AI 项目经理 / FDE 前线部署工程师 / AI 智能体开发工程师

从「会规划」到「能落地、可演示、可量化、可复用」

这里收录的是我做过的东西本身:规划书、平台配置、能跑的 Demo、开源代码、数据看板、SOP 手册与复盘报告。每一项都对应面试官想核实的真实经历,可现场演示或提供脱敏材料。

黄家辉 · 5 年+ 企业科技服务与项目全流程经验 · 广州 · 计算机应用技术 · 软考中级 · 信息系统项目管理师备考中

联系方式:面试时提供 · 期望地:广州 · 可现场演示 / 材料可脱敏提供

5年+企业科技服务与交付经验
300+政府/企业项目交付
100+服务企业客户
17项可点开查看的深度作品
Target Roles

三个目标岗位:规划 → 前线交付 → 工程实现

把 5 年+ 的能力收敛为三条相互支撑的主线:能规划(从公司层面搭体系)、能交付(深入客户现场端到端落地)、能实现(独立完成工程与开源)。三者不是并列的三个身份,而是同一套「把 AI 真正落到业务里」的完整闭环。

🎯AI 项目经理

能力主线:从公司层面规划 AI 工具体系,跨部门推进落地,用 ROI 量化价值。不是「会用某个工具」,而是能盘场景、定选型、排优先级、算账、推动组织真正用起来——这套方法在某高分子新材料企业信息化总体规划与 300+ 项目可研立项中反复验证过。

对应作品:模块 01 规划包(8 大业务域 + ROI + 6 个月路线图)+ 模块 10 培训推广 + 模块 12 复盘量化 + 某行业定制规划样本(详见下方分类 ⑥)| 证据:RACI / 周报 / 验收标准 / 规划书原文

🚀FDE 前线部署工程师(Forward Deployed Engineer)

能力主线:进客户门 → 诊断业务 → 端到端交付 → 现场培训 → 用数据量化结果。5 年+ 做的就是「客户现场的科技服务交付」,高企认定 / 项目申报是业务型 FDE,enterprise-agent 本地部署是工程型 FDE。核心不是「会讲方案」,而是把方案真正落到客户手里、并让客户团队具备自主能力。

对应作品:业务型——高企认定端到端交付(单年 24 家含复审、最快 1 周交付)、培训 SOP 打通最后一公里;工程型——enterprise-agent 资源受限环境现场部署(Docker Compose 一键起、降级容错)| 证据:两则实战故事 + FDE 交付物模板

🤖AI 智能体开发工程师

能力主线:独立完成智能体系统的架构、实现、评测与开源。不是「会调 API」,而是六层架构 / LangGraph 编排 / 混合检索 RAG / 双视野记忆 / 容错熔断 / Docker & K8s 部署 / CI 评测回归 / 可观测性全链路自建——且全部可跑、可演示、已开源。

对应作品:模块 04 enterprise-agent(六层架构)+ 模块 06 RAG 真实评测(93.3% 检索准确率@3)+ 模块 07 OTel/Jaeger 全链路追踪 + 模块 13/14/15/16/17 五个开源项目(MCP 三件套、dsh-bridge、DSH 插件、运维工具箱、知识指南)
Capability Mapping

三个岗位能力映射:逐条对到真实经历与证据

每个岗位纵向拆成「岗位核心要求 → 真实经历对应 → 作品集证据」三段。左右滑动或点圆点切换查看三个岗位的完整映射。

切换岗位 ↓
🎯

AI 项目经理

规划 · 推进 · 量化

岗位看的是「能不能从公司层面把 AI 用起来,并且算得清账」。核心要求与对应证据如下。

岗位核心要求真实经历对应作品集证据
体系化规划能力独立完成某高分子新材料企业信息化总体规划:L1-L5 成熟度模型 + 总体蓝图 + 优先级矩阵分类 ⑥ 行业定制规划
业务场景盘点累计编制 300+ 政府/企业项目可研与立项方案,覆盖营销/推广/内容/客服/财务/行政/外贸/电商 8 大域模块 01 规划包
ROI 测算与预算测算工具费 + 人力成本 + 预计节省人天,输出 ROI 供管理层决策模块 01 · 模块 12
跨部门推动落地设计 RACI 职责矩阵、周报模板与验收标准;协同营销/财务/技术完成跨部门交付模块 01 · 模块 03
培训推广 · 采纳率操作手册 + 培训脚本 + FAQ + 反馈闭环,带教客户与内部团队,跟踪采纳率与自助解决率模块 10 培训/SOP
数据驱动决策自建项目信息数据库,输出《项目监测报告》,减少团队约 40% 重复工作模块 05 · 模块 12

