Yanzhi Yao AI 系统架构师
预约 30 分钟
01首页 02客户 03案例 04履历 05笔记 06联系
renoyao@dinecall.ai

精选案例

四个已经上线、有人在用的系统

每个案例写清问题、做法和结果；更细的架构取舍，欢迎直接来聊。

案例深度能力
CASE 01 企业交付 KONE 通力

电梯应急 AI 呼叫中心

有人被困在电梯里。系统需要立刻接通、听懂求助、给出正确处置；任何一台服务器挂掉，这通电话也不能从头再来。

-30%应急干预时间
-50%支持升级次数
~2.3s首字音频响应
90%回答准确率
TwilioAzure SpeechLLM Flask · asyncioECS on EC2ElastiCache Redis

技术细节，和我聊聊
延迟对比 · 一次对话轮次 0 – 7.5 秒
阻塞式：每一步等上一步做完 首字音频 ≈ 6.8s
STT 1.5s
LLM 3.8s
TTS 1.5s
首字音频
流式重叠：边听边想边说 首字音频 ≈ 2.3s
首句生成 1.5s
后续句子：生成与播放完全重叠
首字音频
0s2s4s6s7.5s
-65% 乘客等到第一句回应的时间。在电梯里，这几秒的差别很明显。

数值为生产环境典型区间，非单次测量。详细拆解见笔记《把 7 秒压到 2 秒》。

读完整拆解：延迟工程
CASE 02 企业交付 KONE 通力

JuTong 销售与服务知识助手

销售要在客户面前十秒内答出型号、配置、价格和服务政策，而这些资料散落在上百份 PDF 里。

+30%销售与服务效率
80→90%回答准确率
~$1M客户成本节省
2–3s端到端响应
LangChainada-002ChromaDB LLMFlaskDocker · EC2

技术细节，和我聊聊
检索增强链路 RAG PIPELINE
S3原始文档
LangChain章节切块
ada-002向量化
ChromaDB本地向量库
Top-5元数据过滤
LLM接地作答

← 反馈闭环：销售标记错误答案 → 检查召回块 → 命中则改提示词，未命中则改切块并重建索引

读完整拆解：RAG 从 80% 到 90%
CASE 03 自有产品 DineCall AI

DineCall AI 鼎呼 —— 从零到生产，四个月

晚市高峰，每三通电话大约有一通没人接。AI 接起来之后，这通电话会变成后厨看板上的一张工单。

30+家餐饮集团与连锁门店
100+单店 AI 电话订单
3语接待（英 / 粤 / 普）
10%抽成（平台为 20–30%）
Next.js 15TypeScriptPostgreSQL · RLS Supabase RealtimeTwilioStripe Vercel

技术细节，和我聊聊
DineCall AI home page: an AI host on a call and the live order
通话模拟 · 一通电话如何变成一张工单 循环演示
AI 接线员 · 通话中 00:00
实时工单 #1043 · 自取
合计 $0.00
✓ 已推送至后厨看板

代码仓库直接统计 · 2026-09 快照

0行 TypeScript 生产代码
0 测试文件
0% 行覆盖率
0 前向数据库迁移
0 架构决策记录（ADR）
CASE 04 平台 AI Chili

AI 视频生成与算力平台

视频生成真正的瓶颈很少是模型本身，而是工作流的断点和算力的成本结构。

自托管模型GPU 调度批量工作流 私有化部署

技术细节，和我聊聊
AI Chili 视频创作台

我生成的视频样片（各节选 8 秒）

aichili.ai

工程深度

一通应急电话里，到底发生了什么

应急呼叫系统的实际拓扑。点任意一个节点，可以看到它为什么在那里，以及它挂掉之后会发生什么。

电话网络 · 外部 AWS · 同一 VPC Azure / OpenAI 被困乘客 EMERGENCY BUTTON Twilio MEDIA STREAMS 人工坐席 FALLBACK Call Worker ×N FLASK · ASYNCIO · STATELESS ElastiCache Redis SHARED STATE BY CALLSID ECS on EC2 编排 · 健康检查 · 扩缩 Watchdog 心跳超时 10s → 重新分配 Azure STT 流式识别 · VAD LLM 流式生成 · SOP 接地 Azure TTS 流式合成
技术细节，和我聊聊

能交付什么

五种能力，一条交付线

五类已经交付过的系统，也大致清楚它们会在哪里出问题。每一类下面都写了对应的项目和结果。

把散落在文档里的企业知识，变成一个能在客户面前直接用的问答系统

难的部分不在接模型，在于让它只说有依据的话。资料散在上百份 PDF、表格和工单里；答错一次，销售就不会再用第二次。

技术栈

LangChainOpenAI Embeddings ChromaDBLLM QwenFlask

落地项目

KONE 销售与服务助手 JuTong · KONE 维保知识助手 · DineCall FAQ 知识库

已验证结果

回答准确率 80% → 90%，销售与服务效率提升约 30%，支持升级次数减少 50%

Chat with me

架构和技术细节，当面聊更快

每个项目背后都有一整套架构取舍和踩过的坑。想深入了解，直接约个时间聊。

Chat with me 问问我的 AI 助手 全部笔记