从「会规划」到「能落地、可演示、可量化、可复用」
- 👋 关于我
- 🎯 核心亮点
- 🧭 三个目标岗位
- 📊 三岗位能力映射
- 📚 作品集：六大能力类目（22 个作品）
- 🖥 现场可演示清单
- 🏭 行业定制规划（分类 ⑥）
- 🛠 技术栈与实现
- 📁 仓库结构
- 📢 诚信说明
- 📬 联系我
黄家辉 · 5 年+ 企业科技服务与项目全流程经验 · 广州 · 计算机应用技术 · 软考中级 · 信息系统项目管理师备考中
目标岗位：AI 项目经理 / FDE 前线部署工程师 / AI 智能体开发工程师
我擅长把 AI 从「概念」落到「业务现场」——从需求诊断、方案设计、端到端交付到现场培训，全程打通最后一公里。本作品集是一份完整的证据链，每一项都可追溯、可验证、可演示。
| 维度 | 内容 |
|---|---|
| 真实项目 | 300+ 政府/企业项目（申报并通过 200+）· 100+ 服务企业 · **24 家（含复审）**单年高企通过 · 1 周最快交付 |
| 工程落地 | 6 层智能体架构 · 93.3% RAG 检索准确率@3（30 题） · 35 项测试通过 |
| 开源贡献 | 3 个 MCP Server + 1 个 跨应用桥接 + 3 个 DSH 插件 + 1 套 运维工具箱 + 1 份 检索规程开源（9 个仓库，其中 3 个含 CI 门禁） |
| 数据驱动 | 每个项目都有前后对比量化数据，全部标注口径 |
| FDE 能力 | 完整能力映射表 + 2 则实战故事（业务型 + 工程型） |
| 能带队 | **5 年+**客户现场交付 · 从诊断到培训全程主导 |
把 5 年+ 的能力收敛为三条相互支撑的主线——能规划（从公司层面搭体系）、能交付（深入客户现场端到端落地）、能实现（独立完成工程与开源）。三者不是并列的三个身份，而是同一套「把 AI 真正落到业务里」的完整闭环。
| 岗位 | 能力主线 | 核心证据 |
|---|---|---|
| 🎯 AI 项目经理 | 从公司层面规划 AI 工具体系，跨部门推进落地，用 ROI 量化价值 | 模块 01 规划包 · 高分子新材料行业信息化规划演练稿（示例） · 模块 10 培训推广 · 模块 12 复盘量化 |
| 🚀 FDE 前线部署工程师 | 进客户门 → 诊断业务 → 端到端交付 → 现场培训 → 用数据量化结果 | 高企认定端到端交付（单年 24 家含复审、最快 1 周）· enterprise-agent 现场部署 · FDE 交付物模板 |
| 🤖 AI 智能体开发工程师 | 独立完成智能体系统的架构、实现、评测与开源 | 模块 04 六层架构 · 模块 06 RAG 真实评测 93.3% · 模块 07 OTel/Jaeger 全链路 · 模块 13–17 五个开源仓库 |
在线页面用横向滑动卡片展示三个岗位：顶部有箭头 / 圆点切换控件，每张卡片纵向拆成「岗位核心要求 → 真实经历对应 → 作品集证据」三段，并在卡片内直接附上该岗位的实战故事与可复用交付物——不再另设独立板块。
| 岗位 | 能力要求维度 | 卡内实战故事 | 卡内交付物 |
|---|---|---|---|
| 🎯 AI 项目经理 | 体系化规划 · 业务场景盘点 · ROI 测算与预算 · 跨部门推动 · 培训推广采纳率 · 数据驱动决策 | 企业 AI 工具体系从 0 到 1：把「各部门各自买工具」变成一套体系 | Discovery Brief 客户发现简报 |
| 🚀 FDE 前线部署工程师 | 深入一线需求诊断 · 端到端交付 · 业务沟通跨部门 · 快速搭原型现场部署 · 打通最后一公里 · ROI 量化 | ① 高企认定端到端现场交付（业务型）② enterprise-agent 资源受限环境现场部署（工程型） | （含于两条故事中） |
| 🤖 AI 智能体开发工程师 | 架构设计 · RAG 与检索工程 · 工具调用与 MCP · 记忆与容错 · 部署与工程化 · 评测与可观测性 · 开源与工具链 | RAG 检索从「大概能答」到「有数据可证」：93.3% 是怎么量出来的 | Eval Plan 工程评测计划 |
22 个作品按能力属性归为六大类，每类标注「该类体现的能力水平」与代表作。第 ① 类默认展开作为示例（让读者先看懂组织逻辑），其余各类默认折叠，点击类目标题或类目底部的「展开这类作品」即可展开；也可用顶部「全部展开 / 收起」一次性控制。每个模块展开后包含：业务痛点、我的角色、方案架构、工具栈、实施步骤、关键难点、量化测算、可复用资产、证明链接与复盘。
按角色直达（页面 hero 区提供同款入口）： 技术负责人 → 模块 04 六层架构 / 模块 06 RAG 评测 93.3% / 模块 13 MCP 开源； 开源与平台工程 → 模块 13–17 五个 MIT 开源仓库；HR / 猎头 → 三岗位能力映射。
能力水平：能从公司层面画出 AI 落地的整体路径，而不是零散采购工具；结论能算得起账、经得起管理层追问。