📖实战故事与可复用交付物

规划落地 · 真实项目
企业 AI 工具体系从 0 到 1:把「各部门各自买工具」变成一套体系
痛点:营销、客服、财务、行政各自零散采购 AI 工具,没有统一选型标准,重复付费、效果不可控,管理层看不到 ROI。
做法:先盘 8 大业务域的实际场景 → 用「价值 × 难度」矩阵排优先级 → 做工具选型对比(能力 / 成本 / 合规 / 上手难度)→ 编 6 个月分阶段路线图 → 测算工具费 + 人力 + 节省人天,输出 ROI 供管理层决策。
推动落地:设计 RACI 职责矩阵、周报模板与验收标准;先选 2–3 个高频痛点场景试点,用可见成效建立信任再全面推广。
结果:形成可复用的《AI 工具体系 0-1 搭建规划包》;同套方法论已在某高分子新材料企业信息化总体规划中完整落地。
(方法真实落地;ROI 类数字为测算模型,实际以落地数据为准)
可复用交付物
FDE 交付物模板 · Discovery Brief 客户发现简报
把「进客户门 → 诊断缺口 → 形成可验证交付范围」这套发现流程沉淀成标准模板——以高企认定服务为背景,数据取自真实客户台账并已脱敏,任何新客户进来都能直接套用。
🚀

FDE 前线部署工程师

诊断 · 交付 · 教会

FDE 的核心不是「会做技术」,而是深入客户现场、把方案端到端落地、并教会客户团队用起来。

岗位核心要求真实经历对应作品集证据
深入一线 · 需求诊断面向客户企业做需求调研、痛点诊断与可行性分析,累计覆盖 100+ 家企业模块 01 · 模块 12
端到端交付从方案编制、材料合规到申报交付一条龙,最快 1 周完成签单到申报交付业务型 FDE 实战故事
业务沟通 · 跨部门协同营销做客户诊断与谈判支持,联动财务/技术完成研发费用归集与合规自查模块 10 · 模块 03
快速搭原型 · 现场部署资源受限环境用 Docker Compose 快速起 enterprise-agent,现场调试降级容错模块 04 · 模块 11
打通最后一公里给客户财务/技术团队做政策与系统操作培训,让客户具备后续自主申报能力模块 10 · 培训/SOP
ROI 量化 · 数据说话用高企通过率、交付周期、300+ 项目 / 服务企业 100+ 等指标量化交付结果模块 05 · 模块 12

📖实战故事与可复用交付物

业务型 FDE · 真实项目
高新技术企业认定 · 端到端现场交付
客户痛点:科技型企业想拿高企资质享税收优惠,但不懂研发费用归集、知识产权与材料合规,自己报大概率被否。
深入现场诊断:进企业盘研发项目、知识产权、财务口径与科技人员占比,定位申报缺口。
端到端方案:制定申报路线 → 指导研发费用辅助账归集 → 编制技术方案与申报材料 → 组织合规性自查 → 跟进审批。
打通最后一公里:给企业财务/技术团队做政策与系统操作培训,让客户具备后续自主申报能力。
结果:单年最高通过 24 家(含复审)、单年通过项目 60+,最快 1 周完成从签单到申报交付。
(真实业务经验;具体企业名与年度数据面试时可脱敏提供)
工程型 FDE · 真实工程
enterprise-agent · 资源受限环境现场部署
业务痛点:要在一台普通机器上跑通一套企业智能体(编排/RAG/记忆/工具调用),不能依赖云端与专职运维。
快速搭原型:用 Docker Compose 一键拉起 agent-api + Redis + pgvector,本地即可演示,绕开复杂环境依赖。
现场调试与救火:用 OpenAI 兼容接口切本地 Ollama 模型、配置降级备用模型,解决启动依赖、模型不可用与超时问题。
稳定交付:内置重试/熔断/调用次数限制与 FastAPI 健康检查,保证现场长时间演示不掉线。
结果:本地完整跑通并支持现场演示,工程文档齐全,已开源:github.com/Jav1es/enterprise-agents。
(本地真实代码工程,可现场演示)
🤖

