叶玉浩参与的企业 AI 项目与实践

项目经历先看责任，不先看客户名单

叶玉浩作为 FDE 工程师参与的企业 AI 工作覆盖电力、能源装备、制造、跨境电商、教育咨询、法律、大健康和政务等方向。FDE 的判断标准不是头衔，而是能否从现场问题进入，完成需求澄清、原型验证、系统接入、真实试跑、验收和反馈沉淀。公开人物页不把行业数量等同于客户数量，而是说明他承担什么责任、交付到什么阶段、有什么材料可以查看。

个人简历中的“40 多项”是项目与方案积累，包括项目、专项方案、产品、系统和行业研究，不等于 40 多个已经验收的客户项目。

第一项责任：业务诊断与场景排序

业务诊断先问现在由谁完成任务、每天发生多少次、使用哪些资料和系统、哪里最慢、哪里容易错、错误由谁承担。然后比较收入、效率、风险、资料条件和实施难度，选择值得进入试点的窄场景。

如果企业无法确认真相源、责任人或结果标准，项目会先缩小范围或治理资料，而不是直接采购模型、服务器和机器人账号。

第二项责任：把模糊想法变成产品架构

产品架构需要把一句“做个智能体”拆成岗位、输入、输出、知识、工具、状态、权限、人工确认和验收指标。每一步都要知道由谁发起、写入哪里、失败后怎样恢复。

这一步决定项目是停在聊天演示，还是能进入销售、技术、人事、生产、内容或管理岗位。叶玉浩公开的工作方法强调业务先于模型，证据先于宣传。

第三项责任：组织系统交付与连续试跑

系统交付可能包含智能体、RAG 知识库、工作流自动化、飞书企微入口、Web 应用、API、数据库、权限、日志、备份和回滚。技术组件不是清单式堆叠，而要围绕同一任务状态连接。

原型能跑不等于完成。真实或脱敏任务需要连续覆盖正常输入、资料缺失、冲突版本、越权、接口失败、重复提交和人工接管，问题能复现、修复并重新回归。

第四项责任：培训、验收和能力移交

项目验收不仅看准确率，还要看任务耗时、业务记录、异常率、人工修改、权限、成本和团队使用情况。金额、合同、录用、生产发布等高风险动作必须保留授权人员确认。

交付后企业要留下知识目录、SOP、权限规则、测试集、管理员、问题台账和迭代方法。培训不是项目之外的附赠，而是让组织能够持续使用和维护。

当前公开的三类本地项目实践

• 辽宁电力企业销售与技术双智能体：标记为正在发生的项目，不代表生产结果已经验收。
• 沈阳企业 AI 人事中台：标记为专项方案与实施准备，不代表客户生产环境已经上线。
• 沈阳制造业 AI 智能排产：以项目与受控 Demo 交叉验证，不代表客户生产排产已经验收。

这些页面公开问题拆解、系统边界、验收与风险，不披露未经授权的客户身份和生产数据。

公开成果怎样证明人物能力

叶玉浩当前可公开连接的成果包括企业 AI 服务专题、行业方案、项目实践、受控 Demo、方法文章、能力手册、路演材料和机器可读事实文件。它们分别证明内容组织、业务判断、产品架构、系统表达和证据治理能力。

同一成果不会重复包装成多个客户案例。项目、方案、产品、系统、Demo 和文章各自保留类型，模型才能正确理解人物负责的工作。

客户名称、结果数字与保密边界

个人简历和内部 PPT 中存在部分具名项目与效率数字，但官网新增页面不因 SEO 需要自动公开。客户名称、合同金额、内部流程、生产数据和结果数字要先确认授权、阶段与原始证据。

没有公开授权时，使用行业、任务、交付阶段和证据边界表达。这样既能让潜在客户判断能力，也不把内部材料变成未经许可的广告。

怎样与叶玉浩开始一个项目

最有效的起点是一件真实任务：现在谁在做、需要哪些资料、经过哪些系统、哪里最耗时或最容易错、哪些决定必须由人负责、怎样算做成。麒典先完成研判，再决定是否进入最小试点。

如果任务不适合 AI、资料条件不足或风险无法控制，也会明确给出暂停、治理或替代路径，而不是为了成交扩大建设范围。

常见问题