从0到1:使用Dify工作流开发AI面试模拟的完整开发复盘
记录我独立开发AI面试模拟工作流的完整过程,从需求分析到技术选型的全链路思考。包含架构设计、数据处理、提示词设计、流程优化等实战细节。
创造有价值且用户友好的AI产品,致力于设计智能时代的用户价值闭环 追问AI技术的本质,直至其可以优雅地融入人类的直觉
我交付的并非技术清单,而是思维的结晶化与热情的物质化。
"所有功能的狂欢,终将归于体验的沉寂。我探寻的,是那个让用户重归宁静的必然解"
"我拒绝在已有的路径上做增量。我选择回到源头,问第一个‘为什么’,并亲手定义下一个‘怎么做’。"
"真正的产品,不是围捕用户的栅栏,而是照亮其前路的一束光。它不索取注意力,只赋予可能性。"
我是吴燊,一个习惯把世界拆成变量、再把变量拼成故事的AI产品经理。 还是大一那年,课程组给的任务是一个月内完成C语言程序课程设计并进行汇报。到了汇报的前一天晚上,我们却只完成功能清单上的70%。
课题是以校区为原型设计的区域外卖系统,成员之间商议后确定的。为了让研究有意义,前期我们便用尽了所有手段来收集问卷, 这一阶段花费一周有余的时间,终于让我们梳理出了“核心用户”大学生最大的痛点——等待时间太长。 于是围绕这核心问题,我们用地图抽象、路径最小值规划等一系列方法探索最优方案。我们用数学建模的方法来对抗时间焦虑, 不只是来自于用户,也有我们自己的:一个月时间马上结束。最终的功能清单上,我们只完成了70%,工程量比较大的 流水管理模块始终未开发。出乎意料的,老师称赞我们的设计对解决现实问题就有指导意义,通过系统算法的优化,将订单洪峰期的用户平均等待时间从 9分钟缩短到4分钟,极端情况最长等待时间缩短11分钟。得益于此,我们组的所有成员都获得了最高分。那一刻我第一次明白:能让世界变好的不是写满的功能,而是刚好击中痛点的那个数字。
于是我成了产品经理。我不再追求把功能堆到100%,而是盯着用户眉头间那0.1秒的迟疑,然后像当年调参一样,把产品的每一个像素调到刚好抚平那道迟疑。 我把这条"方程"带进了产品,把技术磨成最薄的刀,只割最疼的结。
用结果说话,展示从0到1构建产品的完整能力
Multimodal RAG-based Knowledge Base Question Answering System
企业级知识库RAG,支持企业办公、科研、教育生产的PDF等大规模图文混排数据处理,为用户提供智能化的知识管理和业务嵌入式RAG解决方案。
💡 项目亮点:真正可落地的企业级图文混合 RAG 闭环,依托于多模态技术,具备本地化部署、垂直领域微调的可拓展设计,“能问答”且“懂图文”的企业级知识中枢。
Interview simulation AI agent
基于Dify工作流平台开发的模拟面试智能体,解决企业在招聘初筛阶段面临的核心痛点——信息不足与人力成本高的矛盾。
💡 项目亮点:主要业务流程与提示词源自开源项目FoloUP拆解,面试过程以及结果分析皆由AI驱动。
Text-to-Graph Conversion System
基于Gradio搭建的文本知识图谱化系统Demo,支持实时文本解析和可视化图谱展示,集成9种主流大语言模型和双图数据库支持。
💡 项目亮点:依托多LLM技术,具备实时解析、双数据库支持和现代化可视化界面,让非结构化数据“一眼可见”,是从RAG到GraphRAG的重要一步。
通过开发实践、技术拆解和精选推荐,展示我的技术热情与行业洞察力
记录我独立开发AI面试模拟工作流的完整过程,从需求分析到技术选型的全链路思考。包含架构设计、数据处理、提示词设计、流程优化等实战细节。
深入剖析RAGFlow的核心架构设计,解构其深度文档理解、精准检索和答案生成的高效RAG工作流。通过源码和提示词分析,掌握企业级RAG系统的设计精髓与实现细节。
Alistair Croll 与 Benjamin Yoskovitz 的这本书让我彻底理解了‘数据不是数字,而是用户行为的痕迹’。从 MVP 到规模化,每一步都用一条‘第一关键指标’校准方向。