AI 智能体开发工程师

架构 · 实现 · 开源

岗位看的是「能不能独立把一套企业级智能体从零做出来、跑得稳、并且证明得了」。以下每一条都有可运行代码或真实评测数据。

岗位核心要求真实经历对应作品集证据
架构设计能力六层架构:接入 → 编排(LangGraph StateGraph)→ 工具 → 记忆 → 知识 → LLM 推理模块 04(含架构图)
RAG 与检索工程语义切分(500/50) + Dense+BM25 混合检索 + RRF 融合 + Cross-Encoder 重排(可开关);真实评测 93.3% @3(30 题分层)模块 06 · RAG 评测报告
工具调用与 MCPNative Tool Calling + MCP 协议;独立开源 3 个 MCP Server,35 个 pytest 用例全通过模块 13 MCP 三件套
记忆与容错双视野记忆(Redis 短期 + PostgreSQL 事实三元组);错误分类重试 / 降级 / 熔断 / 调用次数限制模块 04 · 模块 11
部署与工程化Docker Compose 本地一键起、K8s Helm(HPA CPU 70%);pytest + GitHub Actions CI 门禁模块 04 · 模块 11
评测与可观测性评测集纳入 CI 每次 push 自动回归;OpenTelemetry + Jaeger 全链路 trace(一次会话 8 span)模块 07 · 模块 09
开源与工具链5 个独立开源仓库(MCP 三件套 / dsh-bridge / DSH 插件 / 运维工具箱 / 知识指南),全部 MIT、CI 全绿模块 13–17

📖实战故事与可复用交付物

工程实战 · 真实评测
RAG 检索从「大概能答」到「有数据可证」:93.3% 是怎么量出来的
痛点:大模型直接答企业制度类问题会幻觉、不给引用来源,无法满足企业可信问答要求;更要命的是「改好了没有」没有客观标准。
做法:语义切分(chunk 500 / overlap 50)→ Dense + BM25 混合检索 → RRF 融合 → Cross-Encoder 重排(可开关);把评测集扩到30 题三难度分层 + 5 道拒答题,指标做成可复现命令;无 LLM Key 时自动降级为 Top-K 片段 + 来源,保证离线也能演示。
纳入门禁:把评测集接进 GitHub Actions,每次 push 自动跑并断言阈值(检索/引用准确率 ≥60%、拒答率 ≤40%),报告存为 artifact——防止「改好一个场景、改坏另一个」。
结果:真实评测检索准确率 93.3% @3(28/30)、73.3% @1(22/30)、引用来源准确率 93.3%;用 OpenTelemetry + Jaeger 打通全链路 trace(一次会话 8 个 span)定位慢节点。
(本地实跑数据,评测报告与 Jaeger 截图均可查。口径订正:早期「83.3% @3」实为 Top-1 结果且仅 6 题,已扩样订正)
可复用交付物
FDE 交付物模板 · Eval Plan 工程评测计划
把「上线前怎么验证、上线后怎么监控」固化成标准件:定义评测数据集(对接模块 07 评测集与标注样本)、指标合同、RAG 五层与工具调用专项、发布门槛与生产监控闭环。
↔ 左右滑动卡片,或点上方的箭头 / 圆点切换岗位
Portfolio

作品集模块:六大能力类目(17 个深度作品)

17 个作品按能力属性归为六大类,每类标注「该类体现的能力水平」与代表作。点击任意模块可展开完整详情:业务痛点、我的角色、方案架构、工具栈、实施步骤、关键难点、量化测算、可复用资产、证明链接与复盘。量化数据凡涉成效均标注为测算模型 / 示例口径。

⊕ 全部展开 / 收起
Live Demo

现场可演示清单(按岗位分组)

按三个目标岗位分组列出可当场演示、或按需提供录屏 / 脱敏源文件的内容,证明「能落地、跑得起来」,而非纸上方案。可现场演示 = 面试当场能跑;可提供材料 = 提供脱敏文件或录屏。

🎯AI 项目经理 · 可演示内容

◈ AI 工具体系 0-1 规划包

业务盘点 → 价值×难度矩阵 → 工具选型对比 → 6 个月路线图 → ROI 测算的完整方法与规划包。

可提供材料:规划包 PDF + 路线图网页(可当场打开逐页讲解)

