钟斯慧

核心工作

• 规划“样本接入—自动评测—人工复核—结果发布”四阶段评测链路，统一定义样本、事件、评分与版本基线数据模型。
• 建立答案正确性、问题解决度、合规安全、用户体验和服务效率五维质量标准，按维度匹配规则引擎、LLM-as-Judge 与行为信号，并输出结构化评分、置信度、失败标签与可解释证据。
• 设计根 Trace 到节点 Span 的端到端埋点，覆盖改写、路由、Planner、DAG、检索、工具和最终回答。
• 融合规则检测、LLM Judge 和行为信号进行交叉评测，输出分数、置信度、失败标签及可解释证据；规划 Skill 与 MCP 的能力快照、版本管理、最小权限和调用护栏，支持复杂任务的可审计扩展。

核心工作

• 从 0 到 1 完成用户场景、产品定位和功能优先级设计，规划划词解释、段落提问、作者观点脉络、私人资料关联及联网深查的分级能力，明确公共知识库、私人数据和外部信息的使用边界。
• 聚焦社群读者的阅读场景，定义“划词—快速理解—查看证据—延伸阅读”的核心任务。
• 规划垂直知识库建设方案，定义文章与书籍的混合召回、来源隔离、引用校验及增量更新流程；建立覆盖检索召回、生成质量、引用真实性、隐私安全、响应延迟和调用成本的 AI 评测框架。

核心工作

• 设计“流程引擎+RAG/GraphRAG+LLM 生成+人工兜底”的混合方案，根据问题类型选择理链路。
• 针对下单、订单/物流查询和售后处理等任务，设计意图识别、槽位收集、状态流转的多轮业务任务闭环。
• 多层知识检索体系：针对商品知识、服务规则和洗护保养文档建设向量知识库；对于涉及商品、材质和服务关系的复杂问题，引入知识图谱和 GraphRAG，提升关联问题的检索与回答能力。
• 结合用户咨询内容、服务适用条件和优惠券信息，为用户推荐匹配的洗护或家政服务，完成咨询到转化的服务链路。

核心工作

• 将优质客服回复拆分为业务正确性、安全合规性、任务有效性、信息完整性和表达自然度五个维度。
• 真实客服对话、模型低质量回复和异常场景中提取数据，覆盖模糊表达、多意图、口语化、信息缺失、售前推荐、闲聊和高风险回复等场景。
• 结合自动化指标、人工评审和线上 A/B 测试，从模型质量、用户体验、任务完成和业务安全多个层面验证优化效果。