| # | 模块 | 类型 | 核心亮点 |
|---|---|---|---|
| 01 | AI 工具体系 0-1 搭建规划包 ★代表作 | 📐 方案规划 | 300+ 项目可研/立项经验 · 8 大业务域覆盖 · 6 个月分阶段路线图 |
能力水平：能让业务人员真的用起来，而不是交付一份文档就结束；关键节点保留人工把关，风险可控。
| # | 模块 | 类型 | 核心亮点 |
|---|---|---|---|
| 02 | AI 工作流落地标杆 A：企业智能问答与申报文档 AIGC | 🔧 自建 Demo | ≥50% 生成效率提升测算 · ≥85% 审核通过率目标 · AI 先做+人工只审 2 层流 |
| 03 | AI 工作流落地标杆 B：财务 / 行政 / 外贸跟单 ★代表作 | ✅ 已交付 | 24 家单年高企认定通过（含复审） · 70% 人工审核量下降测算 · 92% 准确率目标 |
| 08 | 办公流程自动化（Open Claw + Python 脚本） | 🔧 自建 Demo | 跨系统重复流程脚本自动化 · 异常告警+人工复核兜底 · SOP 流程沉淀 |
| 10 | 培训 / SOP / 推广运营包 | ✅ 已交付 | 70% 自助解决率目标 · 反馈收集→处理→迭代闭环 · 带教培训 SOP 体系 |
能力水平：能独立交付一套企业级智能体系统并保证稳定运行——不止会调 API，而是自建六层架构并附真实评测数据。
| # | 模块 | 类型 | 核心亮点 |
|---|---|---|---|
| 04 | 企业级智能体系统（本地开发工程 enterprise-agent）★代表作 | 🧩 个人开源 | 6 层企业级智能体架构 · 70% HPA 扩缩容 CPU 阈值 · 5 次熔断器连续失败阈值 |
| 06 | RAG 知识库 Demo（enterprise-agent 真实带数据演示）★代表作 | 🔧 自建 Demo | 93.3% 检索准确率@3（30 题分层评测） · 73.3%@1 · 重排增量实测 0% · 40 条示例制度文档 |
| 07 | AI 评测与可观测性（评测集纳入 CI 回归 + OTel/Jaeger 全链路追踪）★代表作 | 🔧 自建 Demo | 7 个单会话 Jaeger trace span（root + 6 节点） · 6 条 CI 每次 push 自动评测 · 检索/引用准确率与拒答率均有断言 |
| 09 | Prompt 工程与评测体系 | 🔧 自建 Demo | A/B 对比测试驱动优化 · JSON Schema 输出强校验 · Prompt 结构化模板化 |
| 11 | 技术底座与运维证据 | 🔧 自建 Demo | Docker Compose 一键起服务 · 容错/重试/降级/熔断高可用 · 日志+告警+压测监控 |
能力水平：每个项目都能回答「省了多少、快了多少」；把「说不清价值」变成可追溯的量化证据。
| # | 模块 | 类型 | 核心亮点 |
|---|---|---|---|
| 05 | 业务数据库与数据监测报告（SQL 报表 + BI/ChatBI）★代表作 | ✅ 已交付 | 约 40% 减少团队重复工作 · 1 套自建业务数据库 · SQL 报表固化/存储过程 |
| 12 | 项目复盘与量化数据报告 ★代表作 | ✅ 已交付 | 300+ 政府/企业项目交付 · 24 家单年高企通过（含复审） · 100+ 服务企业客户 |
能力水平：不只会用工具，还能造工具——5 个独立开源仓库，从 MCP Server 到宿主插件、运维工具链与检索规程，全部带测试与文档。
| # | 模块 | 类型 | 核心亮点 |
|---|---|---|---|
| 13 | 企业级智能体 MCP Server 三件套（开源）★代表作 | ✅ 已交付 | 3 个 MCP Server 开源 · 35 项 pytest 用例全通过 · 100% 通过率 |
| 14 | dsh-bridge：让 Marvis 调用本机 DeepSeek Harness（开源）★代表作 | 🔧 开源工具 | 零依赖手写 MCP 协议（3 个工具） · 241 技能 × 77 MCP 工具本地检索 · CI 五步全绿 |
| 15 | DeepSeek Harness 本机插件三件套（开源）★代表作 | 🧩 个人开源 | 3 个自研插件 MIT 开源 · 零运行时依赖 · 推送前凭据扫描 0 命中 |
| 16 | DSH 运维工具箱：升级自检 / 插件兼容预检 / 生态全量调研（开源）★代表作 | 🧩 个人开源 | 4382 条插件目录全量调研 · 退出码可分档门禁 · 补丁幂等可回滚 |
| 17 | 知识指南：把「先检索再作答」写成可复用的规程（开源）★代表作 | 🧩 个人开源 | 1 份可复用检索规程 · 100% 零云依赖（纯 Markdown） · 强制来源标注与正对照 |
能力水平：能把行业特性（配方研发、多标准合规、批次追溯）翻译成可执行的信息化模块与 AI 场景。
