一、算法测试平台：调整为 A 级核心项目

代码证据显示，平台具备：

• Vue + Django REST Framework 前后端分离，支持登录、图片与分组管理、测试任务创建、任务列表及报告展示。
• 覆盖图生图、图生视频、图生图 + 视频三类任务；按项目/效果 STTid 批量提交测试素材。
• Redis Queue 异步执行，支持任务进度、失败重试、取消、结果预览与下载。
• 配置化并发：多 Worker 处理多任务，线程池处理单任务多轮次，Docker Compose 支持 Worker 扩缩容。
• 对算法接口实现图片上传、任务创建、轮询查询、错误码映射、网络重试、连接池、图片压缩和执行日志。
• 已具备测试报告、任务详情、批量下载、部署脚本、健康检查与运维文档。

关键代码可作为面试证据：任务模型、异步执行、任务接口、部署与扩缩容。

后续简历里应强调的不是 “做了算法页面”，而是：

将算法效果验证从人工逐个上传、发起制作和收集结果，改造成可批量提交、异步执行、可追踪、可复测的测试任务平台。

但现在不要写 “多人互不干扰”。代码能证明任务记录、队列和结果是按任务维度管理的；但当前接口中普通用户可查看和操作所有任务，权限隔离并未真正完成。更严谨的表述是 “支持多任务异步并行执行与独立任务追踪”。

Git 记录中，1 月 7 日至 1 月 30 日的主要平台提交作者是 yutou。若这是你的账号，可以作为 “主导搭建” 的重要证据；若部分为协作开发，后续要按实际负责模块拆清。

算法平台还需要收集的成果数据

• 累计执行任务数、素材数、覆盖的算法/模型/工作流数。
• 同时可稳定运行的 Worker 数、并发任务数、单任务并发轮次数。
• 人工方式与平台方式的耗时对比，例如一次测试集从提交到报告的时间。
• 错误码覆盖数、失败任务重试成功率、发现的算法或接口问题数。
• 实际使用人员/团队、部署环境、使用频率。
• 你本人负责的模块：需求设计、前端、后端、任务链路、部署、测试中的哪些部分。

二、客诉机器人：可以保留，但先补齐后端证据

/Users/huangxinyu/Desktop/小工具/dify-AIchat 已确认是独立项目，现有证据包括 Express 网关、前端交互页、文件上传、HTTPS、Docker 部署、埋点统计页和部署文档。压缩包中还保留了 server.js，但当前工作目录缺少它。

你的原描述可以先调整为：

基于 Dify Workflow API 搭建客服智能问答入口，完成 Web 交互页、文件上传、埋点统计和 Docker 化部署。

“Dify 知识库、RAG 检索增强” 只有在能提供 Dify 应用配置、知识库截图、Workflow DSL 导出或真实调用记录时再写。否则面试官会追问召回策略、引用溯源、低置信度转人工和答案评测，容易失分。

需要补的证据是：知识库规模与更新方式、问题命中率、转人工率、平均响应时间、用户量、典型客诉闭环案例。

三、AI 用例平台：从个人项目中移出

你没有参与搭建，就不要写 “构建 AI 用例平台”“设计知识库” 或 “实现需求评审 Agent”。

它可以保留在工作内容中，写成：

使用内部 AI 用例平台辅助需求拆分、测试点补全和用例生成，结合人工评审确认需求细节并沉淀至测试平台。

这同样能体现 AI 应用能力，但不会把团队成果归为个人。

四、更新后的资产优先级

1. 算法测试任务平台：核心测试开发项目。
   
2. 鲸火机器人 + 版本发布助手 + Crash 告警：核心质量效能项目。
   
3. SelfyzAI 移动端 AI 应用质量 Owner：核心业务项目。
   
4. 客诉智能问答机器人：独立 AI 应用项目，待补 RAG 与使用数据。
   
5. 接口自动化、多语言专项、Sonic 回归自动化：专项能力成果。
   
6. Midscene、Charles MCP + Codex、AI Code Review：技术探索或辅助工作流，先沉淀为可复用闭环再升为项目。

需要优先处理的工程风险

算法平台与客诉机器人代码/文档中存在明文外部服务凭据，算法平台还开放了匿名测试报告访问。建议尽快完成凭据轮换、迁移到环境变量或密钥管理、清理 Git 历史中的敏感信息，并为报告改为登录校验或签名链接。这既是实际安全问题，也决定了你能否在面试中有底气讲 “部署与权限设计”。