图像识别技术：扫描试卷后，通过图像识别技术定位和识别试卷上的文字、符号、图形等内容。针对手写内容，还需结合手写识别技术，将手写字符转化为计算机可处理的文本格式。例如，对于选择题答题卡，能精准识别填涂的选项；对解答题，可识别手写的文字与公式 。 自然语言处理技术：处理主观题时，运用自然语言处理技术。系统先对文本进行分词、词性标注、句法分析等预处理，再与预存的标准答案、评分标准对比匹配。比如语文作文批改，会分析语句通顺度、语法错误、文章结构、立意等维度；英语作文还会检查单词拼写、语法运用、词汇丰富度等 。 机器学习与深度学习算法：通过大量已标注的试卷数据训练模型，让系统学习不同题型的答题模式、得分点等。以数学主观题为例，模型学习各类解题步骤、答案形式后，就能对新试卷按学习到的规则评分。随着数据不断积累和模型优化，系统批改准确性会持续提升

用户调研:投放问卷回收 500 人，*访谈 30 人，生成用户画像与调研报告  竞品分析:针对目标同类和非同类竞品进行分析，给出优化方案  需求分析:根据调研后收集的内容制作 FeatureList，明确优先级与研发版本规划  原型设计:设计了全套页面的高保真原型  RPD 制作:制作对应功能的产品需求 PRD 文档  从0到1设计一款B端CRM产品

负责新老系统数据迁移方案制定与实施，通过编写数据转换脚本，成功迁移历史生产数据500万 + 条，数据准确率达99%。参与新系统功能设计与验证，与供应商紧密协作，确保新功能符合企业生产管理流程。