国家级金融监管机构
参与过金融监管相关 AI 应用项目，关注安全审查、权限边界、审计追溯和生产环境稳定性。
关于聂二
我做强合规、高敏感数据环境里的企业 AI 应用落地。
我是聂二，一个十年老鸟程序员，从 2024 年开始重点投入企业 AI 应用落地，主要方向包括 RAG 知识库、复杂文档解析、信息抽取、AI 客服和 Agent 工作流。
相比做一个演示效果不错的 Demo，我更擅长把企业已有的文档、知识和业务流程，做成能上线、能维护、可评估、可追溯、可交付的系统。
我参与过国家级金融监管机构、国内头部券商之一、A 股上市环保集团，以及医疗健康、航运物流等行业项目。这类项目通常不只要求模型效果，还会涉及权限边界、数据安全、合规审查、审计追溯、稳定性和生产环境交付。
所以我的核心优势不是“会接大模型接口”，而是能在强合规、高敏感数据、复杂业务流程里，把 AI 应用落到真实系统中。
经历量级
脱敏不等于把价值藏起来。
公开内容会做必要脱敏：不直接展示客户名称、不暴露内部数据和敏感系统细节，但会保留客户量级、业务问题、方案思路、工程取舍和交付结果。
国内头部券商之一
参与投研、合同、尽调和报告类 AI 应用场景，把知识检索、文档解析和信息整理接进真实业务。
A 股上市环保集团
参与环保公用事业相关项目，在已有系统和业务流程上补充 AI 能力，而不是另起一个演示入口。
医疗健康与航运物流
处理过医疗健康、航运物流等行业项目，重点放在资料边界、流程拆解和可维护交付。
做过什么
项目价值通常不在模型接口，而在业务边界和工程交付。
过去几年，我参与过金融监管、证券投研、医疗健康、环保公用事业、航运物流等行业的 AI 应用项目。涉及投研知识库问答、私募基金合同信息抽取、尽调文件解析、宏观分析与资产配置报告、企业内部知识助手、AI 客服与业务流程自动化。
企业知识库 / RAG 问答
面向真实业务使用的知识库系统，重点是文档解析、检索召回、重排、引用溯源、权限隔离、评测集和失败样本分析。
文档解析 / 信息抽取
处理合同、尽调材料、研报、公告、PDF 表格等复杂文档结构化抽取，支持批量处理、原文出处、人工复核和版本管理。
报告与信息整理流水线
把采集、清洗、分类、摘要、审阅和推送做成稳定流程，用于日报、周报、政策摘要、行业报告和内部参考稿。
老系统的 AI 改造
在现有 OA、CRM、ERP、工单系统、知识库或业务系统上增加问答、摘要、分类、自然语言查询和文档抽取能力。
判断方式
我通常会先判断这件事是否值得做，再决定怎么做。
很多企业 AI 项目做不起来，不是因为模型不够强，而是因为问题没有定义清楚。有些场景适合 RAG，有些适合规则和传统系统集成，有些适合工作流，有些阶段其实还不适合做 AI。
常见风险
- 业务场景太泛，目标不明确
- 数据质量不够，文档本身不适合直接使用
- 没有评测标准，只看演示效果
- 权限、合规和审计边界没有提前想清楚
- 只关心接入模型，不关心上线后的维护成本
- 没有人负责持续迭代
适合
我适合做的项目
我主要做大模型应用落地。比起演示型 Demo，我更适合把企业已有的文档、知识和流程，做成能上线、能维护、可交付的系统。
- 企业知识库 / RAG 问答：可检索、可追溯引用来源、可做权限隔离
- 文档解析 / 信息抽取：合同、尽调、研报、公告、PDF 表格等结构化抽取
- 报告与信息整理流水线：日报、周报、资料汇总，定时运行、可审阅、可推送
- 老系统的 AI 改造：在现有 OA、CRM、ERP、工单或知识库系统上增加 AI 能力
- 二包 / 技术合作：为软件公司、外包团队、系统集成商提供 AI 模块开发、PoC 和交付支持
不适合
我不太适合的项目
为了不浪费双方时间，下面这些一般不作为主要合作方向。
- 自动荐股、自动交易、AI 直接做医疗诊断、出具法律结论等高风险自动决策
- 需求、数据、负责人、验收标准都不清楚的“大而全 AI 平台”
- 只追求最低价的简单工具代搭
- 需要特殊资质、涉密环境或强合规主体责任的核心系统
合适边界内，我可以参与技术顾问、模块开发或分包合作，但不会以个人身份承诺承担不适合个人开发者承担的主体责任。