AI Product
从需求到上线的完整 AI 产品实践
两个独立完成的 AI 产品，覆盖调研验证、架构设计、Prompt 工程、质量评测到部署上线全链路
个人独立项目
/
2025.12 – 2026.02
/
已上线 Vercel
StyleCompass · AI 出行打包决策助手
把"穿什么、带什么"，从出发前的焦虑，变成一次可计算的决策。
描述一次行程，AI 自动整合目的地天气、行程场景与个人衣橱，生成每日穿搭方案与可执行的打包清单。调研、设计、开发、上线，由我一人完成。
核心洞察：通过问卷与用户访谈发现——69% 的用户觉得行李箱空间不够用，同时 45% 的人承认带去的衣服根本没穿。用户缺少的不是"更全的清单"，而是"取舍的依据"。
Phase 01
理解行程（Planner Agent）
从自然语言中提取目的地、日期范围、场景标签等结构化信息
Phase 02
查询实时天气
接入天气 API 获取真实预报，作为穿搭推荐的硬约束条件
Phase 03
匹配个人衣橱（RAG）
衣橱物品异步向量化，作为个人知识库进行语义检索，优先复用已有单品
Phase 04
生成穿搭（Executor Agent）
基于 Gemini，结合天气、场景与衣橱匹配结果，为每天生成穿搭方案与推荐理由
Phase 05
优化打包清单（运筹算法）
带权重评分系统，平衡保暖性、风格、百搭性与行李重量
双 Agent 架构的拆分逻辑
Planner 动态决策"要不要调用工具"，Executor 稳定输出结构化结果。两类任务性质不同，分开后 Prompt 更聚焦，出错也更容易定位是哪一步的问题。
打包优化算法
score = warmth + style
+ versatility × 1.2
− weight × λ
+ versatility × 1.2
− weight × λ
λ 由用户偏好决定：极简 2.0 · 平衡 1.0 · 舒适 0.5
What-if 调整机制
用户对推荐不满意时，输入新条件（"假设下雨""增加户外运动"）重新生成，且保留原始行程上下文不被覆盖——支持在不丢失上下文的情况下反复尝试。
三层容错兜底
API 失败 → 演示模式 · AI 识别失败 → 允许手动补全 · 天气查询失败 → 按默认气候继续生成 · 向量化失败 → 不阻塞衣橱主流程。任何环节出错，用户都不会卡住。
数据指标设计：行程提交成功率（链路是否跑通）/ 方案平均生成时长 / RAG 命中率（衣橱物品被推荐采用的比例）/ 打包清单勾选完成率 / 历史行程复用率——分别对应"链路跑通""推荐精准""用户真正使用"三个层次。
Product Screenshots
Gemini API
RAG
双 Agent 架构
Prompt 工程
运筹优化
Next.js
Vercel
本科毕业设计
/
2024.01 – 2024.06
MedLink · AI 健康用药平台
面向 18–45 岁"轻问诊"人群的 AI 健康助手，以大语言模型为核心，通过多轮对话帮助用户在 10 分钟内完成症状自检、用药建议和就诊指导，打通"症状问诊 → 药品推荐 → 用药提醒"闭环。
需求验证：通过 200 份问卷 + 30 次用户访谈确定"线上问诊信息不准、症状描述欠佳"为用户核心痛点，以此锁定 AI 多轮问诊为 MVP 核心场景。
用户端核心模块
首页（全局搜索 + 信息流分发）/ 疾病大全（ICD-11 分类）/ 药品百科（扫码找药 + 用药提醒）/ AI 医生（图文 · OCR 多模态输入）/ 订单中心
AI 技术方案
基座：阿里 Qwen / 微调：开源的中文医患对话 + 药品说明书 / Prompt 三段式（角色 + 输入 + JSON 输出格式） / 管理端支持 Prompt 版本管理
Prompt 迭代：设计并迭代 3 版 Prompt（字段格式约束 → few-shot 示例），在 50 种常见症状问诊上取得较高准确率；管理端支持 Prompt 版本管理，方便持续迭代与对比评估。
3 版
Prompt 迭代版本
50 种
覆盖常见症状场景
20 人
首轮内测，反馈积极
通义千问 API
多轮对话
Prompt 工程
医疗敏感词库
Web 全栈开发
PRD 设计
