项目经历
Cram Engine
Cram Engine 是我设计制作的一个针对考前快速学习的Skill，它基于学习科学原理，通过四阶段交互式教学，在有限时间里，快速把重点学懂、记住、用到答题上。
AIED是我非常感兴趣的方向，这也与我的个人经历密切相关。
AI 的出现，让我第一次看到一种可能：教学或许能够不再局限于预设的统一路径，而是根据每个人的知识基础、理解过程、思维方式与实时反馈不断调整，逐渐走向真正的“因人施教”。
我自己也一直在用大模型进行交互式学习，但在期末复习等考试场景中逐渐意识到：LLM 虽然能够回答知识问题，却未必能稳定、系统地带领一个人完成学习。反复依赖提示词纠偏、缺少整体教学规划、讲解浅而零散、长对话中的质量波动与指令漂移，都曾是我真实遇到的问题。这些问题让复习路径变得碎片化，也让持续的检验与反馈难以形成。
为此，我结合学习科学原理与自己的复习经历，把教学规划落实到各阶段的任务、交互规则与进度记录中，将零散的 Prompt 问答重构为有考点优先级、可连续推进的学习流程，把 Cram Engine 做了出来。
教学机制与交互设计
我将认知负荷控制、生成效应、检索练习等六项学习科学原理转化为分块讲授、关联追问、主动总结及作答检验等交互规则，构建“拆解—讲授—检题—补漏”四阶段流程。
首次使用时，通过七项启动配置收集课程、教材、复习资料、题型及老师划定考点等信息，生成知识树，并以“必考点／扩展点”分级驱动讲授优先级、测试覆盖与复测策略。
检题按实际考试题型适配，通过作答反馈识别薄弱点；补漏则按错误类型匹配纠正方式，再通过重测检验掌握情况。学习进度保存在本地，支持断点续学。
作品的传播与反馈
作品也取得了一定成绩：
GitHub仓库获178 Stars ；
得到美团旗下Tabbit浏览器官方合作邀请入驻，并始终居于热度榜前十；
获推特、CSDN、知乎等多平台博主主动推荐与传播；
抖音单条图文作品获56万播放、2.4万点赞、7千收藏、2千分享、沉淀200人粉丝群，得到抖音科技官方联系并推流；
也收到了来自不同学科、不同高校用户的积极反馈。
GitHub · Cram Engine
DATAMIND
DATAMIND 是我在学习到本专业的核心课程 绩效管理 时，通过 AI Coding 制作的一款离线销售绩效分析工具，也是我主动将理论应用于实际业务的一次探索尝试。
在前期需求验证中，我实地走访了本地 5 家销售型企业，与管理者直接沟通，发现一个共性问题：企业积累了大量销售数据，却难以将其转化为管理决策的依据。结合对 6.7 万条真实销售数据的清洗处理，我聚焦员工、产品及区域表现等高频分析场景，定义分析模板与指标口径。
随后，在方案设计中，我将绩效管理理论转化为业务诊断规则，设计员工业绩排行、产品销量、区域对比、销售员横向对比四类模板；针对同一指标，提供“通俗版＋HR 专业版”双层解读，分别以业务语言和绩效管理理论进行解释，并配套行动建议。
在开发与迭代交付中，我独立完成开发、验收测试与打包，基于 Electron＋Vue 实现离线桌面端，支持 Excel/CSV 导入与 PDF/Excel 导出。项目累计完成三轮小版本迭代，已交付给一家企业，并在其真实业务中落地使用。
实习经历
今年暑假，我来到宇宙中心五道口，在 TTC 开始了一段AI猎头顾问实习。
TTC是一家AI Native 科技公司，已接连获得源码资本、创新工场、九合创投、中关村资本、厚雪资本、百度等机构的多轮投资。
在这里，我参与了AI招聘行业的一线实践，接触到头部AI科技企业的真实业务需求，也与许多具身智能领域的高阶人才有过直接交流。
当然，也遇到了专业又 nice 的 mentor，认识了更多优秀且有意思的人。这是一段很充实的经历。
AI Native 业务流程优化
针对实习业务中出现的人才库入库、候选人触达、日报整理3个高频低效流程，主动设计并落地1个脚本+2个Skill。
① 针对内部Agent返回候选人后仍需逐份下载、录入的问题，开发Playwright批量处理脚本，通过URL幂等、SHA-256内容去重、异常隔离和历史状态管理实现批量录入与查重；累计记录957次成功下载，将每100份简历的人工操作时长由60min→5min（-92%）。
②针对高阶候选人需逐一研判背景、撰写邀约的问题，沉淀技术方向、资历分档、措辞规则，基于包含 27 个字段的人选资料设计邮件Skill，实现人选识别、分层、履历亮点提取与个性化邀约生成，并通过历史判重和输出自检控制重复与不当表述，支撑近200名高阶人才实际触达。
③ 针对每日工作需重复整理为不同汇报内容的问题，设计日报 Skill，将口述工作拆解为结构化事实，生成适配不同汇报场景的日报与次日计划，并跨天归档，将整理时间由30min→约10min。
高阶人才寻访与Mapping
负责VLA高阶岗位交付，核心 Case 包括 300万+VLA算法负责人/联创、硬件负责人及核心算法岗的寻访与候选人推进。
以职位表、目标公司表、人选表三张表为寻访主线，梳理58家目标企业、40个岗位。结合JD、水下信息、论文及开源项目，逐步拆解技术画像，将泛VLA寻访范围收敛至Manipulation等细分方向。通过GitHub、Google Scholar 等渠道挖掘160＋名博士、Senior IC 及技术负责人，沉淀近200人候选池并依次完成个性化触达，推动20人建联、3人进入客户面试流程。
同时针对小米、小鹏等头部Robotics团队，以论文、开源项目和贡献者关系反推技术分工，据客户需求定向锁定目标Team。
实习生招聘与主动BD
入职8个工作日完成1名实习生全流程招聘并推进到岗。
同步运营小红书招聘渠道，通过封面、标题及文案迭代优化获客效果，并从招聘帖评论中识别企业真实的猎头需求、主动完成建联及转交；该客户后续持续释放CPO、AIPM等多岗位需求，截至实习结束已出Offer。