王誉翔 Yuxiang Wang

MA Architecture and Adaptive Reuse · 硕士 · 预计 Distinction

建筑设计与适应性改造；跨学科研究、复杂信息梳理与方案表达。

建筑学学士

GPA 3.85 / 4.0 · 专业排名 1 / 50 · 连续四年校级奖学金 · 本科毕业展入选

建筑设计六院 · 建筑实习生

需求拆解与协同：参与建筑项目，梳理客户目标、场地条件与评审约束，将模糊诉求转化为功能、动线和设计任务；协同主创建筑师比较方案、收敛多轮反馈，以 CAD、Rhino、SketchUp 推进设计深化与图纸交付。

Project Knowledge Copilot

• 问题洞察与规划

  基于个人建筑资料分散、AI 回答难核验的场景，以用户任务（JTBD）拆解“找到证据—形成结论—原文核验”；独立负责 MVP、交互与评测，优先打通可信问答，暂缓企业权限与复杂 Agent。

• RAG 方案与可信交互

  将系统拆为资料入库、检索、生成与证据核验四层，借助 AI Coding 基于 Next.js、pgvector、Voyage AI 与 Claude API 完成原型；区分回答、证据不足、引用异常与请求失败，设计引用校验、拒答及恢复路径。

• 文档处理与迭代

  支持项目范围选择、可恢复批量向量化及分卷 PDF 阅读，将物理分卷组织为保留原页码的逻辑文档；处理 293 页真实资料、完成 289 个片段向量化，持续跟踪生成失败和等待时间。

• 分层评测与取舍

  建立 16 题基线，分别检查检索命中、回答依据、引用与拒答。8 个已知答案问题 Hit@1 为 7/8（87.5%）；跨项目实验中，11 个检查项的目标项目覆盖由 9 项增至 11 项，有效证据仍为 6 项，因此保留原默认策略。

Gym · 个人项目

• 场景与产品规划

  从个人训练计划重复录入、零散记录难整理的问题出发，负责需求拆解、MVP 优先级与交互设计；复用 5 套训练模板、52 个动作和历史重量，设计“计划导入—逐组核对—确认完成”，降低重复填写负担。

• 多模态与用户控制

  接入训练文字、饮食文字、照片及备注 4 类 AI 解析接口，将自由输入转为可编辑草稿；明确规则、模型与用户的职责，通过结构校验、缺失项补充与确认保存，避免模型结果直接写入历史记录。

• 评测与体验迭代

  同组 20 条合成用例中，边界处理由 6/8 改善至 8/8，修复虚构时长与秒数误作次数；延迟中位数由 5.29 增至 6.41 秒，结合失败样本记录质量与等待成本，未将离线结果等同于真实用户效果。

• 异常流程与验收

  为 AI 解析失败保留手动录入入口，写入前整体检查；把计划与完成状态分开，未确认的草稿不记为实际训练。新版处于受保护预览阶段，个人负责功能逻辑、测试用例与迭代验收。

Architecture Portfolio Website

• 用户阅读与产品表达

  面向招聘方和设计同行，将建筑作品组织为概览、过程、图纸与 3D 探索；通过分层内容、预设视角与图层控制，让读者先理解核心方案，再按需深入查看，减少图像堆叠和大型素材加载负担。

• 原型落地与验收

  负责信息架构、内容取舍和交互验收，借助 Claude Code / Codex 交付 11 个页面、两个真实模型；验证大图关闭恢复、返回后单画布和加载失败降级，2026 年 9 月完成生产发布。