PORTFOLIO · 2026 · 利文宇 LI WENYU
从 百万 DAU 到 百亿 AUM 的运营经验，
沉淀为赋能企业内部流程的 Agent。
2026 年起把 LLM 嵌进运营前线：NL2SQL 让部门数据分析师 100% 在用，1-2 天的项目分析压到 30 分钟内；质检与客服从靠人抽检做到全量自动。
把 AI 做成业务同事每天在用的工具
能力背书：BIRD 全球第 13 · 单模型第 9（BIRD：NL2SQL 领域最主流的国际评测基准，同台蚂蚁 / 腾讯 / AT&T）· 4 个开源 Skill/Repo
百万 DAU 与百亿 AUM 运营底盘
赶时间？直接看三段演示视频与两张架构图。视频见同目录 assets/，或打开 index.html 在线观看。
SECTION 01 · OPERATING MODEL SHIFT
Agent 时代，"人货场"运营框架怎么被重写。
原有框架靠数据分析驱动：围绕人、货、场沉淀指标，经业务流分析聚合为需求活动场域。它有效，但有两个结构性瓶颈，Agent 恰好长在瓶颈上。
原有运营框架 · 数据分析驱动的人货场
围绕人货场沉淀指标 → 聚合需求活动场域
原有内容新增 Agent 业务流 · 用户动态语料画像
不是推翻人货场，是把堵点换成 Agent。
分散语料 → 理解 → 入模 → 动态画像
新数据SECTION 02 · 数据分析智能体 · 落地「变更 ①」
不止是一个 query：
我 0→1 主导的数据分析智能体，让数据易得、交付稳定。
上一节框架图里的「变更 ①」，落地就是这套我从 0→1 主导搭建的智能体。一句自然语言进，它自动编排 取数 → 分析 → 出图 全链路，再用执行校验加口径交叉验证守住结果。交给业务的是一份能直接用的分析，不只是一句能跑的 SQL。先全量开放给部门数据分析师：100% 在用、人均 4.5 次/日，1-2 天的项目分析压缩到 30 分钟内；轻量路线、可内部部署，已跑在真实业务系统上。
演示视频 · 数据分析智能体 端到端实跑
60 秒看完：一句话 → 取数 → 分析 → 出图。
※ PDF 版无法内嵌播放，演示视频见同目录 assets/video-nl2sql.mp4，或打开 index.html 在线观看。
方法论 · 敢交给业务直接用的工程化路径
稳定、可校验、安全交付。
Schema Linking 双向召回
Table-First + Column-First 两路合并，解决"大 schema 不能全喂"的问题；BIRD 实测表列召回率 100%。
Few-shot 业务语料注入
把分析师每天手写的 SQL 沉淀为组织级语料资产，按相似度召回注入，业务口径长在语料里，不靠模型猜。
3 轮对话生成
澄清 → 生成 → 确认。比单轮直出稳，歧义在生成前消化；低 Token、低延迟，专为内部可部署设计。
执行校验 + 口径交叉验证
真实执行 + few-shot 期望输出对照，拦截"语法对、口径错"的隐性错误，这是高风险业务场景里最危险的一类。
错例回灌闭环
每个 bad case 标注后回流语料库，下一次生成更准。增量错误学习机制让准确率随使用持续爬坡。
打开完整架构图 · 《JY-SQL 使用方式架构图》
本页配色取自这张图。onboard / query / validate 三条链路的全量细节
OPEN →SECTION 03 · 数智运营 AGENT · 从「看清数据」到「自动落地」
再往前一步：让一句运营目标，
自己跑成一场能上线的营销活动。
上一节的数据分析智能体解决的是「数据易得」——把 取数 → 分析 → 出图 做成可靠的单点能力。这一节把它再往前推一步：那套"自己写 SQL 跑企业数据、自查口径"正是这里的第一步（取数）；往前接「问行业内外专家库要策略」，往后接「设计 A/B 实验 → 做方案 → 在真实平台配置上线」。一句运营目标进，端到端跑成一场可上线、可追溯的营销活动——钱性动作默认草稿、人工审核才发。从辅助决策到自动执行，是同一条数据能力的自然递进。
数据分析智能体
一句话 → 取数 · 分析 · 出图。把「看清数据」做稳。
数智运营 Agent
目标 → 数据 → 策略 → 实验 → 方案 → 上线。把「干完运营」做到落地。
演示视频 · 数智运营 Agent 全流程实跑
约一分钟看完：一句目标 → S0–S6 → 真实平台已配置（草稿）。
※ PDF 版无法内嵌播放，演示视频见同目录 assets/video-ops.mp4，或打开 index.html 在线观看。
SECTION 04 · AI CUSTOMER SERVICE / KB
把一线服务从抽检 5% 做到全量 100%：
质检、客服、知识库一套架构。
几百名顾问每天通过企微和电话服务用户，过去质检靠人工抽检、论坛没有 AI 客服、知识零沉淀。我用一套 LLM + RAG + 护栏架构统一解决，知识库从零自动长到数千条。
演示视频 · AI 客服知识库系统实跑
真实问答 + 来源引用，每条回答可追溯。
※ PDF 版无法内嵌播放，演示视频见同目录 assets/video-ai-kb.mp4，或打开 index.html 在线观看。
方法论 · 知识自更新 + 干预机制
高风险业务场景，护栏不是可选项。
全量对话接入
每天自动拉取企微对话 + 电话录音（ASR 转写），从源头做到 100% 覆盖，不再抽检。
LLM 理解三件事
每段对话做摘要、情绪判断、问题分类，同时识别用户投诉和顾问话术错误，双向质检。
Ground Truth 知识库自更新
从对话里提取高频问题和好的回答，AI 整理后写入知识库，零人工维护、数千条持续生长。
RAG + SQLite 双路召回
向量检索管语义、结构化查询管规则，语义和精确条件都能匹配；每条回答带 chunk 引用，可溯源。
干预闭环 · last-mile gate
顾问说错 → 自动推纠错（带正确答案和出处）给本人和主管；论坛提问自动召回作答，答不了的标记转人工。
打开完整架构图 · 《论坛 Bot 体系架构图》
采集 → 理解 → 知识库 → 召回 → 护栏 → 推送的全链路细节
OPEN →CONTACT
面试 · 合作 · 现场拆解任何一个项目。
所有数字都能在面试里展开到实现细节，架构、踩坑、复盘，现场任选。
- Phone
- 188 0177 5027
- bhliwenyu@126.com
- GitHub
- github.com/wenyupapa-sys
- 简历
- ↓ 下载 PDF