Hi，很高兴你来了
我是 Huang，感谢您的时间
擅长把模糊需求拆解成清晰流程，用 Coze、Trae、Codex 等工具快速搭出可验证的版本。有 AI 数据标注兼职经历：为模型设计测试题目，判断其能力边界，对错误案例归因，并撰写参考答案与解析，反馈给上游优化指令与训练数据。自驱力强，能独立完成从需求拆解到跑通验证的完整闭环。
Contact Me纸上得来终觉浅，绝知此事要躬行。对各种新工具贯彻边做边学，从需求到验证全程自己推进。
从业务痛点出发设计方案，关注可执行性和落地交付。
项目经过多轮调试和优化，遇到报错先自己排查，从失败中提炼规则，持续改进直到跑通落地。
项目结束后会整理问题清单和解决思路，沉淀可复用 SOP。
思考哪些流程可以固化、哪些可以AI辅助决策提效，产出可量化的效率提升。
n8n + 邮件通知 · 2025.08
Coze 国内版 + 飞书多维表格 + 豆包模型 · 2026.03
Playwright + DeepSeek API + Python + 飞书 Webhook · 2026.09
人工巡检库存容易遗漏，可能导致缺货或积压，影响补货决策。
每周节省 2 小时人工巡检时间，避免因缺货导致的订单损失风险。模拟测试 10 次随机缺货或积压场景，均能正常发送告警。
规则 + AI 混合更稳。预留 Claude API 节点，未来可替换。
外贸公司客服常见问题包括产品参数、物流查询、售后流程等。人工客服重复回答多，复杂问题转人工时还要反复确认信息，沟通成本高。目标是做一个 AI 客服助手：基于 FAQ 自动回答常见问题，遇到投诉、退货、转人工等复杂场景时，自动收集信息、创建工单并转人工。
实现 FAQ 自动问答、中英文切换、关键词 / 连续未解决转人工。用户说“投诉”“退货”“退款”“人工”时，自动进入工单收集流程。工单信息自动写入飞书多维表格，包含工单编号、订单号、产品型号、问题描述、状态等。
低代码平台虽然快，但存在黑盒限制，产品 / 自动化岗位要具备“绕行思维”。提示词要边界清晰，避免 AI 过度思考。
亚马逊运营需要每日了解竞品口碑变化，但手动翻阅评论耗时且无法量化趋势。目标是做一个能自动抓取评论、分析情感与主题、生成日报并推送到飞书的工具。
每天自动分析 8 个 ASIN、约 320 条评论，生成日报并推送飞书。周报自动汇总品类趋势、差评集中点、黑马产品候选。
规则兜底 + AI 精排的混合模式更稳。要关注执行落地侧，能推送到飞书、能被人看懂、能指导行动，才算真正落地。
