AI 工程师 · 郑州

AO

把 Agent 工作流、RAG 检索与 AIGC 生成管线从内部 Demo 推进到可使用、可复查的产品流程。

面向仍停留在内部原型、人工反复和不稳定交接链路中的 AI 应用场景。

4

年 AI 工具与工作流经验

3

段经历 · Agent / RAG / AIGC

2

核心方向 · 工程 + 自动化

项目

围绕业务场景和交付约束展开的应用 AI 工作。

01

LoRA 调优 / 商业图像生成

门店招牌图像生成工作流

面向门店招牌场景打磨图像生成流程,覆盖样本整理、prompt 策略、LoRA 训练与质量复核。

LoRA 训练Prompt 策略结果评估

交付结果帮助业务团队更快生成候选视觉方向,减少早期反复手工修图和沟通成本。

Generation Console

image workflow

prompt pass86%
style
0.86
scene
0.92
review
OK
LoRA 训练Prompt 策略结果评估
浏览
02

检索系统 / 业务匹配

RAG 知识匹配工作流

围绕 embeddings、资料向量化、召回逻辑、相似度调优与结果评估,构建案例检索和推荐匹配流程。

Embeddings相似度调优匹配评估

交付结果提升资料检索、案例匹配与业务侧推荐流程的速度和一致性。

Retrieval Map

rag matching

Q
DB
R
A
余弦
0.94
点积
0.87
欧氏
0.79
03

AIGC 工作流 / API 集成

ComfyUI 写真生成管线

为 AI 写真场景组装可复用的 ComfyUI 与 Stable Diffusion 工作流,覆盖预处理、生成、背景替换与结果返回。

ComfyUI 编排API 交接故障诊断

交付结果把图像生成能力从单点测试推进到更稳定的前后端联调和 Demo 可用流程。

ComfyUI Pipeline

generation graph

预处理
生成
输出
ComfyUI 编排
API 交接
故障诊断

笔记

记录能延伸 AI 工程实践的问题与决策。

工作备忘

让 Agent 工作流经得起业务约束

阅读
现场笔记

什么样的 ComfyUI 工作流才算能走出 Demo

整理中
短文

RAG 匹配系统需要评估,而不只是检索

整理中