PORTFOLIO · 2026 · 利文宇 LI WENYU
11 年金融运营操盘手，
用 AI Agent 把组织效率拉高一个数量级。
保险 / 财富 / 银行 / 互金跨域 11 年，对 AUM 直接负责；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
11 年用户全生命周期运营
赶时间？直接翻到「岗位职责 六对六」对照表那一页。演示视频见同目录 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，已跑在嘉银业务系统上。
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，这是金融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 · 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
金融场景，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 →SECTION 04 · TRANSFERABILITY
这些不是嘉银特有的玩具，
是可以直接平移到任何企业的资产。
先对位岗位的 6 条职责，再给 2 项拆箱即用的方法论资产，每一项都注明"到贵司第一步怎么走"。
岗位职责 六对六
职责对应量化指标。
| 岗位职责 | 我的对应实绩 | |
|---|---|---|
| ① | 客户生命周期经营策略：流失预警、流失挽回、资产破零、资产提升 | 11 年全生命周期操盘，对 AUM 直接负责资金留存 76%→91% · 月流失率 3%→0.2% · 复购率 70%→75.8%（月增 5000 万+）↳ 嘉银金科 · 理财端用户策略运营 / 复购提升项目 / 资金留存项目 |
| ② | 基于营销敏感度、权益偏好的精细化推品与营销策略 | 差异化补贴 + 用户差异定价 + 会员权益重构差异定价 A/B：转化 +3% · 利润 +8.3% · 会员中心流量 +126%↳ 嘉银金科 · 会员等级权益重构项目 | 浅橙网络 · 用户差异定价项目 |
| ③ | 产品洞察运营体系：分层评价、筛选对比、预警监控 | 基金场景化售卖体系（行情 / 热点 / 顺风车 / 定投板块）月流水千万级 · 业务渗透率 20%+ · 提前半年达成目标↳ 嘉银金科 · 基金产品场景化售卖拓展项目 |
| ④ | A/B 实验与效果反馈闭环，验证智能体策略效果 | 11 年 A/B 实战 + AI 项目效果可证伪的对照与埋点方法差异定价 A/B 转化 +3% · NL2SQL 错例回灌闭环 · 质检 Agent 纠错复发率持续下降↳ 嘉银金科 · 数据分析智能体（NL2SQL）/ AI 质检 Agent 项目 |
| ⑤ | 主动服务（客户经理 / 座席 / 外呼）与被动服务（私域 / AI 手机银行）触达策略 | AI 质检 Agent（坐席侧）+ 论坛 Bot（私域侧）+ CRM 自动化外呼 / IVR质检覆盖 5%→100% · 论坛响应 5min→5s · 服务号覆盖 56% 持仓用户↳ 嘉银金科 · AI 质检 / 论坛 Bot 项目 | 融会 / 浅橙 · CRM 自动化外呼 / IVR |
| ⑥ | 监控核心经营指标（MAU、AUM、LUM、中收），数据驱动增长 | AUM +65% / 人均 +77% 直接业绩 + 数据分析智能体让指标监控自助化SQL+Python 全流程 · 分析师 100% 在用 · 指标随问随出↳ 嘉银金科 · 理财端用户策略运营 / 数据分析智能体（NL2SQL） |
数据分析智能体 · 让数据易得、交付稳定
我 0→1 主导的智能体：自然语言进，取数 → 分析 → 出图 自动编排，执行校验 + 口径交叉验证保证交付稳定。底层是 Schema Linking + 业务语料 Few-shot + 错例回灌。核心洞察：天花板不在模型，在业务语料和数据治理，这套沉淀机制在任何企业数据平台上都能复刻。
用户语料动态画像 · 把非结构化对话变成可运营标签
客户经理 / 座席 / 外呼对话、UGC 内容、客服投诉这些"语料态"信号，传统规则筛和报表都接不住。用 LLM 做摘要 / 情绪 / 意图 / 偏好理解，聚合成持续自更新的动态用户画像，把"指标触达不了"的深层需求补回人货场框架，运营从指标驱动升级到语义驱动。底层 RAG 双路召回 + Ground Truth 自更新知识库 + last-mile 护栏。
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