本站为个人学习笔记与静态作品集（个人学习笔记和静态作品集），页面内容为静态展示，无用户注册登录，无网站内在线交互服务。
谭程俊 × AI 助理
分层建模思考，自带多层校验体系
摒弃单一脚本式大模型 Demo，按业务复杂度拆解为感知研判、决策风控、执行反馈多层边界；配套制度门禁、交叉复核、异常记忆复盘与灰度验收。先保证关键动作「不可越权发生」；缺数据不得伪装成健康默认值。再优化模型输出质量，从根源降低幻觉、流程中断与错误落地风险。
成本前置推演，量化验证优化收益
落地 RAG 前先完成全链路 Token 消耗测算、检索召回准确率仿真验证，设计三路意图路由分层检索架构，通过多批次样本对比测试迭代向量库策略；经线上真实业务验证，模型调用 Token 消耗降低 90%，接口响应速度提升百倍，可量化证明方案价值。
金融合规场景，强约束下的风险验证思维
深耕银行 IFRS9、信贷风控等高合规要求场景，建立「规则 + 模型」双重校验体系，所有风险识别、预警逻辑均配套完整反例、异常样本验证流程；深谙金融业务零容错标准，习惯在方案设计阶段预埋复核、追溯、审计能力，规避合规与数据风险。
可迭代落地思维，全生命周期验证闭环
所有产出系统均配套验证流程、可观测指标与回滚方案。参数合入默认关闭、显式放行；系统决策事后证伪时，必须留下可回归测试与制度记忆，而不是口头「下次注意」。上线前完成功能、性能、边界三轮验证，收工按改动域做窄验收——不交付一次性 Demo。
点击场景卡片可填入邮件主题，或直接输入内容后发送——将打开您本机邮件客户端，不在本网站内进行 AI 对话或数据提交。
信息调研
多源搜索 + 结构化报告，信息带来源
数据分析
Excel/PDF/CSV 全格式，自动清洗+可视化
文档写作
Word/PPT/PDF 全格式输出，从大纲到成品
架构设计
Agent 协作 / 通信桥 / 状态机 / 交叉验证
不是零散玩具 Demo，而是统一域名下的多产品线 + 可观测运维 + Agent 服务层。个人站点承载量化、学位房、理财、开源方法论等能力，并由运维后台统一存活检测与 Pipeline 调度——体现从架构设计到长期运维的完整闭环。
aialter.site 多产品 AI 协作平台
架构思考：将量化投研、学位房决策、理财终端、Agent API 收敛到同一套 Nginx + 多后端服务架构，避免「一个需求一个孤立脚本」；设计统一 Token 鉴权、健康检查、站点导航与运维看板，支撑长期迭代而非一次性上线。
验证机制：运维后台对全站入口一键存活检测；自动化流水线支持断点恢复与盘后复核，防止静默失败。关键接口字段走白名单透传，缺字段不得在页面上静默回落成「看起来正常」。
核心业务产品与技术代表作。量化相关为私有系统（可演示看板，不开源策略与实现细节）；部分方法论/风控 RAG 等另行开源。点击截图可放大预览。
HunterClaw 量化投研与模拟交易系统
业务价值：面向 A 股场景，把「情报研判 → 风控决策 → 模拟成交 → 效果复盘」做成可持续运行的闭环，而不是一次性信号脚本。核心目标是：在不确定的市场里，用可审计的门禁与分层仓位，先保证「做错事开不出去」，再追求可验证的收益质量。
架构能力：按生产系统拆为感知研判、决策风控、执行反馈、治理合入四层能力边界——研判层汇聚多源情报与研究角色协作；决策层用制度约束代替单一模型拍板；执行层只在可交易窗口写账；治理层保证「提案≠落地」。强调边界清晰、可观测、可回滚，而非堆叠更多模型调用。策略、因子与门禁实现保持私有。
可演示成果：产品首页、免费体验、公开跑分持续在线；支持流水线调度、异常可追踪、门禁拦截可解释。展示的是工程化风控与架构交付能力，不公开策略细节、因子公式、阈值表与持仓账本。
Finance-Risk-RAG v2.0
业务思考：金融信贷文档存在格式杂乱、关键风险信息漏检、检索匹配不准问题，设计全链路文档解析 + 实体识别检索方案。
验证机制：构建正负样本测试集，对比纯关键词检索、单向量检索、多路融合检索召回准确率，迭代 BERT 实体融合规则。
落地实现：搭建 PDF-OCR-分类-实体融合-向量检索完整管线，基于 FAISS 构建风控专属知识库。
落地效果：经上万份信贷文档验证，风险实体识别漏检率显著下降，支撑贷前审查、贷后预警自动化合规核验。
Alpha_Terminal 理财顾问终端
业务思考：解决散户理财信息碎片化、行情与知识割裂问题，设计行情聚合 + 知识库问答 + 会员权限分层服务架构。
验证机制：多路行情源交叉比对校验、知识库召回准确率样本测试、VIP 权限边界场景验证。
落地实现：Node.js 后端 + Tailwind H5 + 腾讯云部署，三路行情聚合与 IMA 知识库集成。
落地效果：经线上用户场景验证稳定运行，实现行情、资讯、问答一体化理财服务闭环。
深圳学位房规划助手
业务思考：学位政策复杂、积分规则多变，拆解为积分计算、学区匹配、回测验证三层决策支持体系。
验证机制：10 区政策规则交叉校验、历史录取数据回测引擎验证预测准确率、学位锁定边界用例测试。
落地实现：Coze Bot + FastAPI + H5，学区地图与积分引擎集成。
落地效果：经多区真实政策样本验证，支撑家长学位规划决策，降低政策理解偏差风险。
职业成就 & 核心项目 ↗
团队荣誉证书 + 国家专利 + Agent化向导方法论 + 核心项目实战(风控RAG / 数据中台 / 多Agent协作系统)。
