王誉翔Yuxiang Wang

Slowtrail · AI 旅行规划方向的可交互原型

• 确定范围、完成体验

  将英国旅行规划收敛到伦敦、牛津、巴斯与 3–7 天行程，梳理发现灵感、填写需求、确认条件与查看行程的完整路径，与 AI 编程助手协作完成可运行原型。

• 根据反馈做取舍

  根据同学与朋友的非正式意见，明确旅行自有节奏的产品调性，改为摄影与计划、发现双入口，加入六篇地点故事；统一字体、折叠次要内容，让地图突出重点景点。

• 让资料有依据

  以信息能追溯、未知项能识别为交付要求，协同整理三十个来源地点与三对交通参考，实现资料查询与基础时间检查。当前行程为固定示例，尚未接入模型自动规划。

Project Knowledge Copilot

• 问题洞察与规划

  基于个人建筑资料分散、AI 回答难核验的场景，以用户任务（JTBD）拆解“找到证据—形成结论—原文核验”；独立负责 MVP、交互与评测，优先打通可信问答，暂缓企业权限与复杂 Agent。

• RAG 方案与可信交互

  将系统拆为资料入库、检索、生成与证据核验四层，借助 AI Coding 基于 Next.js、pgvector、Voyage AI 与 Claude API 完成原型；区分回答、证据不足、引用异常与请求失败，设计引用校验、拒答及恢复路径。

• 文档处理与迭代

  支持项目范围选择、可恢复批量向量化及分卷 PDF 阅读，将物理分卷组织为保留原页码的逻辑文档；处理 293 页真实资料、完成 289 个片段向量化，持续跟踪生成失败和等待时间。

• 分层评测与取舍

  建立 16 题基线，分别检查检索命中、回答依据、引用与拒答。8 个已知答案问题 Hit@1 为 7/8（87.5%）；跨项目实验中，11 个检查项的目标项目覆盖由 9/11 增至 11/11，有效证据仍为 6/11，因此保留原默认策略。

个人产品项目

• 发现问题、确定方向

  从自己的健身经历及同学、朋友的反馈出发，梳理查动作、重复录入、记录难坚持等问题，把产品重点调整为“认识器械—查看资料—开始训练—回看进步”。

• 把需求做成可用产品

  负责需求、页面流程和验收标准，借助 AI 编程工具完成手机优先的健身产品，连接器械确认、训练计划、逐组记录、饮食记录和熊猫陪伴，并支持网页及桌面安装使用。

• 让 AI 结果可检查

  将训练描述、饮食文字和照片转成可修改草稿，设计缺失提醒、重量确认和保存失败恢复；未知重量不默认填零，用户确认后才成为正式记录。

• 根据反馈持续取舍

  根据查教学不方便、训练氛围不足、角色动作不自然等反馈调整入口与界面，暂停人体动作识别并撤下效果不佳的运动动画；用场景用例和实际界面检查记录、刷新与恢复是否一致。

Architecture Portfolio Website

• 用户阅读与产品表达

  面向招聘方和设计同行，将建筑作品组织为概览、过程、图纸与 3D 探索；通过分层内容、预设视角与图层控制，让读者先理解核心方案，再按需深入查看，减少图像堆叠和大型素材加载负担。

• 原型落地与验收

  负责信息架构、内容取舍和交互验收，借助 Claude Code / Codex 交付原建筑站 11 个页面、两个真实模型；验证大图关闭恢复、返回后单画布和加载失败降级，原站于 2026 年 9 月完成生产发布。当前合并版的本地检查与线上发布分别记录。