郑业恒 Antonio

01 我是谁

不做单点 Demo，做能进业务流程的系统

我的优势不在做出一个能演示的 AI 工具，而在把复杂业务拆成 业务治理、数据治理、系统治理 三层结构，再逐层落到规则框架、系统实现、验收复盘与组织协同上。

从医疗、体育、工业视觉到跨境电商，我反复处理的其实是同一类问题： 场景噪声、误报成本、数据口径、后处理规则和业务动作。模型分数只是起点，能不能变成现场愿意用、结果可信、动作能闭环的流程，才是难点。

01

AI Coding 与可验证交付

以 Codex 为核心工具，把 API 数据抓取、业务分析、代码实现、测试验证、Excel 输出校验与消息回传串成闭环，避免"代码看起来完成、业务实际不可用"。

02

复杂业务系统落地

能处理跨渠道、跨仓库、跨模板、跨数据口径的系统迁移，熟悉配货补货、经营驾驶舱、回测复盘与业务工作台类项目。

03

AI 产品从 0 到 1

能把 AI 视频、AI 生图、AI 审图、试穿行为分析等需求拆成 MVP、P0 边界、排期、验收标准与迭代路径。

04

从技术视角到经营视角

能把 GMV 质量、转化效率、商品流动效率与库存风险放进同一张经营图，判断哪些场景该上 AI，哪些该先做规则与流程治理。

02 知识图谱

技术、项目、经历不是三份清单，是一张互相咬合的网

下面这张图把我做过的事连起来：每个项目用到哪些技术、每个技术支撑过哪些项目。鼠标移上去可以看到它的连接关系；点项目节点可以直接跳到对应章节。

核心 领域 / 项目 技术栈 · 悬停显示关联，点击项目节点跳转

03 我怎么看项目价值

项目价值不是功能数量，是分子做大了多少、分母压下来多少

GMV 质量×转化效率×商品流动效率×可复用资产

人力投入+试错成本+等待成本+系统风险

分子什么值得被放大

增长要能被识别来源、被复盘、被下一次复用；转化效率不是一句"提升转化率"，而是要知道用户在哪一步犹豫；商品流动效率要让机会少损失在链路里；可复用资产是把个人判断变成组织标准、把手工流程变成线上流程。

分母什么需要被压低

人力投入不是简单少几个人，而是让人做更值得做的事；试错成本的关键是 把错误留在低成本阶段；等待成本藏在口径不清、接口未定、排期等待里；系统越进入业务现场，稳定性就越等于业务可用性。

04 工作经历

从产线到经营，五段一线经历

中军视觉 Zhongjun Vision

2026.08 – 至今

CTO · 视觉算法团队负责人

视觉算法团队管理：负责工业 AI-SOP 视觉防错产品的技术路线与团队建设，算法、工程、交付三线并行，覆盖目标拆解、方案设计、技术选型、开发排期与验收标准。
从业务流到交付的整套流程：建立「业务流勘察 → 可行性评估 → 方案与边界确认 → 现场部署 → 陪跑验收」的完整链路，把"这个工位能不能做"在方案阶段就判断清楚，而不是到现场才发现做不了。
大客户交付：支撑多个大客户的关键工位视觉防错项目交付，覆盖汽车零部件、3C 电子、家电、光伏储能等离散制造场景，其中包含多家世界 500 强制造企业的现场项目。
技术栈与工程体系：.NET 8 管理端与设备端、ONNX 模型部署、Linux CUDA 私有化部署、设备机群契约与实时通道，形成「边缘推理 + 中心管理」双形态交付能力。
交付治理：建立问题总账、版本记录、验收清单与上线门禁，明确算法 / 工程 / 交付 / 验收的角色分工，把个人经验沉淀为团队可复用的交付资产。
敢说不可行：对高路数视频并发场景做可行性论证，在能力边界之外主动给出改造路径与工期评估，而不是先承诺再交付。

