牵头 4—6 人算法与工程混合项目组，负责金融 AI Agent 技术路线、架构设计、模型训练与评测，推动理财、信贷、合规场景从 PoC 到生产落地。 系统日均请求 10 万+，覆盖 C 端 80 万+、B 端 3000+ 用户，跨 7+ 团队协作，负责任务拆解、技术评审、质量控制和效果复盘。
主导金融用户画像、自动化分析与增长算法建设，覆盖 1.5 亿+ 金融用户、5000+ 画像标签，支撑 10+ 业务团队、30+ 策略场景。 代表项目：支付文本标签云（准确率 89%）、用户流失预测（AUC 0.86、挽回 AUM 60 亿+）、理财通基金推荐（CTR +22%、AUM 增量 80 亿+）、 群体分析自动化平台（分析周期 3 天 → 2 小时），年化收入增益数千万。
参与用户画像与推荐系统从 0 到 1 建设，链路覆盖亿级支付用户、千万级商户，日均处理 10 亿+ 交易/行为事件，构建 3000+ 维特征宽表与百亿级关系链。 代表成果：宽表 P99 查询耗时降 60%、商户分类准确率 92%、关系链信用评估 KS +0.05、自选股新闻推荐 CTR +20%、时序特征压缩存储成本降 60%。
面向 6—12 岁儿童的 AI 作业伴侣：语音对话、作业拍照审阅（OCR + VLM）、学习任务管理与番茄钟，端侧预筛 + 云端精判的低成本语音架构。
系统化的 LLM 学习站点，5 大支柱结构覆盖模型架构、训练方法、推理部署、数据工程、Agent 与多模态，纯静态多页 HTML + 原生 JS，含互动可视化与测验。
本地优先的 AI 金融分析工作台，基于价值投资框架（ROE / 负债率 / OCF 质量 / DCF 安全边际）做个股深度尽调，CLI 数据管道内置提示词注入防御。