LOCAL AI PRODUCTION SYSTEM

我从真实业务问题出发,搭建可运行、可复盘、可交付的 AI 工作流系统。

这不是项目清单,而是一套本地生产系统的作品集。我把内容生产、需求挖掘、餐饮短视频、招聘筛选、图片生成、视频处理和知识资产整理沉淀成可接续的工作流:有输入模板、执行流程、质检节点、输出包和复盘机制。

本作品集展示的不只是概念稿,而是多个本地可运行 MVP:内容生产工作流、抖音需求挖掘 Agent、餐饮短视频工作台和 HR 初筛服务 MVP。

下载 PDF 快读版

网页为深度版,PDF 为 HR 快读版;如果时间有限,建议先看 PDF 或三个重点案例。

PROJECT STATUS

项目状态说明

  • 已投入自用:公众号自动化编辑部、抖音随笔工作流
  • 本地 MVP 已运行:抖音需求挖掘 Agent、餐饮短视频智能体、HR 初筛服务 MVP
  • 工具链资产化:视频修复剪辑工作流、图片生成工具、小米笔记导出工具

当前作品集不包装成真实客户商业交付案例,重点展示本地 MVP、工作流拆解、质检机制和复盘能力。

AI 应用落地 Agent 产品助理 AI 工作流搭建 运营增长 内容自动化 交付型岗位 初创公司 AI 助理 / 业务自动化

READING PATH

建议阅读路径

如果时间有限,建议先看三个重点案例:C01 看内容生产闭环,C02 看需求线索结构化,C03 看行业交付流程拆解。重点关注我如何把问题拆成输入、流程、输出、QA 和复盘。

ABOUT ME

关于我

我是李在渊,一名 AI 工作流实践者。相比单纯追求“让 AI 生成一个结果”,我更关注如何把真实业务问题拆成可运行、可检查、可复盘的工作流系统。

我的核心能力不是只写 Prompt,而是为 AI 搭建业务运行环境:明确输入字段、上下文规则、执行步骤、质量闸口、输出格式和复盘机制,让模型能够稳定参与内容生产、需求挖掘、短视频交付、招聘筛选和知识资产整理等真实流程。

目前我已搭建多个本地可运行 MVP,包括公众号自动化编辑部、抖音需求挖掘 Agent、餐饮短视频工作台和 HR 初筛服务 MVP。这些项目不包装成成熟商业产品,而是用来证明我具备把业务问题工程化、把 AI 能力流程化、把一次性任务沉淀成长期资产的能力。

我适合加入需要 AI 应用落地、Agent 原型搭建、内容自动化、业务流程优化和交付 SOP 搭建的初创团队,尤其适合在真实业务场景中快速搭建原型、验证流程、沉淀工具,并持续迭代。

CAPABILITY MODEL

我的能力模型

业务问题工程化

把模糊业务需求拆成输入字段、流程步骤、判断标准、输出模板和复盘机制。

Workflow Harness 搭建

为 AI 搭建可控运行环境,包括输入模板、上下文规则、执行步骤、质量闸口、输出格式和公开边界。

Loop Engineering

把一次性 AI 任务变成可持续迭代闭环,让每一次运行都留下反馈、日志、问题和下一轮优化入口。

本地 MVP 快速搭建

把业务想法做成可运行的本地工作台,而不是只停留在文档、方案和概念图。

内容 / 获客 / 交付流程标准化

围绕内容生产、需求挖掘、短视频交付、招聘筛选等真实场景,把服务流程沉淀成 SOP 和工具链。

WHAT I SOLVE

我能解决什么问题

业务流程混乱

把靠经验、口头沟通和临时执行的流程,拆成标准输入、执行步骤、检查节点和输出包。

AI 工具用得散

把零散模型调用、提示词和工具,封装成稳定的本地工作流或 MVP 工作台。

内容与运营效率低

围绕公众号、抖音、小红书、短视频、获客线索等场景,搭建可复用的内容生产和需求分析流程。

交付不可复制

把一次性服务交付沉淀为 SOP、模板、QA 清单和复盘记录,让交付过程更稳定。

FEATURED CASES

三个重点案例

这三个案例代表我的主线能力:内容生产系统、需求挖掘 Agent、行业短视频交付。每个案例都用工作台截图、输入输出样例和 QA / 复盘证据展示从问题拆解到工作流沉淀的过程。