智能体协作模板包 ↗
基于数据中台实战验证的AI协作开发框架。核心思路：模板定义「需要什么证据」→ 用户按模板提供 → AI 按证据开发。含AGENTS.md空白模板 + 10个场景搭建提示词 + 日常低token短提示词 + 目录骨架 + 教训模板，让不懂业务的人也能用自然语言做开发。
Agent Decision Engine ↗
业务思考：从生产级投研 Agent 抽象而来的通用业务规则引擎。将制度约束、沉淀教训、多 Agent 协作与实时拦截泛化为四层通用架构；提案与合入分离，可复用于库存预警、供应链成本检测、设备故障预测等场景。
架构设计：data_layer → decision_layer → agent_collab → execution_layer，四层解耦；声明式规则 + 状态机 + 消息驱动，默认关闭、显式放行。
业余时间参与热门开源项目的文档共建。贡献体量不大，主要是把日常使用中发现的文档缺口补上——保持技术好奇心，也愿意为社区出一份力。
DBX · 轻量级跨平台数据库客户端
项目简介：t8y2/dbx 是一款约 20MB 的轻量级数据库管理工具，支持 MySQL、PostgreSQL、SQLite、Redis、MongoDB、StarRocks 等 60+ 数据源，内置 AI 助手与 MCP 集成，桌面端、Docker 自托管与 Web 版均可使用。
我的参与：作为日常工具使用者，先从文档入手参与共建。提交 PR #3010（docs: add contributing guide, web API reference, and examples），补充中英文贡献指南、Web API 参考，以及 CLI / MCP / Docker / API 示例；已于 2026.07 合并入主分支，维护者致谢反馈。
个人感受：不算核心代码贡献，但能把「新人如何参与」和「Web 部署怎么用」写清楚，对项目同样有价值。后续如有精力，也会继续认领文档或 Issue。
以下为过往打工期间主导或核心参与的生产级交付，无独立公网演示，以业务结果与架构职责为主。与上方自研平台、开源作品形成「企业交付能力 + 自研体系化沉淀」双轨展示。
洲明科技 · 企业 AI 数据中台
- 企业级 RAG 知识库：14 源系统文档接入，三路意图路由 + FAISS，经线上验证 Token 降 90%、响应提速百倍
- 五阶段 Agent 报表流水线：5 Agent 串行协作，节点校验防数据污染，替代人工重复出表
- 236 套生产 SQL + 225+ ETL：StarRocks 实时模型体系，改 SQL 前强制核对守卫流程
- Coze 数智开发助手：统一团队 AI 落地规范、测试验证与 Prompt 模板
东亚银行 · 金融风控 AI
- 财务文档智能解析链：OCR → 分类 → 风险实体识别 → 检索问答，适配港粤英多语言
- IFRS9 报送与信贷监控：「模型 + 规则」双重校验，反例样本全覆盖测试
- BERT 实体微调 + 规则引擎：贷前审查、贷后预警自动化，全流程复核追溯
- 团队交付管理：需求拆解、方案评审、合规样本验证闭环
金蝶国际 · 云 AI 数据中台
- 多租户数据管道：Flink CDC + DataX，TB 级多源并发同步与异常监控
- AI 能力中台：为大模型应用提供标准化、可审计的企业数据接口层
- 数据分层治理：支撑金蝶云产品线客户侧数据集成与服务质量 SLA
早期 · 大数据平台
- 车企车载推荐系统：Spark Streaming + Kafka + HBase 实时推荐链路
- 电商数仓与用户画像：离线 + 实时分层建模，支撑精准营销与运营分析
- 数据平台工程化：ETL 调度、质量校验、指标口径统一（任职期间基础能力沉淀）
① AI 系统顶层设计与全链路验证（核心优势）
多智能体分层架构：需求拆解、任务分层、通信流程建模、Plan-Execute 任务规划 · 全链路验证：状态机校验、多主体交叉复核、幻觉抑制、异常样本复盘、上线灰度 · 生产治理：合入默认关闭与显式放行、错误决策三产出（可回归测试 + 制度记忆 + 下次先问人）、前后端字段契约测试、收工分域窄验收 · 方案量化推演：Token/召回/收益前置评估 · 高合规场景：审计追溯、双重校验、边界风险预埋
② RAG 与大模型工程落地
向量检索架构、多模型路由降级、微调、提示词体系、多格式文档解析管线；ChromaDB / FAISS 三路意图路由，经线上验证 Token 消耗降 90%
③ 数据中台 / 量化 / 全栈工程
数据分层建模、ETL 调度、实时计算、前后端开发、云部署；量化投研状态机与回测引擎（策略细节不公开）；通用数据采集作为落地实现工具
落地实现：完成 236 套业务 SQL 模型、225+ ETL 脚本开发维护，基于 FAISS 三路意图路由落地知识库，经多轮线上验证实现 Token 成本下降 90%。
落地实现：完成财务文档 OCR 解析、BERT 实体微调，适配香港中英粤多语言业务场景，上线自动化风险预警体系。
落地实现：完成 Flink CDC + DataX 多源并发管道开发与 AI 能力中台数据服务化落地。
落地实现：Spark Streaming + Kafka + HBase 实时推荐 · 电商数仓与用户画像体系搭建。