为什么是我？
- 已验证的 AI 自动化落地能力 — 不是会装工具，而是已经跑通完整业务流：从 SEO 内容自动产出、到客户提案自动化、到 DevOps 运维 Agent，每个都有量化结果。
- 技术出身，能自己动手 — 8 年 Java 后端 + 7 年产品管理。我不是写 PPT 让别人做的人，Claude Code + n8n 是我日常高频使用的工具，其他按需学习。
- 老实说 — 我不是算法工程师，不写模型。但我知道怎么把现成模型串成业务流，控制好 Token 成本，让 Agent 稳定产出而不是跑一次就挂。
AI 实战案例
案例一：SEO 内容自动产出系统
问题：客户网站 Google 搜不到，传统做法月产 5 篇文章，人工成本高效果慢。
我做了什么：用 Claude Code Agent 做内容生成核心，n8n 串关键词研究 + 文章生成 + 自动发布到 Cloudflare Pages，GSC API 追踪收录情况。整套流程从选题到发布全自动，我只做最后的质量抽检。
结果：30 天产出 76 篇文章并自动发布。单篇 Token 成本 $0.15。人力从「一个编辑全职写」变成「我每天花 15 分钟抽检」。
踩过的坑：前 10 篇文章质量参差不齐，后来发现必须分层 Prompt（大纲一层、段落一层、SEO 优化一层），一次性生成长文效果很差。
案例二：客户开发自动化（提案 + Demo + 邮件）
问题：做 B2B 业务开发，一个提案从研究客户、写方案、做 Demo 到发邮件，原本要 2 小时。同时追踪多客户根本忙不过来。
我做了什么：Claude Code 分析客户网站生成定制提案，Gemini Imagen API 生成 Demo 视觉稿，Gmail SMTP 自动发送。我只需要输入客户网址，15 分钟后收到完整提案供审核。
结果：提案时间从 2 小时压缩到 15 分钟（含我审核修改的时间）。同时追踪 7 个客户不再手忙脚乱。
教训：AI 生成的提案不能直接发，客户能感觉到。必须人审一遍，加入对客户业务的具体观察，才有诚意。「模板化但客制化」是关键。
案例三：DevOps 运维 Agent 商品化
问题：团队运维知识全在资深工程师脑子里，人一走知识就断。新人上手要 3 个月。
我做了什么：把运维流程写进 Claude Code 的 Skill 系统（Obsidian 知识库 + Python 脚本 + SSH 自动连接），打包成安装包。双击安装，5 分钟就能用 AI 辅助巡检、排障、部署。
结果：新人上手从 3 个月缩短到 1 周。运维知识不再依赖个人，沉淀在系统里。
最难的不是 AI 部分，是 Mac/Windows 双平台兼容、文件权限、依赖管理这些工程细节。Agent 好写，产品化很难。
入职后我会做什么
第 1 个月
- 摸清现有业务流程和团队痛点
- 找到 1-2 个「重复性高、规则明确」的流程，搭建第一个 AI Agent 跑通验证
- 产出第一个可量化的效率提升数据
第 2 个月
- 针对广告投放建立 AI 辅助优化流程（素材生成 + A/B 测试自动化 + 数据回收）
- 启动 KOL 外联自动化：批量研究 + 定制化触达 + 跟进追踪
- 建立 ROI 追踪机制，用数据说话
第 3 个月
- Agent 系统稳定运行，开始优化和扩展
- 培训团队成员使用 AI 工具，降低对我个人的依赖
- 产出完整的 AI 工作流 SOP，确保可持续
工作经历
- 从零搭建 25 人产品+技术团队，推动多款老虎机/捕鱼机产品上线
- 导入 AI Agent 产线：SEO 自动化、DevOps Agent、客户提案自动化，效率提升实测数据见上方案例
- 搭建自动化 QA 框架（Python/Node.js），线上回归 Bug 率降低 60%
- 负责多款博弈产品 0→1 规划与落地，建立标准化 PRD 流程，开发理解偏差降低 60%
- 亲手设计老虎机 RTP 模型与水池机制，不只是「提需求的 PM」
- 自营游戏与系统开发公司，交付棋牌系统（CityPoker、58Poker）及多个企业级系统（银行、政府）
- 从拉客户、写提案、管团队到交付运维，全流程自己扛过一轮
- 从 Java 工程师一路成长到管理 12 人团队，完成「技术→管理→产品」的转型
- 5 年 Java 后端开发经验，能读懂代码、追踪数据流、精准评估技术可行性
- 中国信托、永丰商银、远通集团、台湾大、健保案、军方系统
日常工具栈
| 类别 | 说明 |
|---|
| AI Agent 核心 | Claude Code CLI（日常主力）、n8n（工作流编排） |
| 按需使用 | Gemini API、ElevenLabs、Midjourney — 看任务选工具，不追求数量 |
| 部署/运维 | Docker、AWS、Cloudflare Pages、Jenkins CI/CD |
| 开发语言 | Node.js/TypeScript（现在主力）、Java（过去 8 年）、Python（脚本/自动化） |
AI Agent 架构：我怎么搭「数字员工」
我不用 OpenClaw，但我理解它——347K Stars、13,000+ 公共 Skills、社区生态强大。我的选择不同，因为业务场景不同。
我搭的 Agent 长什么样
不是一个聊天机器人，是一个有记忆、有技能、会自我迭代的工作系统：
- 持久记忆 — 不是聊完就忘。用户画像、项目状态、踩过的坑，全部分层存储，跨月份累积，越用越懂业务
- 可插拔技能 — 每个业务能力写成一个 Skill 文件（Markdown 定义），需要时加载，不需要时不占资源
- 多通道感知 — Telegram、LINE、Email 同时监听，手机上发一句话就能触发整套工作流
- 直接执行 — 不是给建议让人去做，是 Agent 自己 SSH 进服务器、调 API、写数据库、部署上线
- 自动进化 — Python 排程每天跑，自动更新知识库、扫描新信息、产出日报周报
跟 OpenClaw 的核心差异
OpenClaw 强在「通用性」——一个框架接所有平台。我强在「业务闭环」——从需求到交付，Agent 不只是中间环节，而是整条产线。
具体怎么设计 Skill、怎么控 Token 成本、怎么让 Agent 稳定跑而不是隔天就挂——这些细节，面试时我可以现场演示。
关于这份履历
本履历由我的 AI Agent（Claude Code）自动完成内容整理、排版生成与线上部署，全程 15 分钟。
从「告诉 AI 职位需求」到「履历上线可分享」，中间没有打开 Word、没有手动排版、没有找人帮忙部署。
这不是展示，这是我每天的工作方式。
工具链：Claude Code CLI → HTML/CSS 生成 → Git Push → Cloudflare Pages 自动部署
在线版：demos.heyboss.com.tw/ai-operator-resume
