当今，各个行业的企业都承受着巨大压力，需要在确保精确性和合规性的同时，实现重复性、基于规则任务的自动化。因此，众多企业正寻求运用人工智能技术来处理这些工作流程，从而释放人力资源去承担更富创造性和战略意义的工作。然而，这也带来了构建既稳定可靠又灵活适应的自动化管线这一挑战，这对于降低模型的不可预测性、为终端用户创造实际价值具有重要意义。
香港理工大学AI工程本科生张亦帆致力于在职业生涯早期解决这一难题。他的征程起始于独立游戏开发，在此期间打造的XR和VR项目在校园内获得广泛认可，这段经历培养了他以用户为核心的设计思维。现在，张亦帆将这种理念应用于开发集成语言模型、确定性逻辑以及人工监督保障机制的管线系统，帮助企业自信地实现任务自动化。
电子游戏点燃工程热情
张亦帆与软件开发的初遇源于内心的求知欲。高中期间，他开始探索游戏引擎，从制作简单的平台跳跃游戏起步，逐步发展到运用计算机视觉和手势识别技术的XR项目。其中一个VR项目实现了通过视觉模型识别手势来施展魔法的功能，这一成果通过将自然语言处理与手势输入巧妙融合到互动环境中得以实现。
这个最初的兴趣爱好很快演变为技术严谨性的实验平台。他敏锐地认识到，VR体验的性能表现需要在实时约束条件下平衡计算能力、准确度和即时响应性，同时还要考虑难以精确量化的因素，比如每个用户独特的物理环境。这段经历让他领悟到模块化设计、持续反馈循环以及始终以终端用户视角为出发点的重要性。
“这让我明白我们必须时刻从客户的角度思考问题，”张亦帆如是说，这一经历对于塑造以用户设计为核心优先级的思维模式发挥了关键作用。
转型应用AI软件开发
进入大学后，张亦帆的研究重心转向了语音识别和情感计算领域。尽管学术研究提供了深厚的理论基础，但他更渴望寻找将AI工作流程应用于解决现实生活痛点的实践机会。这样的机会在可部署处理常规任务的智能代理这一新兴领域中出现，这个领域近年来蓬勃发展，最新报告显示85%的组织计划运用这些代理来优化其工作的特定环节。
张亦帆着手开发AI智能代理管线，将语言模型的灵活性与确定性编程的可靠性有机结合。他的方法注重实用性：虽然众多模型已能够分析非结构化数据，但它们需要护栏机制来保证输出的一致性和准确性，同时确保严格遵循行业标准的合规要求。他的解决方案将自动化架构为模块化管线（整合API与现有数据库和企业工具），使原本由人工处理的任务能够实现规模化执行。
他经常以房贷承保为例进行阐述，传统模式下工作人员需要耗费数小时验证文档并执行重复性规则。通过将这些步骤编码为协调统一的工作流程，他的自动化系统显著减少了错误率和繁重劳动。”将流程逻辑转化为可在几分钟而非几天内交付的成果——这正是AI工作流程为开发者带来的价值，”张亦帆阐释道。
张亦帆的功能性智能代理开发理念
在张亦帆看来，自动化领域的核心挑战并非在于技术能力，而在于系统的可信赖性。通过构建专门面向企业环境的精调智能代理的丰富经验，张亦帆深刻认识到这些流程需要的系统必须能够在保持精确度的前提下扩展系统功能，自动化处理输出错误，并为潜在的审计需求提供透明的日志记录。
为达成这些要求，他重点强调建立技术基础架构，让开发者能够自由地进行原型设计，无需担心对最终成果效率的影响。他设计的工作流程整合了人工监督检查节点，确保在可能对最终产品开发产生关键影响的环节中维持准确性。这些系统支持同步和异步执行模式以保障高质量且可靠的输出结果，并将重复性代码抽象为可配置模块，进而让开发者能够测试智能代理的不同层面，而无需进行全面重构。
他认为，最终成果是建立在可靠基础设施之上的更智能软件，专为那些无法容忍微小错误的行业量身打造。
赋能企业大规模应用AI
张亦帆的技术驱动力延伸至企业领域之外的项目。受到祖母健康挑战的启发，他带领团队设计了一款面向老年失禁患者的”智能纸尿裤”。该装置集成传感器与基于云端的AI推理功能，为护理人员提供能够实时监测健康状况的数据支持。对张亦帆而言，这个项目彰显了一个更宏大的使命：技术不仅仅追求效率提升，更要创造能够切实改善生活质量的工具。
这一理念同样影响着他对他人作品的评价标准。作为黑客马拉松评委，张亦帆经常强调构建AI智能代理的错误做法是完全依赖大型模型的输出。相反，他致力于指导参赛者将确定性编程与AI工作流程和AI推理相结合，以缓解长文本处理和一致性等方面的局限性。
张亦帆首先将自己定义为一名工程师，一个将复杂性转化为结构化系统的实践者。正如他所言：”我不希望看到人们完全依赖技术来做决策：准确性和一致性依然源自扎实的工程实践。”
从大学时代的VR游戏到如今指导自主智能代理创建的管线系统，张亦帆的发展轨迹体现了一种重视迭代改进、精确执行并关注最终用户产品交互体验的开发者思维。他的工作充分展示了工程技艺的魅力——在结构基础上叠加创造力，在逻辑框架上融入智能——这种方法不仅能够显著改善企业的日常运营模式，更能提升人们的工作体验质量。
