郑伟 Zheng Wei · 个人研究与实践
01 · 我是谁
从技术理解到业务落地，我习惯把复杂问题拆开，再把它们重新组装成可运行、可验证的系统。
本科毕业于西南交通大学，后获得美国 IT 管理硕士学位。拥有丰富的大型 AI 项目落地经验，主导并参与了多个百万级 AI 应用的设计与研发。
我精通 RAG 知识库的构建与优化，也擅长把 Agent 工作流嵌入真实业务，为政企、工业数据分析等场景设计高效、可靠的 AI 解决方案。
我的方法始终从业务开始：先定义问题与边界，再选择模型和编排方式，跑通最小闭环，最后把验证过的经验沉淀为可复用资产。
02 · 作品与实践
每个条目都按同一模板记录，避免“会讲但没交付”。
场景知识更新很快，个人复盘常常断层
我做了什么把模型原理、Prompt 结构、评估标准整理为周更日志和模板
模型/思路阅读计划、Prompt 设计、反馈循环、任务代理
输出价值形成一套个人可复用的学习框架，减少重复踩坑时间
场景制造场景里问题定义模糊，落地难复用
我做了什么按发现问题-模型设计-验证指标-复用步骤做闭环记录
模型/思路业务流程建模、知识抽取、规则补强、RAG 检索
输出价值保留可复查的学习日志，支持下一步快速迁移到新场景
场景日常执行中需要大量重复操作
我做了什么把文档整理、任务分解、结果输出做成可调优的 Agent 工作流
模型/思路文本总结、任务编排、工具链联动、流程监控
输出价值从“做完就结束”转向“可持续迭代”的工作节律
03 · 思考与日志
我更在乎“我怎么做”和“为什么这样做”。
先确认问题边界，再谈模型；先看人和流程，再谈自动化。
把复杂任务切成 5 个可验证片段，能显著提升复盘效率。
每个 Agent 输出都需要输入来源、验证条件和结果边界。
04 · 个人化索引
郑伟 · 我是谁 · AI智能体 · FDE · 企业AI应用
工作节奏
每周会把学习和实践同步成可追踪的记录
落地姿势
先验证是否能稳定运行，再优化体验和展示
输出偏好
不追求“会炫技”，只写得出可复用的行动路径
个人兴趣
偏向把问题切片再交给可复用的系统去执行
05 · 技能与工具
工具只是节点，真正重要的是把它们组织成一条从业务理解到稳定交付的路径。
AI DELIVERY MAP
06 · 联系我
有问题发给我，我更喜欢直接讨论具体场景和实际目标。