[{"data":1,"prerenderedAt":270},["ShallowReactive",2],{"page-\u002Fabout":3},{"id":4,"title":5,"body":6,"category":261,"date":261,"description":262,"emoji":261,"extension":263,"image":261,"meta":264,"navigation":265,"path":266,"seo":267,"stem":268,"tags":261,"__hash__":269},"content\u002Fabout.md","关于我",{"type":7,"value":8,"toc":244},"minimark",[9,12,21,25,65,68,73,76,96,100,132,135,139,142,168,174,178,181,185,188,208,211,216,219,222,225,235,238],[10,11,5],"h1",{"id":5},[13,14,15,16,20],"p",{},"你好！我是 ",[17,18,19],"strong",{},"Rush（廖佳俊）","，一名专注于 AI 应用落地的智能体运营工程师。2026 年毕业于锦城学院机器人工程专业，目前从事 AI 智能体开发与运营方向的工作。",[22,23,24],"h2",{"id":24},"个人优势",[26,27,28,35,41,47,53,59],"ul",{},[29,30,31,34],"li",{},[17,32,33],{},"模型精通","：深度使用 ChatGPT、Claude、DeepSeek、豆包等主流大模型进行任务处理，擅长 RAG 问答系统构建",[29,36,37,40],{},[17,38,39],{},"多模态实战","：熟练运用 Midjourney、即梦 AI 进行视觉生成，具备跨模型协同工作流设计能力",[29,42,43,46],{},[17,44,45],{},"生产力体系","：能通过 Notion AI 及 AIGC 工具构建从文本生成、视觉生成到自动化生产的全链路内容体系",[29,48,49,52],{},[17,50,51],{},"平台实战","：精通 Coze（扣子）、Dify、文心智能体等主流平台的智能体开发",[29,54,55,58],{},[17,56,57],{},"后端与部署","：熟悉 Python、FastAPI、Docker、Streamlit，具备从本地开发到云服务器部署的完整能力",[29,60,61,64],{},[17,62,63],{},"其他","：C 语言、机器人视觉技术、MATLAB 仿真",[22,66,67],{"id":67},"工作经历",[69,70,72],"h3",{"id":71},"四川极简智创科技有限公司-智能体运营","四川极简智创科技有限公司 · 智能体运营",[13,74,75],{},"通过 GEO 项目成功提升品牌信息在豆包、千问等大模型中的搜索与推荐效果，并借助自动化工作流使内容生产效率提升 300%、人力成本降低 50%。",[26,77,78,84,90],{},[29,79,80,83],{},[17,81,82],{},"搞透产品细节","：深入研究 AI 助手的技术原理和功能边界，摸清多轮对话与工具调用逻辑，确保精准解决用户实际场景中的痛点",[29,85,86,89],{},[17,87,88],{},"盯紧数据指标","：负责监测 AI 助手的日常运营数据（日活、对话次数、问题解决率等），通过数据分析定位体验问题并调整运营方案",[29,91,92,95],{},[17,93,94],{},"带队推动落地","：根据 AI 助手所处阶段（从 0 到 1 或成长期）制定明确目标并拆解为具体任务，协调技术与产品团队共同完成",[69,97,99],{"id":98},"交大典博教育有限公司-geo-优化-内容运营","交大典博教育有限公司 · GEO 优化 \u002F 内容运营",[26,101,102,108,114,120,126],{},[29,103,104,107],{},[17,105,106],{},"GEO 搜索优化","：围绕考研教育垂直领域，覆盖 DeepSeek、豆包、Kimi、通义千问等大模型的搜索与问答场景，梳理用户需求及品牌相关问题，提升品牌在 AI 生成式搜索结果中的曝光与推荐概率",[29,109,110,113],{},[17,111,112],{},"AI 搜索词库建设","：根据考研择校、专业选择、备考规划、培训机构选择等用户需求，规划品牌词、行业词、问题词及长尾关键词体系",[29,115,116,119],{},[17,117,118],{},"内容策略与运营","：围绕考研及 AI 学习场景进行选题规划，研究用户搜索意图，策划问题导向型内容，提升内容与 AI 问答场景的匹配度",[29,121,122,125],{},[17,123,124],{},"GEO 内容优化","：探索面向大模型理解与引用的内容组织方式，优化文章标题、内容结构、问答模块及信息表达，增强内容的可理解性与可检索性",[29,127,128,131],{},[17,129,130],{},"效果分析与迭代","：规划品牌在不同大模型中的曝光、提及、引用及竞品推荐情况的监测维度，基于测试结果持续调整关键词策略与内容方向",[22,133,134],{"id":134},"项目经历",[69,136,138],{"id":137},"geo-项目实战落地-组长202507-202602","GEO 项目实战落地 · 组长（2025.07 - 2026.02）",[13,140,141],{},"面对 