苏州凯蒂丽莎电子商务有限公司 Ever-Pretty

2026.01 – 2026.07

AI 部门负责人 / 数字化 AI 项目负责人

在 10 亿级跨境服饰公司负责 AI 与数字化项目推进，覆盖需求判断、治理优先级、项目排期、技术路线、组织协同与阶段交付。
主导公司级配补货系统升级：面向自营独立站、Amazon、SHEIN 等渠道，以及国内仓、海外仓、退货仓、在途与预计退货等库存形态，把线下 Excel 手工配货改造成线上自动化、可追溯、可回测的经营系统。
建设 AI 内容供应链：AI 视频、AI 生图、AI 场景图、AI 审图纠错与素材库接入业务工作台，内容生产从单点实验走向可留存、可复核的链路。
围绕试穿行为沉淀商品运营洞察：多次试穿、下单后继续试穿、站点／款式／颜色热度变化、高兴趣低成交错位，用于素材投放、备货、复购与达人合作判断。
牵头独立站经营驾驶舱，围绕订单、商品、素材、站点、用户行为与投放效果做口径统一，把分散报表变成能支撑经营判断的界面。
推动 Codex 进入公司流程：串通 API 数据抓取、清洗分析、结果校验与消息回传，累计沉淀 70+ 个可替代人工节点的流程模块与小工具。
深度参与公司从传统项目制向流程型组织 + PB（Product Builder）模式转型，理解"接需求—做交付—看反馈—按 PDCA 复盘回滚"的结果责任闭环。

美泰克斯 Mytex

2025.09 – 2026.01

技术副总裁（创业期） / 算法组组长 / AI 改革小组组长

在创业型工业 AI 团队承担算法、工程、组织协同与管理机制设计的复合职责，参与关键项目攻坚、研发提效、激励机制与交付方式调整。
围绕 Phy-TextileNet 工业视觉系统，在 120 m/min 高速布面检测场景设计「边缘粗筛 + ROI 精筛」双阶段架构，在无独显的低算力工控环境下推进实时检测落地。
针对布面纹理、反光、局部缺陷与高速运动模糊，设计候选区域过滤、阈值联动、误检样本复盘与在线可视化校验。
解决 H.264 Web 端颜色畸变与硬件解码死锁，重构 FFmpeg 转换链路与后端加速插件，支撑高分辨率视频流稳定传输。
引入 Agent 工作流与 AI 原生开发方式，将部分小程序交付周期从月级压缩到天级。

苏州市融乘数科

2024.11 – 2025.09

远程算法工程师 · 竞技体育视觉项目

参与赛艇运动员姿态检测项目，处理户外反光、水面干扰、高速动作与镜头视角变化带来的骨骼点抖动问题。
引入骨骼长度不变性、关节角度约束与加速度截断等工程控制方法，对模型输出做结构化后处理，降低关键点跳变与误跟踪。
把动作轨迹拆成关键点检测、时序平滑、异常帧剔除、指标计算四层，让视觉输出能服务训练评估，而不只是展示识别结果。

北京神州视翰

2023.07 – 2024.07

远程算法工程师 · 智慧医疗视觉

参与病房危险行为预警项目，面对病人翻身、侧卧、遮挡、家属误入与夜间弱光等真实场景，核心是控制误报成本，而不是追求单次检测分数。
基于 YOLOv8-Pose + OpenCV 做姿态检测、面部跟踪与行为轨迹二次开发，通过遮挡逻辑、时序窗口与连续帧校验降低误判。
建立误报样本归因方法，把遮挡、夜间弱光、多人同框与视角变化拆成可验证规则，提高方案可解释性。

厦门琊汐网络

2024.11 – 2025.03

远程量化研究员（并行项目） · 衍生品研究

参与 Sell Put 期权实盘研究，关注非理性波动下的保证金占用、行权风险、回撤边界与资金效率。
使用群智算法优化因子权重，结合贝叶斯持仓管理、硬止损与异常波动降仓规则，把实盘最大回撤锚定在 8% 以内。
这段经历训练了对概率、风险收益比、连续决策与回滚机制的敏感度，后续迁移到配货阈值、利润率口径与经营拐点判断中。

05 代表项目

把指标做进系统，而不是做进 PPT

P.01

公司级配补货系统：跨渠道库存决策与回测闭环

经营系统 · 跨境电商

2026.04 – 2026.07　主导 · 需求判断 / 规则口径 / 系统落地 / 验收

0周转流速提升

0爆款缺货率下降

0爆款承接效率提升

0收敛的分散配货逻辑

业务问题: 配货依赖 Excel、人工经验和低频汇总，钱和货流动慢；爆款容易断货，低动销货容易积压，交期与补货判断跟不上真实销售变化。
产品方案: 拆分为销售预测、库存供给、仓库分配、退货抵扣、安全库存、风险提示与审核闭环；支持常规配货由一周一次提升至一周两到三次，部分补货场景推进到日级观察。
技术落地: 用输入快照、规则快照、运行记录、SKU 明细、Excel 下载、异常状态与 T+N 回测替代口头判断；缺销量、缺利润、缺库存、缺入库事实时明确显示缺失，不用 0 伪装成功。
业务价值: 库存资源更多流向高动销、高利润和高确定性机会；退货仓从普通供给仓拆出，作为需求抵扣与风险库存进入计算，减少旺季后继续补货带来的滞销与 180 天库存费用风险。
复盘闭环: 设计 T+7／T+14／T+30／T+60 回测口径，跟踪配货后真实销量、入库、周转、缺货／积压与利润健康，推动规则反向修正。

