本站为个人学习笔记与静态作品集（个人学习笔记和静态作品集），页面内容为静态展示，无用户注册登录，无网站内在线交互服务。
谭程俊 × AI 助理
分层建模思考，自带多层校验体系
摒弃单一脚本式大模型 Demo，基于业务复杂度分层设计三层 Agent 协作架构，搭建标准化状态机流转、多主体交叉验证、异常错误记忆复盘三大验证机制；所有架构方案落地前完成逻辑推演、边界用例测试、线上灰度校验，从根源降低 AI 系统幻觉、流程中断风险。
成本前置推演，量化验证优化收益
落地 RAG 前先完成全链路 Token 消耗测算、检索召回准确率仿真验证，设计三路意图路由分层检索架构，通过多批次样本对比测试迭代向量库策略；经线上真实业务验证，模型调用 Token 消耗降低 90%，接口响应速度提升百倍，可量化证明方案价值。
金融合规场景，强约束下的风险验证思维
深耕银行 IFRS9、信贷风控等高合规要求场景，建立「规则 + 模型」双重校验体系，所有风险识别、预警逻辑均配套完整反例、异常样本验证流程；深谙金融业务零容错标准，习惯在方案设计阶段预埋复核、追溯、审计能力，规避合规与数据风险。
可迭代落地思维，全生命周期验证闭环
所有产出系统均配套完整验证流程、可观测指标、迭代回滚方案，上线前完成功能、性能、边界场景三轮验证；不交付一次性 Demo，通过常态化线上数据校验、效果复盘持续优化架构，长期稳定承载业务生产需求。
点击场景卡片可填入邮件主题，或直接输入内容后发送——将打开您本机邮件客户端，不在本网站内进行 AI 对话或数据提交。
信息调研
多源搜索 + 结构化报告，信息带来源
数据分析
Excel/PDF/CSV 全格式，自动清洗+可视化
文档写作
Word/PPT/PDF 全格式输出，从大纲到成品
架构设计
Agent 协作 / 通信桥 / 状态机 / 交叉验证
不是零散玩具 Demo，而是统一域名下的多产品线 + 可观测运维 + 投资人看板 + Agent 服务层。个人站点承载量化、学位房、理财、开源方法论等能力，并由运维后台统一存活检测与 Pipeline 调度——体现从架构设计到长期运维的完整闭环。
aialter.site 多产品 AI 协作平台
架构思考：将量化投研、学位房决策、理财终端、子账户看板、Agent API 收敛到同一套 Nginx + 多后端服务架构，避免「一个需求一个孤立脚本」；设计统一 Token 鉴权、健康检查、站点导航与运维看板，支撑长期迭代而非一次性上线。
验证机制：运维后台对全站入口一键存活检测；子账户看板校验持仓/策略数据一致性；猎手 Pipeline 支持断点恢复与盘后复核节点，防止自动化流程静默失败。
以下为核心业务产品与技术代表作，点击截图可放大预览。更多演示页、教学工具等不作为主要展示项，避免简历呈现「项目堆砌感」。
HunterClaw 三层 Agent 协作系统
业务思考：解决单智能体逻辑混乱、结果不可信、无状态追溯问题，拆解出决策、执行、数据三层分工架构。
验证体系：设计状态机流转校验、多 Agent 交叉复核、异常错误记忆复盘三重验证机制，覆盖流程中断、输出幻觉、数据偏差三类风险。
落地实现：基于 Redis+SQLite 搭建持久化存储，搭配 Chroma 向量库、DeepSeek/GLM 多模型底座完成开发。
落地效果：全流程可追溯、输出可信度大幅提升，经连续 2 个月线上运行验证，支撑多复杂业务自动化流程稳定运行。
Finance-Risk-RAG v2.0
业务思考：金融信贷文档存在格式杂乱、关键风险信息漏检、检索匹配不准问题，设计全链路文档解析 + 实体识别检索方案。
验证机制：构建正负样本测试集，对比纯关键词检索、单向量检索、多路融合检索召回准确率，迭代 BERT 实体融合规则。
落地实现：搭建 PDF-OCR-分类-实体融合-向量检索完整管线，基于 FAISS 构建风控专属知识库。
落地效果：经上万份信贷文档验证，风险实体识别漏检率显著下降，支撑贷前审查、贷后预警自动化合规核验。
Alpha_Terminal 理财顾问终端
