AgenticOps Welcome + vibe-coding-team-init + Skill Connectors · 产品负责人、平台运营与 AI 辅助实现

把团队的 AI 项目初始化、工具发布和能力复用串成一套能持续运营的工作方式。

• 联合 vibe-coding-team-init 建设团队级 AI 开发与工具交付体系：统一项目初始化和协作规范，并将工具登记、发布审核、上线展示、反馈与运营串成完整流程。
• 目前服务团队 40+人，已支持 20+个 Vibe Coding 工具的部署、发布与持续更新，将原本分散的 Demo 纳入统一管理。
• 梳理发布规则：申请时固定待审核版本，配置与代码一起确认，部署后检查运行状态；更新失败时回到上一可用版本。
• 根据真实使用持续补充搜索与环境筛选、共同开发者、截图反馈、评论通知、状态跟踪、测试到生产发布、备份与恢复等能力。
• 参与维护 Skill Connectors：补齐普通用户指南、安装流程、环境边界和安全提醒，并新增 Splunk 内容管理 Connector。
• 目前覆盖 13 类内部 Connector，可按项目安装到 Codex、Claude Code、GitHub Copilot 和 Trae；本人也用它连接知识文档、Splunk 内容和开发交付系统，灵活完成检索、核对、写作、开发、测试、发布及排障。
• 将数据核查、内容发布、工单处理和工作复盘中的重复操作与隐性经验提炼为个人 CLI 与 Skill 工具箱，把操作规范、权限边界、人工确认和结果验证固化为可复用工作流；其中 Splunk Skill 覆盖只读检索及 Report / Lookup / Dashboard 内容管理，并通过环境校验、变更预览和执行后验证降低生产误操作风险，其他能力覆盖 Confluence 发布、Jira 工单与工时、工作日志、问卷 Dashboard 和产品决策整理。

产品流程平台运营CLI / SkillsSkill ConnectorsAI 编码协作

管理方法论 · Agent 产品设计 · 开发交付

不是只做一个问数机器人，而是建立从管理问题、可信数据到洞察行动的完整方法流。

• 参与定义 Dashboard → Insights → Ask Omi → Actions → Reports 的管理闭环，以 Ontology 统一时间、对象、KPI、规则和证据上下文；当前阶段聚焦「找数、问数、读数、解数」。
• 前期使用 Copilot Studio + Teams 搭建管理知识 Agent，设计 Dashboard / KPI 寻址、指标解释、权限申请和 Service Request 推荐流程，并通过 Catalog 与真实链接约束减少误推荐和链接幻觉。
• 梳理 Incident 最小本体与运行口径：KPI 公式、单位、时间字段和样本边界，Incident、Application、Team、Priority、Cause 等实体关系，以及字段映射、规则和版本治理。
• 在前期验证基础上推进原生 Splunk MVP，将 Dashboard、洞察页、对话分析工作台和本体关系视图整合为一个应用；查询继承当前用户权限，回答保留原始查询和事件证据。
• 设计「核实问题前提 → 比较当前与基期 → 定位贡献维度 → 关联代表性 Incident → 输出关注建议」的解数方法，避免把相关性直接写成根因。
• 建立 Agent 测试与评测方法：按 Outcome、Trajectory、Interaction、Production 四层判断最终结果、工具轨迹、多轮交互和线上效果；确定性约束优先用规则评分，仅将主观质量交给经过校准的 LLM Judge。
• 将方法落为自动化评测平台 v0.1：统一 Agent 接入自测、版本化测试集与 Suite、隔离 Session、多类确定性 Grader、批量 Trial 和发布门禁；通过多次试验、基线配对和人工结论回灌黄金集识别真实回归。
• 对比 Copilot Studio 与 Splunk 自研方案，并以 15 个固定问题和 7 类连续追问核对真实数据、无数据行为和错误前提纠正。

管理洞察OntologyAgent EvaluationGolden DatasetRelease Gates

LLM 应用开发与长期迭代

生产运行的企业指标问答服务，个人贡献 287 次提交、跨度近两年。

• 接入企业大模型与知识检索，支持补充查询条件、查看历史摘要，并把数据结果直接展示为表格和图表。
• 针对模型容易识别错业务维度值的问题，引入确定性匹配，让应用名、组织等查询条件先和真实可选值核对。
• 维护推荐问题、通用说明与指标知识的定时更新，减少知识过期和用户重复输入。