AI 搜索引擎普及、传统 SEO 依赖的关键词排名模式失效的行业痛点，主导 GEO 项目从方案设计到落地执行的全流程：",[26,143,144,150,156,162],{},[29,145,146,149],{},[17,147,148],{},"目标重构","：将业务核心从\"关键词排名\"升级为\"AI 模型采纳率\"，以品牌信息在 AI 答案中的出现频率和权重作为核心 KPI",[29,151,152,155],{},[17,153,154],{},"内容标准化","：深入分析大模型偏好逻辑，制定\"语意对齐\"的内容技术标准，并联动知乎、CSDN、头条等多平台进行信息权重注入",[29,157,158,161],{},[17,159,160],{},"闭环迭代","：建立\"首发测试 - 二次复测 - 结构回收\"的严谨链路，将成功路径沉淀为可复制的方法论",[29,163,164,167],{},[17,165,166],{},"自动化响应","：基于 Coze 平台搭建自动化工作流，实现内容标准化输出，并建立应对模型更新与平台变化的快速响应机制",[13,169,170,173],{},[17,171,172],{},"项目成果","：品牌信息在主流 AI 搜索引擎中的采纳率提升至 65%，核心业务关键词在 AI 答案中的品牌提及率提升 40%，内容生产效率提升 300%、人力成本降低 50%，品牌 AI 渠道流量增长 120%。",[69,175,177],{"id":176},"爆款文案生成器-独立制作202601-202602","爆款文案生成器 · 独立制作（2026.01 - 2026.02）",[13,179,180],{},"基于扣子平台搭建爆款文案生成器，适配电商、短视频、自媒体等多创作场景，支持风格自定义、核心参数配置、文案一键优化改写及多版本输出，简化创作流程，高效产出高吸引力、高适配性的爆款文案内容。",[69,182,184],{"id":183},"健身饮食-rag-智能问答系统202601-202602","健身饮食 RAG 智能问答系统（2026.01 - 2026.02）",[13,186,187],{},"基于本地健身饮食知识库，设计并实现了一个面向减脂、增肌、训练饮食场景的 RAG 智能问答系统。项目支持用户通过 Web 页面输入问题，系统完成知识检索、上下文增强和大模型生成回答，并最终部署到腾讯云服务器，实现公网访问和在线服务。",[26,189,190,193,196,199,202,205],{},[29,191,192],{},"独立完成项目从本地开发、问题排查到云端部署的全流程落地",[29,194,195],{},"基于 FastAPI 搭建后端接口与问答服务",[29,197,198],{},"构建本地知识库检索流程，接入 embedding 模型与 RAG 问答链路",[29,200,201],{},"完成 Docker 容器化部署，配置 .env、镜像构建与服务重启",[29,203,204],{},"将服务部署到腾讯云服务器，完成公网 IP 访问、防火墙放行与运行状态验证",[29,206,207],{},"排查并修复多项线上问题（环境变量读取失败、模型路径错误、前后端请求字段不一致、LLM 客户端异常关闭、接口超时与错误响应格式不统一等）",[22,209,210],{"id":210},"教育背景",[13,212,213],{},[17,214,215],{},"锦城学院 · 机器人工程（本科，2026 届）",[13,217,218],{},"主修课程：C 语言、Python、机器人视觉技术、MATLAB 控制仿真、自动控制原理、西门子 S7-1200 原理与应用",[22,220,221],{"id":221},"联系我",[13,223,224],{},"如果你对 AI 智能体、RAG 应用或内容自动化感兴趣，欢迎交流合作：",[26,226,227],{},[29,228,229,230],{},"Email: ",[231,232,234],"a",{"href":233},"mailto:q767144250@163.com","q767144250@163.com",[236,237],"hr",{},[13,239,240],{},[241,242,243],"em",{},"持续学习，不断进步。",{"title":245,"searchDepth":246,"depth":246,"links":247},"",2,[248,249,254,259,260],{"id":24,"depth":246,"text":24},{"id":67,"depth":246,"text":67,"children":250},[251,253],{"id":71,"depth":252,"text":72},3,{"id":98,"depth":252,"text":99},{"id":134,"depth":246,"text":134,"children":255},[256,257,258],{"id":137,"depth":252,"text":138},{"id":176,"depth":252,"text":177},{"id":183,"depth":252,"text":184},{"id":210,"depth":246,"text":210},{"id":221,"depth":246,"text":221},null,"了解 Rush 的技术背景与成长经历","md",{},true,"\u002Fabout",{"title":5,"description":262},"about","JBP1v7TrIj4FXpb8zD26mfxhRQXUf4D4Q5gBhKexIXk",1791776026859]