Personal Portfolio

我是 陈逸凡,一名AI应用开发工程师

善于将最新技术快速内化为稳定能力,并真正体现在日常工作和项目结果中。 我更关注产品体验、工程质量和长期可维护性。

AI应用开发工程师实习经历 2段+练习时长 一年+
陈逸凡
能力图谱

Powerful AI, Practical Delivery

用一个清晰的能力拓扑,展示我如何把模型能力转化为可交付的业务结果。

ChatGPTChatGPT
ClaudeClaude
陈逸凡 AI Stack
GrokGrok
DeepSeekDeepSeek
Agent Workflow

从任务拆分到多智能体协同,把复杂链路变成稳定可维护的工程系统。

RAG Engineering

混合检索、重排和上下文控制,保证检索质量与推理一致性。

Delivery Execution

从原型到上线持续迭代,确保模型能力真正落到业务结果。

Experience

工作经历

两段深圳 AI 公司实习,从前端重构到 AI 系统开发、供应商测评全链路覆盖。

深圳惊叹科技有限公司

AI 开发实习生

2025.11 - 2026.03
深圳
0%
用户留存率提升

TTS / ASR 供应商模型测评

  • 独立全栈搭建 TTS/ASR 对比测评平台,对比 11 家供应商、39 个模型,输出 4 份对比报告。
  • TTS 中文选型豆包语音合成 2.0,海外选型 ElevenLabs v3,落地后用户留存率提升 26%。
  • ASR 语言参数自动匹配与兜底策略,减少因参数错误导致的识别波动。

Midoo 客户端功能开发

  • 独立开发 APP 强制/灵活更新、用户反馈页面、消息推送、应用内弹窗管理器。
  • 搭建 TTS 缓存命中率监控,推动预缓存与淘汰策略优化。
  • 协助梳理本地音频生命周期方案并完成落地验证。

深圳用图科技有限公司

AI 全栈开发实习生

2025.08 - 2025.10
深圳

Ace 智搜前端全面改造

  • 主导核心 AI 产品前端重构,整合三大 AI 功能为统一交互主体。
  • 优化流式响应与深度思考模块,提升关键交互路径效率。
  • 改造后产品 AI 感与易用性显著增强。

AI Coding Method

我的 AI Coding 方法论

这不是“让模型多做”,而是让模型在可控流程里稳定做对。下面把实战方法拆成可复用流程。

input
完整描述问题场景

先把上下文给够,再让模型动手。

完整报错栈与日志文件
完整需求文档
明确入口文件与边界
action
分步执行 + 空桩约束

按最小可验证闭环推进,降低返工。

Todo 分段执行;先静态再交互再动效;按函数/类/文件给空桩约束。

Codex
output
验收并做事后清洁

通过后提交,保留高价值信息。

删除噪声日志与冗余注释
保留 bug 分支背景信息
同步更新需求与技术文档

方法清单(完整覆盖)

完整描述问题场景
分步执行(最小可验证闭环)
保持干净的工作现场
提供空桩(函数/类/文件约束)
不要纠缠(3轮上限 + 回滚)
事后清洁(删噪声留背景)
清晰上下文(绝对路径 + 行号)
从 0 到 1:拆解 -> 实现 -> 优化
线上 Bug:还原 -> 举一反三 -> 沉淀
多模型配合(Claude/Codex/Gemini)
多模型配合是方法论的一部分,不是额外技巧阅读完整实践文档

Contact

期待加入有执行力的 AI 团队

如果你在寻找能从架构到交付落地的 AI 工程师,可以直接联系我。我愿意用真实项目细节和结果讨论价值。

© 2026 陈逸凡 · AI Application Engineer