把“用户在说什么”，变成可讨论的经营判断
ABSA 硕士研究是这页的第一项证据：我没有把评论只分成好评和差评，而是拆到具体方面，比较品牌口碑的变化，再回到营销动作和用户感知之间的关系。
2,226 → 859 → 427
从原始评论到高质量训练样本
0.21 → 0.6705
Span-F1 的迭代结果
5
随机种子消融验证
47
盲审样本
关键不是“模型跑出了一个分数”，而是数据、训练与盲审分开；这样结论才经得起复查。研究结果用于辅助分析和复盘，不替代经营决策。
Applied AI
先把业务问题和判断标准讲清楚，再决定 AI 能做什么、不能做什么；结果必须能被验证，也必须由人负责。
ABSA 硕士研究是这页的第一项证据：我没有把评论只分成好评和差评，而是拆到具体方面，比较品牌口碑的变化，再回到营销动作和用户感知之间的关系。
关键不是“模型跑出了一个分数”，而是数据、训练与盲审分开；这样结论才经得起复查。研究结果用于辅助分析和复盘，不替代经营决策。
先确认谁在什么环节需要判断，而不是先找模型。
处理数据、标注口径与基线，让结果有可比性。
用独立样本和重复试验，识别可用范围与失败条件。
把 AI 放在辅助位置，保留人工复核与责任边界。
它们指向同一件事：让 AI 在有边界、可验证的工作里真正帮上忙。
研究识别出宝骏与五菱在用户感知上的差异，并把口碑变化与营销节点放在同一条时间线上复盘。它提供的是分析线索，不是替代业务团队下结论。
以 Qwen3-14B 本地推理、混合检索和 7 条概念验证规则，覆盖常见审计表述规范问题的 85%。工具只给出校对建议，专业判断与最终责任始终由人承担。查看项目说明 →
面向非技术管理者讲解 AI 基础、数据安全、Agent 边界和模型选择；重点不是追逐工具清单，而是帮助团队判断哪些问题值得进入试点。