P.02

AIGC 工作台与 AI 内容供应链

AIGC · 商品运营

2026.04 – 2026.07　主导 · 产品设计 / 工作流搭建 / 业务落地

03–5 月 AI 素材 GMV

0AI 图片 + 视频产出

0占全站新素材 GMV

05–6 月净增收入

业务问题: AI 素材已经产出结果，但管理停留在人工经验阶段——说不清有效原因来自关键词、场景、商品、参考图还是投放人群，爆款只能靠人记忆复盘。
产品方案: 把 AI 生图、AI 场景图、AI 审图纠错、素材库与图库入口整合进业务工作台，形成选图 → 审图 → 生成／修图 → 素材沉淀 → 效果分析的完整链路。
关键判断: AI 审图把款式、结构、比例、领口、裙摆与细节一致性问题，转成可执行的修图方向——同时兼顾业务侧"款式是否一致"和视觉侧"具体怎么改"。
业务价值: AI 内容从工具实验进入业务日常使用，成为此前未开展业务带来的新增量；素材生产开始具备留存与复核能力，内部生图成本低于外部平台。

P.03

AI 试穿与行为洞察：从模型成本到转化线索

AI 试衣 · 商品运营

2026.01 – 2026.07　主导 · 模型选型 / 成本优化 / 数据口径

0响应速度（原约 40s）

0单周节省成本

07 天购买率

020 次以上试穿购买率

做了什么: 更换新模型后把响应速度从约 40 秒优化到平均 20–30 秒，单周节省约 1.4 万元人民币。
洞察口径: 把真实用户图像、试穿行为、订单关联与重复试穿线索串起来，识别高兴趣但低成交的站点、款式、颜色错位。
业务价值: 试穿从单次体验沉淀为商品运营洞察，辅助素材投放、款式开发、备货判断、复购与达人合作决策。

P.04

经营驾驶舱与 AI 辅助数据治理

数据治理 · 经营分析

2026.01 – 2026.04　主导 · 口径统一 / 字段归并 / 数据清洗

业务问题: 报表分散、口径不一，业务看得到数字但判断不了经营；IT 长期停在"做报表"的位置。
做法: 围绕订单、商品、素材、站点、用户行为与投放效果做 AI 辅助清洗、字段归并与业务口径校准，把分散数据整理成与业务对齐的统一经营口径。
业务价值: 把 IT 从"做报表"推进到"提供经营判断界面"，让业务能围绕 GMV、转化、库存与内容效果做统一分析。

P.05

高速布面缺陷检测：工业视觉实时落地

工业视觉 · 实时检测

2025.09 – 2026.01　算法与工程负责人

0产线检测速度

工程约束: 无独立显卡、低算力工控环境，且产线速度达 120 m/min——不能靠堆模型规模解决。
技术方案: 设计「边缘粗筛 + ROI 精筛」双阶段级联架构：先用轻量模型过滤候选区域，再对 ROI 做精细判定。
现场适配: 针对布面纹理、反光、局部缺陷与高速运动模糊，建立候选区域过滤、阈值联动与误检样本复盘机制，让方案贴近产线真实约束，而非实验室指标。

＊项目数据为工作复盘口径，用于表达业务价值，非财务审计数据；部分指标为阶段性复盘结果，后续增益仍需通过真实回流验证。

06 业务小工具矩阵

先做工具，再做系统——把明确、重复、易出错的动作用工具吃掉

这些是较早阶段的单点工具。它们本身不大，但验证了一件事： 只要切口明确、反馈快、价值显性，业务就会真的用起来——这也是后来承接公司级系统的信任基础。

OCR 识别把识别结果变成业务动作，而不只是追求精度

加色加码上新流程中的批量属性处理

分票分仓订单拆分与仓库分配规则化

AI 翻译多站点商品文案批量处理

AI 客服重复咨询的自动应答

AI 上新工作流商品上架链路自动化

预售预警交期与库存风险提前暴露

下架 / 下色处理替代人工重复操作

图片进度跟进预计交期与真实交期协同

经营看板从"做报表"到提供经营判断界面

数据对账工具输入输出差异自动定位

消息回传链路结果校验后自动通知与归档

07 方法论：从单点交付到系统治理

六个月里，我对"什么是有价值的工作"改了六次答案

01 从技术工具到业务动作

一开始容易把注意力放在模型、工具和上线速度上。复盘 OCR 项目时才意识到，击穿它的关键不是精度做到 99.9%，而是把"识别结果"变成"业务动作"。一个工具如果不能进入业务日常、不能减少真实动作、不能形成数据留痕，它就只是一个演示系统。不嵌入流程的创新等于没创新。