业务思考：解决散户理财信息碎片化、行情与知识割裂问题，设计行情聚合 + 知识库问答 + 会员权限分层服务架构。
验证机制：多路行情源交叉比对校验、知识库召回准确率样本测试、VIP 权限边界场景验证。
落地实现：Node.js 后端 + Tailwind H5 + 腾讯云部署，三路行情聚合与 IMA 知识库集成。
落地效果：经线上用户场景验证稳定运行，实现行情、资讯、问答一体化理财服务闭环。
深圳学位房规划助手
业务思考：学位政策复杂、积分规则多变，拆解为积分计算、学区匹配、回测验证三层决策支持体系。
验证机制：10 区政策规则交叉校验、历史录取数据回测引擎验证预测准确率、学位锁定边界用例测试。
落地实现：Coze Bot + FastAPI + H5，学区地图与积分引擎集成。
落地效果：经多区真实政策样本验证，支撑家长学位规划决策，降低政策理解偏差风险。
以下为过往打工期间主导或核心参与的生产级交付，无独立公网演示，以业务结果与架构职责为主。与上方自研平台、开源作品形成「企业交付能力 + 自研体系化沉淀」双轨展示。
洲明科技 · 企业 AI 数据中台
- 企业级 RAG 知识库：14 源系统文档接入，三路意图路由 + FAISS，经线上验证 Token 降 90%、响应提速百倍
- 五阶段 Agent 报表流水线：5 Agent 串行协作，节点校验防数据污染，替代人工重复出表
- 236 套生产 SQL + 225+ ETL：StarRocks 实时模型体系，改 SQL 前强制核对守卫流程
- Coze 数智开发助手：统一团队 AI 落地规范、测试验证与 Prompt 模板
东亚银行 · 金融风控 AI
- 财务文档智能解析链：OCR → 分类 → 风险实体识别 → 检索问答，适配港粤英多语言
- IFRS9 报送与信贷监控：「模型 + 规则」双重校验，反例样本全覆盖测试
- BERT 实体微调 + 规则引擎：贷前审查、贷后预警自动化，全流程复核追溯
- 团队交付管理：需求拆解、方案评审、合规样本验证闭环
金蝶国际 · 云 AI 数据中台
- 多租户数据管道：Flink CDC + DataX，TB 级多源并发同步与异常监控
- AI 能力中台：为大模型应用提供标准化、可审计的企业数据接口层
- 数据分层治理：支撑金蝶云产品线客户侧数据集成与服务质量 SLA
早期 · 大数据平台
- 车企车载推荐系统：Spark Streaming + Kafka + HBase 实时推荐链路
- 电商数仓与用户画像：离线 + 实时分层建模，支撑精准营销与运营分析
- 数据平台工程化：ETL 调度、质量校验、指标口径统一（任职期间基础能力沉淀）
① AI 系统顶层设计与全链路验证（核心优势）
多智能体分层架构设计：需求拆解、任务分层、通信流程建模、Plan-Execute 任务规划思考 · 全链路验证体系搭建：状态机流程校验、多主体交叉复核、幻觉抑制校验、异常样本沉淀复盘、上线灰度仿真验证 · 方案量化推演：模型调用成本测算、检索召回效果对比、业务收益前置仿真评估 · 高合规场景风险前置设计：审计追溯、双重校验、边界风险预埋机制
② RAG 与大模型工程落地
向量检索架构、多模型路由降级、微调、提示词体系、多格式文档解析管线；ChromaDB / FAISS 三路意图路由，经线上验证 Token 消耗降 90%
③ 数据中台 / 量化 / 全栈工程
数据分层建模、ETL 调度、实时计算、前后端开发、云部署；量化投研铁律状态机与回测引擎；通用数据采集与安全研究作为落地实现工具
落地实现：完成 236 套业务 SQL 模型、225+ ETL 脚本开发维护，基于 FAISS 三路意图路由落地知识库，经多轮线上验证实现 Token 成本下降 90%。
落地实现：完成财务文档 OCR 解析、BERT 实体微调，适配香港中英粤多语言业务场景，上线自动化风险预警体系。
落地实现：完成 Flink CDC + DataX 多源并发管道开发与 AI 能力中台数据服务化落地。
落地实现：Spark Streaming + Kafka + HBase 实时推荐 · 电商数仓与用户画像体系搭建。