PythonFlaskSQL数据问答

需求分析 · AI 流程搭建 · 产品迭代

基于企业内部的可视化 AI 编排平台连接 OpenSearch，帮助应用运维人员从日志搜索进一步走到问题理解。

• 使用产品形态类似 Dify / Langflow 的企业内部平台搭建应用，并连接 OpenSearch 中的生产日志数据。
• 设计并上线 AI Query、AI Trace、AI Explain：支持自然语言查日志、自动串联调用链和解释关键异常。
• 通过访谈发现日志混杂、跨机器与文件分散、异步链路不完整和解释缺少上下文等真实问题，并据此调整结果组织和交互。
• 梳理日志接入的人工 SOP，将配置生成、人工审核、部署和失败重试串成可跟踪流程；使用 AI 编码加速实现，本人负责需求拆解、流程设计、结果核对与验收。

企业 AI 编排平台OpenSearch用户访谈流程设计

Splunk · 数据治理 · 规则口径 · 交付与服务运营

• 参与建设基于 Splunk 的应用系统访问控制自动化核查服务，负责账号与权限数据接入、SPL 规则口径、报表迭代及按应用交付，将账号未注销、审批不完整、审批人失效、离职账号未及时冻结等风险纳入每日规则化检查。
• 推动形成“每日核查—风险识别—每周告警—业务自查—整改跟踪—结果关闭”的治理闭环，将风险检查周期缩短至 1 天内；截至 2026 年 8 月，团队服务累计接入 155 个系统，其中 149 个在运行调度，覆盖 9 项核心控制点，累计扫描 905,582 条账号与权限数据。
• 持续交付 8 轮访问控制与运维合规自查，负责表单规则、数据校验、Splunk 分析和结果报表；最新一轮覆盖 5 个业务域、29 个业务单元、32 项控制点和 927 个系统，完成率 100%，分析报表累计访问 8,605 次、覆盖 695 名用户。
• 建设合规问答机器人，将 IAM 控制点说明、自查问卷结果解释和高频人工咨询整理为受控知识服务；完成 Microsoft Teams Bot 测试版并上线 Web 问答助手，面向自查覆盖的 927 个系统相关运维人员提供合规查询入口。
• 负责 AD 失效账号数据服务的订阅开通、使用记录和质量核验，为离职账号及时冻结和有效 AD 校验提供近 30 天失效数据；截至 2026 年 8 月支撑 132 个系统，累计调用 546,787 次，并被纳入 IAM 标准解决方案。
• 专项核验一年内发布的 23,010 条记录；在明确口径下覆盖全部 21,964 条目标失效账号，数据发布时间不超过 48 小时。
• 参与 UAR 数据服务与迁移梳理，并设计审批邮件整理流程；使用 AI 辅助完成应用实现，本人负责需求、流程、数据核对与验收。

SplunkSPLIAM / UAR合规问答数据核对合规流程

数据工程与异常检测

从零手写的业务数据异常检测平台：自动学习历史模式、生成规则并持续监测，把数据治理从事后排查转成主动防控。

• 设计四类核心检测：Z-Score 识别空值率偏离、DBSCAN 检测类别占比变化、IQR 挖掘字段映射异常、FP-Growth 发现字段取值关联；个人贡献 220 次手写提交。
• 建立「数据更新 → 自动扫描 → 告警 → JIRA / ITSM 工单 → 人工确认 → 规则反馈」闭环，并支持 API 推送和探针等多种接入方式。
• 2025 年 9 月识别 5,210 台库存产品分类错误；另一次在数据刷新后约 20 分钟发现 Sell-in 重复统计，影响 6,642 台服务器、价值 1,790 万美元，问题当日修复。
• 针对误报、异常样本污染基线和大表取数限制，重构抽样、动态阈值和基线更新逻辑，提高检测稳定性与场景适应能力。

PythonSplunk SPLZ-ScoreDBSCANFP-Growth数据治理

Splunk MVP · 产品与治理流程设计 · AI 辅助开发交付

让规则、AI 和人工各自做适合的判断，并把发现问题、整改和关闭完整留痕。

• 设计「规则初筛 → AI 二次复核 → 人工裁决 → 整改 / 豁免 → 关闭审批」的案件闭环，AI 提供判断依据，但不替代高风险决策。
• 设计新控制点从需求到发布的闭环：AI 生成数据需求、只读 SPL 和 Report 草案，经人工修订审批后仅以禁用状态发布，再通过 Dry Run、抽样和管理员确认启用。
• 统一记录审查点、规则运行、命中、证据、案件版本、AI 结论、人工操作、通知及复发历史，并分离 Reviewer、Responder、Approver 职责。
• 交付可安装 Splunk App、配置与案件工作台、运营 Dashboard、发布包、部署文档和图文用户手册。

Splunk AppHuman-in-the-loop审计留痕整改闭环

当前为待联调 MVP；本人负责问题定义、流程与角色边界、任务拆解、功能验收和交付文档。