三个项目按简历顺序呈现。每个案例独立讲清关键判断、执行逻辑、结果与归因边界，再就近进入对应 Demo。
产品方案设计 · 协同落地 · 数据验证
必要背景原链路要求用户在 H5 长按二维码，再从系统菜单选择识别；中老年主力用户不熟悉这一步，容易在加微前退出。
问题不只是链路多一步，而是关键动作不符合目标用户的常用操作习惯。目标是移除长按和菜单判断，不是单纯减少页面数量。
重新设计加微承接链路，通过可直接点击的文案与卡片，把陌生的“长按识别”改成更熟悉的点击操作。公开案例只展示用户层方案，具体承接机制与平台能力配置不对外披露。
曝光-加微率提升 50% 以上；曝光-地址率提升 40% 以上；广告主后续转化未下降。
指标为相对原链路的提升，绝对值已脱敏；后续转化未下降作为质量护栏。CPM 同步提升只作为平台效率结果，不单独归因为前端链路改造。
素材洞察 · Agent 生产执行 · 人工抽检
必要背景新 SKU 素材制作需要复用历史有效经验，同时不能让缺少视觉判断能力的 Agent 自行决定创意方向。
人工查看广告素材逐秒表现和分段聚合数据，找出可复用与需优化部分并形成新 SKU 制作建议；Agent 按已确定方向执行剪辑，人工最终抽检。
素材洞察 → 制作建议 → 悟空任务卡与剪辑脚本执行 → 自动质检与白名单自修 → 人工抽检 → 投放验证。
基准为同期同 SKU 全量素材，CPM 与 CTCVR 综合表现处于中上游；减少逐条跟进与重复制作投入，不量化节省比例。
只支持稳定产出可投、表现不差的素材；不包装为头部爆款，不称全部投放表现由 AI 单独造成。
AI 初筛 · 人工核验 · MRD 反馈
必要背景广告日报需要快速发现异常，同时避免运营直接采用模型给出的未经核验结论。
AI 只按固定口径汇总核心表现、异常变化和待排查线索；运营在公司内部大数据看板 Grafana-Lite 下钻，用明细数据核验问题和影响范围并最终判断。
固定指标口径 → 数分机器人生成日报和线索 → Grafana-Lite 下钻核验 → 整理确认的问题、数据依据与影响范围为 MRD → 反馈产研。
日报整理及数据排查从小时级缩短至分钟级；每周向产研提交 1 至 2 份 MRD。
不声明 MRD 的采纳或上线数量，不把最终业务判断或问题解决归给 AI，不把 Grafana-Lite 的建设归属作为卖点。