代表作：方案演练 · 高分子新材料行业信息化规划（示例，非客户委托）——详见在线页「方案演练」章节。
开源仓库直达： 模块 13 → enterprise-agents/mcp ｜ 模块 14 → dsh-bridge ｜ 模块 15 → dsh-local-plugins ｜ 模块 16 → dsh-toolkit ｜ 模块 17 → dsh-knowledge-guide（全部 MIT 开源）
按三个目标岗位分组，可现场演示 = 面试当场能跑；可提供材料 = 提供脱敏文件或录屏。
| 内容 | 说明 | 状态 |
|---|---|---|
| AI 工具体系 0-1 规划包 | 业务盘点 → 价值×难度矩阵 → 工具选型 → 6 个月路线图 → ROI 测算 | 可提供材料 |
| 项目监测报告 | 自建业务数据库 + SQL 报表，现场看数据如何驱动决策 | 可现场演示 |
| 方案演练 · 高分子新材料行业信息化规划（示例） | L1-L5 成熟度模型、总体蓝图、业财一体化、8 个专属 AI 场景 | 演练稿，可现场讲解（非客户交付物） |
| 培训 / SOP / 推广运营包 | 操作手册、培训脚本、FAQ、带教 SOP、采纳率看板 | 可提供材料 |
| 内容 | 说明 | 状态 |
|---|---|---|
| enterprise-agent 本地现场部署 | Docker Compose 一键起服务，演示编排 / RAG / 工具调用 / 容错降级 | 可现场演示 |
| 企业问答 / 文档 AIGC 工作流 | Coze + 多维表「AI 先做、人只审」双层流程与人工审核台 | 可现场演示 |
| FDE 交付物模板 | Discovery Brief（客户发现简报）+ Eval Plan（工程评测计划） | 可提供材料（站内可读） |
| 高企认定端到端交付复盘 | 需求诊断 → 研发费用归集 → 材料编制 → 合规自查 → 培训交付 | 可提供材料（脱敏） |
| 内容 | 说明 | 状态 |
|---|---|---|
| RAG 知识库真实演示 | 上传制度文档→提问→返回条款引用；真实评测 93.3% @3（30 题分层） | 可现场演示 |
| OTel + Jaeger 全链路追踪 | 一次会话 7 个 span（root + router/planner/retrieve/tool_call/reviewer/respond），trace_id 贯穿 | 可现场演示 |
| MCP Server 三件套 | 3 个 MCP Server，35 个 pytest 用例全通过 | 可现场演示（仓库公开） |
| dsh-bridge / DSH 插件 / 运维工具箱 | 四个独立开源项目，含 CI 与测试 | 可现场演示（仓库公开） |
| knowledge-guide 检索规程 | SKILL.md 单文件规程，装进 ~/.dsh/skills/ 即被 skill 工具装载 |
可现场演示（纯 Markdown，本仓库存有副本） |
方案演练 · 高分子新材料行业信息化规划（示例）
性质：能力演练 / 非客户委托 · 未涉及任何客户数据
按一份真实招聘 JD 与该行业公开资料编写的能力演练稿（建筑密封胶行业，国标起草单位为其行业公开信息）。以「入职后规划」视角，覆盖 ERP / SRM / PLM / MES / HR / LIMS 五大业务系统 + 数据中台 + AI 能力平台 + 基础设施安全，并深度融入 AIGC 与 AI Agent 落地场景。
- 体系化规划：L1-L5 成熟度模型 + 总体蓝图 + 按系统完善程度推进的优先级矩阵
- 行业深度适配：配方研发 Copilot、多标准合规核查、批次质量追溯等 8 个专属 AI 场景
- 财务方向强项：业财一体化、研发费用归集与加计扣除，契合高新技术企业真实需求
对应岗位：AI 项目经理（规划主线）· FDE（现场诊断与交付）。演示方式：可提供脱敏版规划书，现场逐页讲解规划逻辑与优先级取舍。
- 前端：纯静态 HTML + CSS + 原生 JavaScript，零框架依赖，加载快
- Markdown 渲染：marked.js 实现 .md 文件优雅展示（弹模态框）
- 部署：GitHub Pages（Deploy from a branch, main / root）
- 数据：所有作品集内容以 JS 数组形式内嵌于
index.html，便于维护 - 附件：PDF / DOCX / XLSX / PNG / SVG / MD 等原始材料按模块分文件夹归档
portfolio/
├── index.html # 作品集主页面（含所有模块数据）
├── 01-ai-toolkit/ # 模块 01 附件
├── 02-ecommerce-ai/ # 模块 02 附件
├── 03-finance-admin-trade-ai/ # 模块 03 附件
