What we build, and the capabilities behind it.
这里是我们交付过的代表产品、当前在持续打磨的技术能力，以及我们倾向于以怎样的方式与团队合作。
在鸿蒙生态中构建的个人 AI 学习成长引擎。它把每一次学习、记录、思考与回顾沉淀为可生长的知识结构，让学过的内容真正成为你的一部分，而不是又一次淹没在信息流里。
鸿蒙原生 AI 学习成长引擎
场景洞察
识别学习场景里的真问题：从「看过」到「能用」之间，往往隔着笔记检索、知识联结与长期复习三道鸿沟。
模型工程化
把抽取、生成、检索与个性化推荐做成稳定可迭代的能力，关注延迟、一致性与可控性，让模型进入产品而非停留在 demo。
产品化交付
把模型能力封装为可被感知的体验：节奏自然、可解释、低打扰，让 AI 像是生长在学习流里的一部分。
持续增长闭环
以使用行为反哺产品与模型，让个人知识图随时间持续累积，AI 价值随使用天数变长而非衰减。
这里列出的不是承诺，而是我们日常在做的工程化方向。每一条都对应一个明确的问题与一种可被验证的交付标准。
将模型能力下沉到端侧，关注推理延迟、内存占用与功耗。覆盖量化压缩、算子适配与系统级协同，让 AI 在受限硬件上依然可用。
围绕大模型 API 构建稳定可控的应用层：提示工程、结构化输出、上下文管理、容错与可观测性，让模型从演示进入生产。
设计可执行多步任务的 Agent：工具调用、规划与反思、任务状态管理与人机协作，让 AI 能在真实业务流程里跑起来。
把使用行为与反馈沉淀为可学习的数据资产，建立从采集、标注到评估与回流的闭环，让模型随真实使用持续改进。
覆盖鸿蒙原生应用开发全链路：ArkTS、Stage 模型、原子化服务与跨设备协同，把 AI 能力嵌入鸿蒙生态的体验之中。
把模型能力封装为可被用户感知的完整形态：首次上手、持续使用与可解释性，交付的是产品，而不只是接口与演示。
合作方式没有标准答案。下面三种是我们更擅长、也更愿意投入的方式，选择哪一种，取决于你处在产品生命周期的哪个阶段。
与产品方从 0 到 1 联合打磨一款产品。我们带入场景洞察、模型工程与体验设计的全套能力，与团队的领域知识深度结合，共同定义产品形态、节奏与边界，让 AI 价值被用户真正感知。
以顾问身份参与 AI 战略、选型与关键评审。帮助团队判断「哪些问题值得用 AI 解」、「该用哪种能力」、「如何在不牺牲体验的前提下落地」，降低试错成本与方向偏差。
针对明确场景交付定制化的模型与应用方案。从需求拆解、原型验证到上线陪跑，我们负责把 AI 能力嵌入业务流程，交付可被使用的产品形态，而非停留在概念阶段。