ZTT.返回作品集

能力与工作方法

素材下载自动化怎样跨电脑交付,模糊需求怎样拆开,Agent 怎样按证据验收:从实际项目里的问题认识我的工作方法。

一次跨电脑交付:先找出是哪一步出了问题

变色龙自动导出在我自己的电脑上能用,交给同事以后却遇到了问题。第一次做企业级项目,我开始意识到:本机跑通之后,还有另一台电脑上的实际使用要验证。

我沿着自动导出的步骤逐个归因,把问题锁定到 Cookie 和环境差异,修复后再交给同事使用。后来做交付,也沿用这个顺序:自己先用,给同事用,遇到问题就回到具体步骤检查。

看素材下载、打标与送审的实际流程

从“我想要”到可以执行的步骤

最花精力的部分往往是需求拆解。最开始做素材整理 Agent 时,我知道自己想要固定的资料库和自动调用程序,但还说不清它们应该怎样接起来。

我开始学习 RAG、MCP 和 Memory 的原理,再回过头看需求:哪些信息需要检索,哪些步骤能做成工具,哪些判断需要模型,哪里要留给人工检查。这样拆开后,才知道下一步具体要做什么。

看 ZTT Code 的知识与工具分工

交付前,先说清楚什么算完成

MAO 把需求、执行和验收放在同一条流程里。我使用两个 Agent 分担执行和检查,让验收条件、代码差异和测试证据成为继续推进的依据。

没有通过的批次回到修复循环,长任务的阶段状态保存在本地。这也对应我现在的习惯:先把步骤和检查方式讲清楚,再让 Agent 执行,出问题时知道应该回到哪里。

看多 Agent 执行与验收流程

先把事情拆开,再一步步做

做这些项目,最花精力的是需求拆解。我把“做一个素材整理 Agent”拆成了资料检索、工具调用和执行状态记录。

业务 Brief、标签规则和异常案例进入知识库;可重复步骤封装成 Tool / Skill;Agent 选择工具、安排执行,异常留给人工复核。

先想清楚任务怎么判断、失败后怎么继续、结果怎么检查,再分步骤推进。这是我在项目里练出来的习惯。

看看素材整理 Agent 的实现

工作方法

我的方法是先理解业务,再选择技术:稳定规则交给程序与 API,需要语义理解的环节交给模型,并保留人工复核。

  • 观察:识别视觉、内容或真实工作流中的机会与低效环节。
  • 定义:明确创意方向、需求、流程、规则和边界。
  • 创造:完成图像、摄影、视频、策划案或软件。
  • 系统化:将可重复过程转化为方法、结构化流程或工具。
  • 迭代:依据真实使用、反馈、内容表现或工作流结果持续优化。

AI Application / Agent

将人工经验、业务规则与异常场景整理为 Agent 可检索的资料,重复步骤封装为工具;企业与个人项目分别实践过 MCP、BM25 / FTS5、BGE-M3 / FAISS 与工具调用循环。

  • Agent Workflow
  • Tool Calling
  • Tool / Skill 封装
  • Task Routing
  • Execution Loop
  • Memory
  • Prompt Engineering
  • Query Rewrite
  • RAG
  • Embedding
  • Vector Retrieval
  • Human-in-the-loop

案例:达人素材全链路工具系统 ↗

Automation / Integration

具备 Python 基础,依据接口可用性、规则确定性和运行成本选择 API、Playwright、Selenium、RPA 或 LLM。

  • Python
  • Playwright
  • REST API
  • RPA
  • Excel / 文件处理
  • Workflow 自动化
  • 跨平台整合

案例:自动化落地 ↗

Excel / 飞书多维表格

用 WorkBuddy 处理清洗、跨表匹配和字段回填,用 AI Agent 处理需要语义判断的素材分类;熟悉飞书关联记录、自动化与视图,具备日均数千条数据与状态管理实践,并通过 Agent 调用飞书 CLI。

  • 函数与跨表匹配
  • 关联记录 / 查找引用
  • 自动化与视图
  • 筛选与权限管理
  • Python / API 数据连接
  • 数据查重与状态管理
  • 批量字段处理

案例:标序工作台 ↗

AI Coding

主流 Agent 与模型基本都用过:按任务难度与成本分配架构、前端及实现任务,组织多 Agent 并行协作与上下文交接。生成结果交由其他模型交叉复核,再亲自使用、定位问题并反馈修正。

  • 多 Agent 协同分工
  • 难度分级调度
  • 上下文交接
  • 并行执行
  • 交叉复核
  • 人工验收

案例:ZTT Code ↗

Product / Business

能够进入真实业务流程,理解用户每天具体如何工作,然后寻找可软件化和 AI 化的环节。

  • 业务流程分析
  • 需求发现与抽象
  • Workflow 设计
  • 规则建模
  • 异常处理与 Fallback
  • 质量控制与反馈闭环
  • 0→1 产品搭建

案例:本站与 AI 助手 ↗

Content / AIGC

按产品卖点与受众场景完成脚本、分镜、生成素材筛选及音画后期,结合播放、完播、互动与评论反馈复盘。通过 MCP 调用创作工具并核验输出,具备 MiniMax H3 云服务器部署实践。CET-6,可检索英文行业与工具文档。

  • Premiere Pro
  • After Effects
  • 剪映
  • Lightroom
  • Midjourney
  • Nano Banana
  • GPT Image
  • Seedance
  • Veo
  • MiniMax
  • GPT-SoVITS
  • Fish Audio
  • IndexTTS2
  • Suno

作品:一颗主摄 AIGC 产品短片 ↗

SEO / GEO 内容运营

在工业仪表内容与个人网站中实践选题、关键词、FAQ、结构化数据和搜索提交;区分发布页面收录、姓名检索和 AI 答案引用,按各自记录复盘。

  • 选型指南 / FAQ
  • 长尾词布局
  • Sitemap
  • 结构化数据
  • 索引与引用监测
  • 内容版本与分发复盘

案例:GEO 内容优化工作台 ↗

语言能力

CET-6,能无障碍精读英文官方技术文档、API 规范与海外前沿资讯。

  • CET-6
  • 英文技术文档与 API 规范精读
  • 海外前沿资讯跟踪