YOLO 是怎么识别物体的》。把只在 macOS / Linux 上能跑的开源链路修到 Windows 可用, 并补了一份中英双语的安装指南。这份经历让我看清了一条片子的完整工序。
把上一期提的四条改进,全部落地
《机会成本》。同一套本地流水线,这一期没换路线、换的是执行: 钩子问题开场、10 种转场、逐句字幕、6 色配色与 13 个火柴人。 顺手把版式重写成了可复用的图元包。
零成本做出一条 2′29″ 的知识短视频
《马太效应》。放弃生成式视频、改走代码渲染, 把过程固化成一条可重跑的流水线。成片可直接在线观看。
数据分析
从采集、清洗、可视化到预测模型,一个完整跑通的数据系统。