He Xu

Visualisierungs-Dashboards mit PySpark entwickelt, um die Leistungsdaten der Lieferkette des Country Office zu analysieren und darzustellen, was die operative Effizienz und die Genauigkeit von Entscheidungen verbessert hat.

KI-getriebene Automatisierung in bestehende Workflows integriert, um Berichte automatisch zu erstellen und die Datenverarbeitung zu optimieren, wodurch die Produktivität gesteigert und der manuelle Aufwand reduziert wurde.

Konzipierte und leitete den Entwurf von zwei SaaS-B2B-Produkten auf Basis einer LLM-Architektur, steuerte die End-to-End-Umsetzung durch Marktforschung, Wettbewerbsanalyse, Nutzerinterviews, Anforderungsanalyse, Prototypdesign, agile Iteration, Dokumentationserstellung und Kundenbetreuung.

Entwickelte einen LLM-basierten Kundendienst-Bot, integrierte Mehrkanalberatung und Richtlinienabruf und implementierte ihn in staatlichen Systemen auf Provinzebene, wodurch täglich Tausende von Nutzern bedient wurden.

Erstellte ein intelligentes Klassifizierungssystem für Hotline-Tickets, das eingehende Supportanfragen automatisch anhand des Inhalts kategorisierte und so die Bearbeitungsgeschwindigkeit um 30% steigerte.

Entwarf modulare, skalierbare KI-Komponenten zur Integrationsunterstützung, integrierte LLMs in Kunden-Workflow-Systeme und implementierte Prompt Engineering sowie RAG-Systeme.

Definierte Produkt-Roadmaps im Einklang mit der Geschäftsstrategie, koordinierte ein 14-köpfiges funktionsübergreifendes Team, plante Agile Sprints und Retrospektiven, erstellte User Stories und Akzeptanzkriterien, pflegte das Jira-Backlog und verfolgte Tickets, um Produktlaunches auf dem Digital China Summit sicherzustellen.

Legte Anforderungen an Trainingsdaten und System-Prompts fest, arbeitete an der Feinabstimmung von Modellen und der Verbesserung von RAG-Systemen mit, etablierte Metriken zur Messung der Bot-Abwehrrate, durchschnittlicher Bearbeitungszeit und Nutzerzufriedenheit und entwickelte Fallback-Strategien zur Steigerung der Antwortgenauigkeit.

Zusammenarbeit mit Algorithmus-Ingenieuren zur Identifizierung wirkungsvoller Datensätze, wodurch die Trainingskosten um 25% gesenkt und eine Modellgenauigkeit von über 92% beibehalten wurde.

Entwickelte und pflegte iOS- und Android-SDKs zur Optimierung der Netzwerkübertragung, wodurch die Datenübertragungsgeschwindigkeit um 13% verbessert und langsame Übertragungen um 30% reduziert wurden.

Führte Netzwerkleistungsanalysen durch und entwarf adaptive Funktionen zur Auswahl qualitativ hochwertiger Verbindungen.