赵泉

面向海量座舱客诉场景，从 0 到 1 设计并落地 AI 运维全流程工作流，覆盖 问题分类 → 舆情预警 → 诉求分析 → 问题定界 → 智能答复 五大环节。

• AI 问题分类：基于 RAG + LLM 构建知识增强分类引擎，日均处理 10000+ 条客诉，分类准确率达 85%+
• AI 舆情预警：设计向量聚类算法实现异常舆情自动识别与分级预警，预警准确率 90%+
• AI 问题定界：引入 DeepAgents + LangGraph 构建多步推理 Agent，实现跨模块问题自动定界，准确率 80%+
• 数据与工程：利用 LLM 清洗、标准化非结构化客诉，基于 Dify 编排工作流并打通 PostgreSQL 数据链路
• 业务价值：实现从客诉接入到定界、答复的自动化闭环，日均处理 10000+ 条客诉，每月节省 20+ 人月 投入

面向部门研发效率提升，牵头 AI 实战培训、知识沉淀与标杆场景落地，推动 AI 从个人工具使用走向团队规模化应用。

• 团队赋能：组织 10+ 场 AI 实战培训，累计覆盖 400+ 人；建设 AI 知识管理体系，沉淀工具指南、标准化 Skills 与最佳实践
• 规模化实践：推动 AI 深度融入座舱运维平台研发流程，代码仓 AI 辅助开发覆盖率达 80%+，整体研发效率提升约 10 倍
• 多智能体交付：基于 Skills + Subagents 构建多智能体协作工作流，将 X 特性客制化交付的单车型工作量由约 1 人月 缩短至 3 小时
• 个人产出：全年累计合入 5万+ 行代码，编码环节 AI 辅助开发覆盖率 100%，全年交付保持 0 质量问题

• 主导音频模块架构重构与配置化改造，实现新车型 0 代码交付
• 累计成功交付 20+ 款 新车型，全程无重大质量问题
• 沉淀配置规范、交付清单与知识库，推动交付流程标准化、可复用