02 从快产出到 PDCA 闭环

早期速度是优势，但 Plan 不够深、Do 先冲，Check 时才发现"人没干有价值的事"。后来理解：快不是更早上线，而是更早把问题定义对、更早发现风险、更早形成反馈闭环。否则前期越快，后期返工越多。Excel 保底、分阶段验收、快照留痕、逐点对账看起来不漂亮，但它们是在复杂迁移里先保住业务连续性和交付可信度。

03 从局部最优到全局协同

接手配货系统时以为是几个散落系统要收回，深入才发现是跨业务线、跨仓库、跨数据源、跨历史规则、跨审核链路的经营系统。很多看似只是一个字段、一个阈值的东西，背后对应的是经营判断、资源配置和风险偏好。所以不能只问"功能是否完成"，还要问：它是否支撑了真实经营判断？不同业务线能否在统一框架下复用？风险是否更早暴露而不是更晚爆炸？

04 从并行冲刺到样板打透

曾经觉得多个业务线并行推进才是快。但越往下拆越清楚：如果没有一套真正被业务、财务、数仓、IT 共同认可的样板逻辑，后面所有复制都会带着偏差扩散。样板真正沉淀的不是某个功能，而是一套可复制路径：看业务目标 → 拆数据口径 → 跑样例 → 做输出 → 陪跑 → 复盘。有些慢是为了后面更快。

05 从技术视角到业务与技术双视角

如果只停在执行层，很容易把自己困在局部最优里。一条配货规则表面看是利润率、渠道、退货、在途、仓库等规则的组合，本质是在平衡用户体验、履约效率、仓库能力、利润、周转和冗余风险。真正重要的不是记住规则，而是理解规则背后的指导思想——系统开发不是单纯实现需求，而是把业务决策过程结构化。

06 从个人冲刺到组织解法

复杂项目不是一个人冲出来的。越是公司级项目，越需要把业务、财务、数仓、IT 与管理层串起来。个人可以快，但企业要走远，必须把沉没成本资本化，把时间沉淀成可复用资产——需求模板、验收清单、上线门禁、异常处理手册、数据看板、接口说明、复盘模板。组织能力的提升，往往不来自某一次漂亮动作。

善弈者通盘无妙手。
—— 组织能力的提升，来自一次次把问题说清、把责任厘清、把风险前置、把经验沉淀

08 技能与方法栈

工具、方法、业务场景的完整栈

AI CODING: CodexAgent 工作流需求拆解代码实现测试验证验收清单问题总账复盘文档业务侧 AI 赋能
AI / 算法: 计算机视觉目标检测姿态估计OCRNLPLLM知识图谱GraphRAGAIGCAI 视频试穿行为分析
工程能力: PythonFastAPIStreamlitNext.jsReactMySQLRedisDocker ComposeOpenCVYOLOYOLOv8-PoseFFmpeg
产品方法: MVPP0 边界路线图与排期业务流程图验收标准T+N 回测数据治理系统治理业务治理
管理方法: AI 战略规划流程型组织PB / Product BuilderPDCA跨部门推进阶段验收协作机制设计
业务场景: 跨境电商服装供应链配货补货经营驾驶舱内容供应链素材投放商品运营库存风险控制工业视觉

09 教育经历

西安科技大学 Xi'an University of Science and Technology

2021 – 2025

智能科学与技术

连续三年担任软件实验室总负责人，统筹 20+ 成员研发协作。
获省级以上奖项 16 项，含三创赛省一、C4-AI 西北第二、信创赛国二等。
2 项国家级大创项目负责人，均以「优秀」结题。

10 联系

有值得做的事，聊一聊

1352831592@qq.com

微信
所在地: 厦门 · 可远程协作
方向: AI 应用落地 / 计算机视觉 / 企业数字化与流程变革
岗位意向: AI 总监 / AI 产品技术负责人 / AI 应用专家 / 数字化转型负责人
回复: 看到邮件和微信都会回