背景：跨系统库存数据口径不统一，缺乏可量化的库存风险标准，客户诉求零散承接，既影响商家体验、产生高额赔付，也无法支撑AI规模化落地。

工作：

1. 底座层搭建：统一全球多套异构系统的库存数据口径，设计库存精品表与规则配置中心，沉淀标准化库存资产；
2. 双视角经营层输出：对商家输出覆盖60+核心指标的库存健康/对账/预警报告，升级为AI智能问答（基于专家规则支持自然语言问数，明细下钻查询）；对运营设计全景指挥台，支持灵活配置查询维度、处理对账任务；
3. 分层架构预留演进：拆分「数据-决策-执行」三层架构，剥离决策逻辑并预留统一接口，支撑产品从规则报表到AI问答、再到AI诊断平滑演进。

背景：库存对账的差异分析长期依赖资深专家经验，客户数据格式不统一、新人上手慢、能力没法沉淀，整体效率瓶颈突出。

工作：

1. 抽象差异分析全链路核心能力，设计Excel解析、差异归因、总结提炼三大模块，将"结构识别→字段映射→差异分类→归因建议"拆解为可组合的Agent能力；
2. 100+轮Prompt迭代，建立20+归因规则和置信度分级处理机制，在保证准确率的同时最大化提效；
3. 规划Agent记忆沉淀机制，自动积累商家/分仓个性化经验，实现个人经验到组织级能力的升级。

背景：面对大仓和小仓的作业复杂度差异，原"一刀切"WMS导致小仓操作冗余、新人培训成本高。需设计可复用的分层架构，平衡"标准化"与"灵活性"。

工作：

1. 架构设计：提出「思维层通用-应用层适配-实操层灵活」三层架构思路，统一底层核心模型，同时支持不同类型仓库差异化配置；
2. 产品组件化：将系统能力拆解为可灵活组合的产品单元，通过"流程积木"机制匹配不同规模仓库的需求，大幅降低场景适配的开发成本；
3. 场景化落地：联合运营、技术团队对齐分层设计目标，针对收货、出库等核心场景输出差异化体验方案，最终推动跨多个技术域完成产品落地。

背景：牵头公司"健康档案"项目，定位为医疗数据生态底层基建，打通"健康数据-风险预测-服务推荐"全链路。

工作：

1. 设计"生命体征+生活行为+医疗数据"六大类数据体系；
2. 梳理构建出八十余种健康标签、一百四十余种疾病风险库，涵盖近百种急性病和五十余种慢性病；
3. 推动与余杭区政府合作，成功接入脱敏医疗数据。

背景：主导互联网医院核心服务基建，定位为"连接患者-医生-药品"生态枢纽，解决医疗资源分配不均+医生收入场景等痛点。

工作：

1. 设计多端协同产品矩阵（医鹿APP/支付宝小程序/医蝶谷医生工作台）；
2. 从0到1搭建院外处方流转能力，打通"问诊-开方-核销-配送"全链路；
3. 通过"医生画像+收入激励制度"重构医生服务体系（实时提现功能解决了行业普遍存在的"月度到账"痛点）。

背景：WMS操作复杂、订单异常规则分散固化，一线无法自助排障，单异常排查平均耗时40分钟，技术60%产能被重复咨询占用。

工作：

1. 将分散异常规则统一抽象聚合，搭建可复用的异常管理中心；
2. 用C端思维重构B端体验：订单进度可视化、异常"人话翻译"、拆箱决策三维可视化；
3. 输出"B端产品C端化"设计方法论，新人培训周期缩短80%。