汪奕坤

AI 厨房助手，解决食材记录、临期提醒、菜谱决策问题。独立完成设计、开发、上线。

问题

厨房管理低频但真实存在。用户不愿花精力维护库存，但希望在买菜、做饭、临期时得到帮助。

做法

设计库存管理、AI 菜谱推荐、购物清单联动、临期提醒等核心流程。基于 Codex 独立完成产品设计、前后端开发、iOS 封装，搭建可持续迭代的产品架构。

结果

Agent 工程实践的核心案例。不是 demo，是真正做出来、完成测试、上线 App Store 的可用产品。

搜索广告图文素材供给不足，参与设计视频素材复用扩充策略，兼顾供给效率、匹配质量、广告主价值。

问题

高消耗 query 图文素材供给有限，广告填充率和满足度受限。关键不是多生成素材，而是在保证质量的前提下提升供给效率。

做法

梳理素材满足度判定维度，推动样本标注和 badcase 分析，协同研发推进“原视频抽帧 + 文案生成 + 质量过滤”策略迭代，让素材扩充有规模也能控风险。

结果

素材供给能力增强，低质量案例下降，广告主价值和投放效率改善。体现复杂业务中策略设计和质量平衡的能力。

参与 AI 助手主动推荐、记忆数据管理、RAG 辅助问答的策略优化，提升内容可用性和个性化体验。

问题

AI 助手的问题往往不是单点模型能力不足，而是推荐内容可用性、记忆可管理性、检索稳定性这些系统问题叠加。

做法

从内容可用性评估、记忆数据抽样与结构化、意图分层切入，协同算法推动推荐内容过滤、prompt 调整、记忆结构优化、RAG 触发逻辑迭代。

结果

不把模型能力当黑盒，把推荐、记忆、检索拆成具体产品问题来处理。

面向听障人群的唇语训练系统，基于图像识别能力搭建训练题库、评测机制和数据看板，推动技术成果向真实应用转化。

问题

唇语学习门槛高、标准资源少，而仅有技术识别能力并不足以形成一个能被持续使用的学习产品。问题在于如何把能力做成流程、内容和反馈体系。

做法

我带领跨学科团队，围绕“音素 - 单字 - 词语”的训练路径设计题库结构、训练流程和评测模块，并推动前端落地与场景化测试，让技术结果能够服务实际学习体验。

结果

项目获得湖北省赛金奖，并完成 Web 端落地，服务数百名用户。它能补足我的另一面：除了商业化和平台产品，我也会做真正有社会价值的 AI 应用。