林颖欣Lin Yingxin

1. 🛠️
   制作脚本

   自己编写运行 skill，上传到 Cursor 驱动执行。

2. 🌐
   指纹浏览器 + 稳定 IP

   用指纹浏览器维护稳定 IP，同时托管 5 个账号。

3. 🌱
   先养号

   一个月内单个号增长 50+ karma。

4. 🎭
   编写人设提示词

   根据产品定位设计详细的账号人设以及帖子筛选和评论生成提示词。

5. 🔌
   外接模型 API 自动筛贴并生成评论

   接入大模型 API，自动化筛选帖子并生成符合人设的评论内容。

6. ✍️
   人工审核+评论发布

   审核并手动发布带产品名的评论，规避封号风险。

1. 🎯
   定位 + 预算

   根据产品定位与预算价格确定合作方向。

2. 🔍
   提前 1 月寻找 X KOL

   筛选不同粉丝量级的 X（Twitter）KOL。

3. 📊
   评估合适性

   评估内容合适性与推文互动情况。

4. 💬
   商谈价格

   与 KOL 洽谈合作报价。

5. 🚀
   促成合作

   落地推广，完成合作。

实习期间主导搭建的「GTM 大脑」——公司运营、市场进入（GTM）与增长策略的中央知识库，涵盖 KOL 合作、产品 Launch、SEO、海外社媒、用户访谈等模块。

这是公司内部私有仓库，多人 + 多个 code agent 共用，故不对外公开链接。为避免互相覆盖，我为团队设计了下面这套防冲突协作流程：

1. 🌿
   每人 / 每个 agent 一条独立分支

   不直接动 main，每个人与 code agent 各有自己的云端分支，互不覆盖。

2. ⬇️
   提交前先同步 main

   push 前先从 main pull 最新内容到自己分支，避免冲突与覆盖丢失。

3. 🔀
   开 PR 合并到 main

   阶段性完成后开 Pull Request，自查合并进 main，供全员复用。

4. 🔄
   定期把 main 拉回自己分支

   每 1–2 天 pull 一次 main，保证分支不落后，多人多 agent 长期协同不断档。

1. 📚
   语料库构建

   整合「中古汉语标记语料库」中支娄迦谶名下九部译经，系统构建 21 万字专用分析语料库；标注五组共 70 余个关键特征词并统计词频。

2. 📐
   量化模型

   创新采用 KS 检验法（Kolmogorov–Smirnov）结合切比雪夫距离，构建译经语言风格多维度量模型，实现九部经文相似度的量化计算与二维可视化。

3. 🔍
   结论验证

   聚类发现公认可靠的《道行般若经》与三卷本《般舟三昧经》高度聚合，据此判定其余七部归属存疑；结合典型语言指标的定性分析，为学术争议提供数据驱动新解。

1. 🧩
   自动化评测题库

   基于计算语言学，利用 IDS（表意文字描述序列）对目标汉字做结构化拆解，编写 Python 脚本实现试题自动生成与标准答案标注，覆盖多类型汉字结构与识别测评。

2. 🧪
   评测流程试点

   设计标准化模型输入提示词，使用千问 3B 等小模型完成试点测评，验证「自动出题—模型作答—答案比对」全流程可行性。

3. 🔎
   可解释性剖析

   采用两种方法、三种实验——相关性检测 + 因果可解释性，剖析模型汉字识别的深层机制，重点分析汉字信息储存与真实应用情况。

1. 🔤
   大模型分词 + 自动评估

   对比多款大模型与传统分词工具，用 Few-shot 提示工程优化效果；编写 Python 脚本自动计算精确率/召回率/F1 并做基准测试，选定 GLM-4-Plus (5-shot) 为核心工具。

2. 📊
   量化建模

   构建专用语料库，提取 53 个语言特征指标，基于 PCA 搭建多维度分析模型，设计 2×2 对照实验验证稳健性。

3. 🎯
   结论

   提取三大核心语体维度，通过层次聚类明确梁启超四种文体语体差异，探究近代汉语语体转型。毕业答辩成绩97分。

1. 🕷️
   数据驱动建模

   使用 Python 爬虫构建逾 100 位跨学科评委数据库，覆盖清华 SRT/学推计划不同院系。

2. 🤖
   社交行为模拟

   基于 DeepSeek 大模型进行提示工程，模拟生成评委初始评分与受社交因素影响的再评分数据。

3. 💡
   策略输出

   定量分析发现「评委头衔可见性」显著引发从众效应，据此提出「隐藏头衔、展示跨部门平均分」的盲审策略优化建议。

1. 📚
   数据收集与处理

   整合《六度集经》及大乘/非大乘佛教经典，构建 60 余万字专用语料库；利用 n-gram 构建词库，对核心佛教概念标注与向量化处理。

2. 🕸️
   关系网络与模型

   运用 Gephi 构建「人物—知识」关系网络，TF-IDF 量化文本相似性，Word2vec 训练词向量模型探索概念语义关联。

3. 🔍
   聚类洞察

   应用层次聚类算法揭示文本内在概念结构，结合定性比对，验证文献「以大乘框架组织小乘内容」的混合特征，为学术争议提供数据驱动新解。

1. 📣
   全域内容策略

   统筹 Threads、微信公众号、Instagram、抖音、TikTok 多平台内容输出策略，通过数据监测动态调整分发。

2. 🤝
   内容转化与跨界协作

   紧密协同规划、建设小组，将专业设计成果转化为公众易感知的传播内容，践行「设计赋能—传播放大」的实践闭环。

3. 📈
   增长结果

   全平台超 14 万次浏览，显著提升项目影响力。