📊 项目监测报告

自建业务数据库 + SQL 报表,现场打开《项目监测报告》看数据如何驱动管理决策。

可现场演示:库表结构与报表查询

△ 某高分子新材料企业信息化总体规划

公司级信息化与 AI 规划:L1-L5 成熟度模型、总体蓝图、业财一体化、8 个行业专属 AI 场景。

可提供材料:脱敏版规划书(完整体系化规划样本)

📁 培训 / SOP / 推广运营包

操作手册、培训视频脚本、FAQ 知识库、带教 SOP、采纳率看板——证明方案能推到一线用起来。

可提供材料:全套模板与成稿

🚀FDE 前线部署工程师 · 可演示内容

🖥️ enterprise-agent 本地现场部署

Docker Compose 一键起服务,演示工作流编排 / RAG 问答 / 工具调用 / 容错降级全链路。

◈ 企业问答 / 文档 AIGC 工作流

Coze + 多维表「AI 先做、人只审」双层流程,现场演示问答与文档生成、人工审核台。

可现场演示(自建 demo,方法论可迁移)

📋 FDE 交付物模板

Discovery Brief(客户发现简报)+ Eval Plan(工程评测计划),FDE 工作法的可复用标准件。

可提供材料:两份全文(站内点击即读)

📈 高企认定端到端交付复盘

业务型 FDE 实战:需求诊断 → 研发费用归集 → 材料编制 → 合规自查 → 培训交付的完整过程与结果。

可提供材料:脱敏案例与年度数据(面试时提供)

🤖AI 智能体开发工程师 · 可演示内容

🔍 RAG 知识库真实演示

上传制度文档 → 提问 → 返回带条款引用的回答;无 LLM Key 自动降级为 Top-K 检索。真实评测:检索准确率 93.3% @3(30 题分层评测)。

可现场演示:含运行截图、逐帧 GIF 与评测报告

🧭 OTel + Jaeger 全链路追踪

一次会话 8 个 span(根 + Router/Planner×2/Retrieve/Tool/Reviewer/Respond),trace_id 贯穿。

可现场演示:Jaeger UI 真实 trace 截图

🧩 MCP Server 三件套(开源)

enterprise-agent-tools-mcp / portfolio-mcp / rag-knowledge-base-mcp,35 个 pytest 用例全通过。

可现场演示:mcp/ 目录 | 仓库公开可查

🔧 dsh-bridge / DSH 插件 / 运维工具箱(开源)

三个独立开源项目:跨应用 MCP 桥接、补宿主生态空白的三个插件、升级自检与插件兼容预检工具链。

可现场演示:dsh-bridge | dsh-local-plugins | dsh-toolkit
Category ⑥ · Industry Customization

分类 ⑥ 行业定制规划能力 · 已落地样本

六大类中的第 ⑥ 类,单独成篇展示:通用方法要能落到具体行业才算真本事。以下是我针对实体制造企业做的深度行业定制规划——证明「体系化思维 + 行业理解 + 信息化蓝图」三层能力可以合并输出。

📐 该类体现的能力水平能从零到一为一家真实企业画出公司级信息化与 AI 落地蓝图,并把行业特性(配方研发、多标准合规、批次追溯)翻译成可执行的信息化模块与 AI 场景。
✓ 真实完成的作品样本(客户名称已脱敏)

某高分子新材料上市企业 · 信息化总体规划与数字化转型方案(含 AI 赋能)

面向某高分子新材料上市企业(建筑密封胶行业,国标起草单位)编制的公司级信息化总体规划(客户名称已脱敏)。以「入职后规划」视角,覆盖 ERP / SRM / PLM / MES / HR / LIMS 五大业务系统 + 数据中台 + AI 能力平台 + 基础设施安全,并深度融入 AIGC 与 AI Agent 落地场景。

体系化规划L1-L5 成熟度模型 + 总体蓝图 + 按系统完善程度推进的优先级矩阵
行业深度适配配方研发 Copilot、多标准合规核查、批次质量追溯等 8 个专属 AI 场景
财务方向强项业财一体化、研发费用归集与加计扣除,契合高新技术企业真实需求
对应岗位AI 项目经理(规划主线)· FDE(现场诊断与交付)
演示方式可提供脱敏版规划书,现场逐页讲解规划逻辑与优先级取舍