├── 04-enterprise-agent/ # 模块 04 附件（含 enterprise-agents 子目录）
├── 05-bi-chatbi/ # 模块 05 附件
├── 06-rpa/ # 模块 06 附件
├── 07-prompt-engineering/ # 模块 07 附件
├── 08-training-sop/ # 模块 08 附件
├── 09-tech-ops/ # 模块 09 附件
├── 10-retro-reports/ # 模块 10 附件
├── 11-fde-templates/ # 模块 11 附件（FDE 交付物模板）
├── 12-dsh-bridge/ # 模块 14 附件（图标 / 技能定义 / 设计取舍 / MCP 参考 / 排错手册）
├── 15-dsh-plugins/ # 模块 15 附件（插件总览 README）
├── 17-knowledge-guide/ # 模块 17 附件（SKILL.md 规程全文 + 说明 README）
└── README.md # 本文件
模块 16（dsh-toolkit）与模块 17（dsh-knowledge-guide）的证明链接指向独立开源仓库； 模块 17 另在本仓库存了规程副本
./17-knowledge-guide/knowledge-guide-SKILL.md， 便于现场离线打开。⚠️ GitHub Pages 不会发布文件名为*SKILL.md的文件（模块 14 的dsh-bridge-SKILL.md同样 404）， 因此模块 17 的「规程全文」链接指向raw.githubusercontent.com，README.md链接仍走站内弹层。
⚠️ 旧 PDF 书稿链路_book/已于 2026-10-20 废弃删除（口径「5 年+」与站点「6 年+」矛盾， 且 PDF 按 brief §0 禁止公开下载）。站点的唯一有效源是根目录*.html；简历 PDF 由build-resume-pdf.mjs现场生成，不落仓库。
作品数据以 works-data.json 为唯一编辑口。新增作品只需在 items 里追加一条对象，
不用写编号（会自动顺延），然后跑一条命令：
node build.mjs # 构建 + 自检，不推送
node build.mjs --ship # 构建通过后直接提交并推送，约 2-3 分钟上线build.mjs 会依次完成：patch-works → enrich-works → inline-preview →
产物一致性校验 → 编号连续性校验 → 卡片几何自检（桌面 / 移动 / 首页）。
任何一步失败都会立刻停下，不会把坏页面推上线。
新作品的最小字段：
- 编号：不写
no就自动取当前最大编号 +1；写了则保留（用于插到指定位置）。 - 分组：不写
group就按cat自动归入（agent/data→AI 工程化，oss→开源工具，plan/flow/industry→核心案例）。 - 每个新增作品都会自动进入首页精选区与岗位页，无需手工改任何 HTML。
数据管线原本依赖
.dsh-workspace/artifacts/legacy-singlepage.html（旧单页，未入库）。 现在该文件只在首次全量重建时需要，日常新增作品直接改works-data.json即可。
- 真实项：企业级智能体系统 enterprise-agent、高企认定 / 项目申报交付、自建项目信息数据库与《项目监测报告》均为本人真实经历。
- 演练项：高分子新材料行业信息化规划为按真实招聘 JD 与行业公开资料编写的能力演练稿，非客户委托、未涉及任何客户数据，不构成客户案例。
- 口径说明：凡成效类数字均标注为「测算模型 / 示例口径」，实际以落地数据为准。
- 脱敏处理：部分客户名称与年度数据已做脱敏，面试时可提供更详细版本。
- 在线作品集：https://jav1es.github.io/portfolio/
- GitHub：@Jav1es
- 联系方式：面试时提供
本作品集持续更新中，欢迎交流与指正。
{ "t": "作品标题", // 必填 "cat": "agent", // 必填：plan / flow / agent / data / oss / industry "status": "已发布", "jd": "AI 智能体开发工程师", "pitch": "一句话说清做成了什么", "highlights": [{ "num": "3 个", "label": "关键指标" }], "tags": ["MCP", "LangGraph"], "links": ["GitHub 仓库：xxx|https://github.com/Jav1es/xxx"], "role": "我负责什么", // 可选：不写则「展开详情」只有摘要 "arch": "架构 / 方案", // 可选 "steps": ["第一步", "第二步"], // 可选 "pain": "解决的痛点" // 可选 }