ABOUT / COYA FENG

冯科雅 Coya

企业 AI 应用 · 营销运营 · 效率工具

计算机科学背景,做过外贸销售与电商运营,现在关注如何把 AI 接进企业的日常工作。从业务需求出发,用工具搭建流程,再用实际反馈检查结果。

邮件联系 ↗
coya20020824@gmail.com
所在地
广州 / 佛山
教育背景
佛山大学
计算机科学与技术 · 本科
当前实践
企业 AI 提效
销售助理与营销工作流
求职方向
企业 AI 应用与营销
WHAT I BRING

把业务和工具连接起来。

业务理解

从销售、运营的实际工作出发,梳理需求、字段口径和业务规则。

客户跟进 / 需求拆解 / 流程设计

AI 应用落地

连接 Agent、飞书与现有资料,让自然语言输入进入可确认、可追溯的流程。

Hermes / OpenClaw / 飞书 / Python

营销内容运营

组织选题和产品知识,配置平台改写规则,并记录内容来源与生产状态。

选题体系 / GEOFlow / 内容归档
PROJECT EXPERIENCE

项目实践

全部项目 ↗
EXPERIENCE

经历与教育

当前实践

AI 部成员 · 企业提效

参与企业 AI 工具部署与应用,围绕销售线索、知识检索和营销内容设计工作流程。具体职责与项目边界见项目案例。

2025.06 — 2025.07

美鑫机械梳刷制造有限公司

阿里国际站运营

结合 AI 工具整理 20+ 组英文标题;清洗 100+ 条询盘数据,参与巴西、日本市场调研与产品资料整理。

2024.09 — 2024.11

广州互诚密胺制品有限公司

外贸销售

参与客户沟通、产品介绍和订单跟进,任职期间促成 2 单成交。

2021.09 — 2025.06

佛山大学

计算机科学与技术 · 本科

学习操作系统、数据库、软件工程和软件测试。毕业设计为智能家教推荐系统,参与测试用例编写、Postman 接口测试和文档维护。

STAR 故事展开项目复盘与补充材料

故事 1:从零搭建 Agent Team 开发工作流

Situation(情境)

AI 部工作需要频繁使用 AI 工具进行开发,但单个 AI agent 能力有限——设计、编码、测试、部署混在一起容易出错。需要一个多角色分工的 Agent Team 来系统化开发流程。

Task(任务)

搭建一套四角色 Agent Team(Architect / Coder / Tester / Deployer),让每个角色各司其职、协作完成完整的开发流水线。

Action(行动)

  • 在 Claude Code 中利用 custom agents 功能定义四个角色,每个角色有独立的 system prompt、工具权限和 skill 配置
  • 从 182 个 Hermes skills 和 90+ 个 Claude Code skills 中筛选 39 个精准装配到四个角色
  • 设计完整的协作 SOP:PLAN → BUILD → VERIFY → SHIP 四阶段流水线
  • 集成 Addy Osmani 的 agent-skills 仓库中的 12 个方法论 skill

Result(结果)

  • 四角色 Agent Team 完整落地,39 个 skills 精准分配
  • 每个角色有明确的职责边界(Architect 不写代码、Tester 不修 bug 等)
  • 可复用的协作工作流文档化,后续每个新项目可直接套用
  • 在轮毂领域学习项目中验证了完整工作流

故事 2:AI 内容自动化——从口述到发布

Situation(情境)

公司需要持续产出技术内容,但写作启动成本高——每次打开编辑器面对空白页都需要很大的心理启动能量。

Task(任务)

设计一条从「口述录音」到「自动发布博客」的 AI 内容生产链路,降低写作启动成本。

Action(行动)

  • 设计完整链路:飞书妙记录音 → Lark CLI 转文字 → Hermes Skill 生成结构化博客 → GitHub/Vercel 自动推送
  • 参考 LucasBlog 仓库(Astro + Tailwind CSS + Vercel)作为博客框架
  • 搭建 Personal Website 内容系统:content/inbox 素材入口 + 四条转化链路
  • 创建 4 个 Claude Code 命令和 personal-website-content-sync Hermes skill

Result(结果)

  • 内容生产从「打开编辑器」降低到「打开飞书说两句话」
  • 四条转化链路:inbox→blog / inbox→weekly / project→career / draft→publish
  • 周末可以批量将一周的碎片记录自动转化为周记草稿

故事 3:车膜知识库从零到可调用资产

Situation(情境)

公司车膜品牌「有膜有漾」需要系统化的知识资产来支撑内容营销。但品牌信息分散在各处——产品资料、飞书文档、行业文章——每次做内容都需要重新搜集信息。

Task(任务)

搭建一个结构化、可被 AI 直接调用的车膜行业知识库。

Action(行动)

  • 设计知识库结构:wiki 页面(概念+实体+对比)+ raw 深度文章 + JSONL 结构化记录
  • 从知乎、懂车帝、什么值得买、B 站等多平台采集 200+ 条内容
  • 对每条内容进行分类、标注、结构化处理
  • 最终产出 38 页 wiki + 27 篇 raw 文章 + 304 条 JSONL 结构化记录(12 个文件)
  • 设计 GEO 品牌基线测试框架,利用知识库提取关键词种子进行 AI 可见性测试

Result(结果)

  • 车膜知识库从零搭建到可调用,等效 ~434 条结构化记录
  • GEO 基线测试可直接从知识库提取关键词种子,减少 70% 手动整理时间
  • 为后续内容营销和 AI 搜索优化提供了坚实的数据基础

故事 4:生图系统技术选型

Situation(情境)

公司需要为车膜产品搭建 AI 图像生成能力,让客户在线上预览车膜效果。但「颜色准确性」是关键——看起来高清但颜色不准等于没用。

Task(任务)

评估三种可能的生图技术方案,选出最可靠的方向。

Action(行动)

  • 方案 1:高清拍摄后 AI 渲染 → 判断不可行(光照、材质、模型渲染误差导致色差不可控)
  • 方案 2:基于商家电子版图片渲染 → 不可行(缺少可直接使用的电子版图片素材)
  • 方案 3:色差仪获取 L/A/B 精确数值后线上预览 → ✅ 选定(成本更高但工程可控)
  • 后续推进:完成飞书 MGS 生图系统配置、调试、优化,并向团队汇报

Result(结果)

  • 三方案对比判断完成,避免在不可行方案上浪费资源
  • MGS 生图系统完成从配置到团队汇报的完整闭环
  • 从 W14 调研到 W17 落地,技术方向始终一致
CONTACT

从一个具体的业务问题聊起。

欢迎交流企业 AI 应用与营销方向的工作机会。

联系我 ↗

搜索全站

输入关键词,查找项目与实践记录。