01 · 混合智能
双引擎架构
合规优先的规则引擎 + 生成式 AI 引擎并行:一套基于中国居民膳食指南 / FFQ 标准的 28 题结构化问卷保证数据安全与标准化;AI 引擎解析体检报告、医疗 PDF、自然语言描述,捕捉表单会遗漏的细节。两条路径汇聚成一份标准化健康档案。
AI 产品 · 交付工程师 (FDE)
王奥暄 · Frank (Aoxuan) Wang
我是一名把手工、割裂的流程重构成可落地专用系统的 AI 产品经理 / 交付工程师, 拥有芝加哥大学公共政策与数据分析背景。现主导新潮传媒集团的 AI 转型; 此前端到端交付了一款已在成都真实门店运行的「双引擎」AI 健康评估平台 —— 本页的核心,就是它的可交互 Demo。
~80%
门店初筛提效(≈20min → <5min)
~90%
病历人工审阅减少(OCR 解析链路)
1000+
智能体工作流覆盖员工(5 个部门)
2款
真实落地运行的 AI 健康产品
Flagship · 旗舰项目
这是一款已部署在真实健康门店的产品。我担任产品负责人 + 逻辑工程师, 端到端负责产品、算法与部署:评估维度、评分权重与核心算法均由我亲自敲定。
01 · 混合智能
合规优先的规则引擎 + 生成式 AI 引擎并行:一套基于中国居民膳食指南 / FFQ 标准的 28 题结构化问卷保证数据安全与标准化;AI 引擎解析体检报告、医疗 PDF、自然语言描述,捕捉表单会遗漏的细节。两条路径汇聚成一份标准化健康档案。
02 · 功能医学导向
不是"哪里异常补哪里",而是评估全身系统平衡:营养、抗衰、骨骼、能量、心肝、代谢"三高"、脑眼等核心维度。指标汇聚成 10 维评分雷达图与百岁指数,用专业框架建立顾客信任。
03 · 行动导向
每一次交互都在积累用户标签,最终汇入推荐引擎:用户属性 + 目标 → 成分 → 产品(如辅酶 Q10、L-茶氨酸),每一条推荐都附带"为什么",让店员讲得清、顾客听得懂。
Live Demo · 引导式导览
以下是从生产系统抽出的核心链路,已用本地假数据(canned fixtures)替换后端接口, 评分算法与推荐模板均为生产同款纯前端逻辑,可脱离后端运行。
Impact · 成果与提效
我不追逐模型热点,我关心的是最后一公里 —— 让 AI 系统真正部署进真实、琐碎的业务现场并跑起来。 在这个项目里,我亲自定义评估维度、分配评分权重、制定核心算法;设计并上线了实时健康雷达图; 搭建了统一问卷、门店终端检测、医院报告等异构输入的 AI 数据整合框架。 从产品策略到修复死链接和 QA —— 在精益创业团队里,我是个自在的"全能替补"。
More Work · 其他项目
用 Python 构建目标驱动的动态问诊路由引擎,实时定制患者问诊流程;接入 Google / Qwen API 把非结构化医疗报告 OCR 解析为结构化 6 维健康雷达,人工审阅时间减少约 90%;并在微信生态设计了 AI 订阅制健康管家智能体,用于生命周期追踪与续费提升。
单人端到端:需求分析 → API → 前端 UI。整合 LLM API 与地理定位,构建实时的、基于位置的生成式内容推荐应用;容器化并完成部署(DevOps)。
访问线上版本带领 5 人团队审计州级失业保险申报标准,直接对接政府相关方;基于真实政府数据集用 R / Python 建立统计模型定位申报瓶颈,团队建议被纳入联邦申报改进计划。
对 30+ 异构数据源做 ETL,搭建统一数据仓库框架;与 Dr. David S. Knight 合作,用 Stata 做回归与因果推断,量化教育资源配置对教育结果的影响。
About · 关于我
我把手工、割裂的流程,重构成能落地的专用系统 —— 产品、算法、到最后一公里部署,一个人端到端交付。
比起模型热点,我更在意"最后一公里"——让 AI 系统真正部署进真实、琐碎的业务现场并运转起来。这就是我理解的 FDE。
AI & Agents
构建
数据 & 产品
2026.03 – 今 · 上海 / 成都
总裁助理 & AI 转型负责人 · 新潮传媒集团
主导全国性 AI 转型:5 个部门约 1000 人的智能体工作流,月度/季度经营报告变每日自动产出;推进 AI 健康子公司核心项目。
2025.09 – 2026.03 · 上海(远程)
AI 产品分析师 · JustCare(加十康)
Python 目标驱动问诊引擎;OCR 解析链路,人工审阅减少约 90%。
2024.09 – 2024.12 · 芝加哥
UI 政策咨询顾问 · UChicago Policy Lab × IDES
2023.01 – 2023.06 · 西雅图
数据分析师 · 华盛顿州教育改革研究