TOOLCHAINS

工具链项目

这些项目是本地生产系统的底座:处理视频、生成图片、整理知识库,让 AI 工作流可以持续沉淀资产。

T01视频修复剪辑工作流

本地视频修复、参数记录、QC 和平台发布适配工具链。

用途
本地视频修复、参数记录、QC 和平台发布适配。
证明能力
视频处理流程标准化、参数留档和交付前质检。
当前状态
工具链资产已沉淀,可用于本地项目复用。
T02图片生成工具

本地图片生成 UI、ComfyUI workflow、提示词模板和公开样例筛选规则。

用途
本地图片生成、workflow 复用和公开样例筛选。
证明能力
视觉工具封装、提示词沉淀和 workflow 工程化。
当前状态
本地工具可运行,已完成工具链资产化。
T03小米笔记导出工具

把个人笔记导出内容整理成适合二次创作或发布的结构化文档。

用途
笔记导出、清洗、整理和发布包生成。
证明能力
知识资产结构化、内容再生产和批处理工具开发。
当前状态
工具可复用,已沉淀为个人知识工具链。

BUSINESS EXPERIMENTS

业务实验

这些项目不是为了包装成熟产品,而是为了展示我如何围绕真实获客、内容增长和交付问题,快速做验证、搭流程、沉淀模板和复盘。

B01HR 初筛服务 MVP

把招聘筛选服务标准化成获客、字段判断、候选人分析和交付模板。

用途
岗位输入、候选人字段判断、分层和交付摘要。
证明能力
业务字段化、服务模板化和前端 MVP 封装。
当前状态
本地 MVP 已运行,公开版使用脱敏展示。
B02抖音随笔工作流

情绪型图文随笔、配图方案、发布检查和风格复盘机制。

用途
情绪型图文随笔生成、配图方案、发布检查和反馈入库。
证明能力
风格控制、内容反馈闭环和日更型工作流沉淀。
当前状态
已投入自用,内容生产流程可持续复用。

METHOD

我的方法论

  1. 01

    真实问题优先

    先判断任务到底卡在输入、判断标准、执行、质检还是复盘,而不是先追技术名词。

  2. 02

    小工具优先

    能用脚本、模板、表格、轻量页面先跑通,就不先做复杂系统。

  3. 03

    本地资产沉淀

    每个项目都沉淀 START_HERE、AGENTS.md、SOP、输入输出模板、质量检查和运行日志。

  4. 04

    可复盘、可迭代、可展示

    每次运行后记录问题、反馈和下一步,让项目既能被新会话接续,也能转成作品集案例。

Workflow Harness:为 AI 搭建可控运行环境

我理解的 Harness,不是简单调用模型,而是为 AI 建立稳定的业务运行框架:输入模板、上下文规则、执行步骤、质量闸口、输出格式、公开边界和复盘记录。这样 AI 不再只是一次性回答问题,而是能够在明确规则中参与真实业务流程。

Loop Engineering:把一次性任务变成持续迭代闭环

我理解的 Loop Engineering,是把每一次运行都变成下一次优化的入口。一个完整的 AI 工作流不只包括“输入和输出”,还应该包括检查、反馈、日志、复盘和下一轮改进。这让项目不会因为换一次会话、换一次任务、换一个模型就重新开始,而是能持续积累成可复用的业务资产。

PUBLIC BOUNDARY

公开展示原则

我不包装商业交付结果,只展示真实本地 MVP、工作流拆解、质检机制和复盘能力。公开版只展示脱敏数据、演示界面、模板、截图和流程;不展示账号凭证、API Key、Cookie、客户资料、候选人信息、真实评论原文和未发布草稿。C02/C03 为本地 MVP 已运行,待真实客户场景验证,不包装成真实商业交付。