工作经历

日益涌现的监管浪潮——欧盟DSA、欧盟TCOR、英国OSA、纽约S895、加州AB 587、巴西ECA、印度IT规则等——每项均要求提交详细、一致且本地化的透明度报告。Roblox以往的方式为手动处理，随着监管环境持续扩张，难以规模化应对。

• 主导8项以上国际法规的透明度报告策略与生产工作。
• 撰写一套版本受控的模块化生产级SQL查询，用于可重复、可审计的报告周期。
• 正在设计产品合规统一数据模型和自动报告流水线，以在外部审计前实现系统扩展与未来适配。
• 主导AI赋能举措，提升团队生产效率并降低手动工作量。

为10余项监管合规要求（报告、RFI、风险评估、诉讼支持）构建生产级SQL和Python代码，通常每个周期需要3至6个工程周的纯编码工作。面对快速扩展的监管组合与精简的团队，这一节奏根本无法实现。

• 在人机协作（Human-in-the-Loop）的AI编码工作流中担任产品经理兼第一起草者，使用Cursor智能体生成生产级SQL和Python代码。
• 跨10余项监管要求生成逾7,000行生产代码，数据工程师和数据科学家承担代码审查者角色，而非主要编码者。
• 设计结构化开发流水线：查询与模式上下文 → AI生成SQL → 人工代码审查与批准 → 迭代优化 → 全规模Python流水线。
• 压缩产品经理与工程团队之间的反馈环路，实现更快速的迭代，减少跨职能排期瓶颈。

隐私沙盒工作组（900余名工程师、产品经理和合规人员）深陷于分散在受限存储库中的12,000余份文件。信息检索成为严重瓶颈——拖慢了开发、监管合规与战略推进——而语料库的敏感性又排除了通用搜索工具的使用。

• v1和v2设计文档的唯一作者；从构想到可用原型的主要推动者。
• 跨组织咨询各利益相关者以诊断痛点，设计完整的端到端系统：Web前端、基于Agent Studio的后端、Gemini 2.5 Pro作为LLM，以及索引了12,000余份受限文件的向量数据库。
• 实现两种运行模式：（1）基于语料库的带出处RAG专业问答；（2）专门的起草模式——根据用户提供的变更描述直接生成D&I标准评估初稿（一项高频合规工作流程）。
• 撰写系统提示，定义技术要求、访问控制及风险缓解措施，包括幻觉防护和强制人工审核。
• 在隐私沙盒TPgM AI黑客松上展示项目，并获高级总监颁发的特别奖金，评语为"释放了在节省时间和提升监管响应质量方面的潜在影响力"。

隐私沙盒法律团队每周需花费数小时手动筛查漏洞报告及关联文件，以准备法律审查摘要。该流程缓慢、不稳定，成为整个隐私沙盒项目合规监督的瓶颈。

• 端到端自动化解决方案的唯一作者和开发者。
• 直接与法律团队沟通，了解其工作流程、决策标准以及各子团队对"优质产出"的定义。
• 设计三阶段流水线：SQL（F1）提取相关漏洞数据 → Python（Colab）编排 → Gemini LLM通过TextMiner处理。
• 构建一系列执行复杂认知任务的多步提示：总结关联文件、识别针对特定CMA监管承诺的关键风险，并为三个法律子团队（产品、竞争、隐私）分类所需审查类型（"必须审查"与"仅供参考"）。

季度监察受托人（MT）合规报告——谷歌与英国竞争与市场管理局（CMA）法律承诺下的强制性交付物——此前为手动生成。该流程每季度耗费60–80人时以上，风险高、易出错、缺乏文档，依赖5–6名关键人员的单点故障。既无可审计性，也无法每日了解关键指标。

• 唯一作者和实现者。最初承接该项目范围界定的三名软件工程师认为只有工程师才能完成，对技术项目经理尝试此事持怀疑态度。
• 设计端到端系统架构：一条从多个内部数据源（Teamgraph、原始系统日志、非标准导入）拉取数据的ETL流水线，包含复杂数据处理、大模型增强和自动报告生成。
• 设计PLX工作流，执行一系列SQL脚本以提取、处理并增强三个工作组（PSWG、NWG、AWG）的数据，包含动态报告期间计算和导出至Google表格。
• 实现版本控制和模块化查询设计，确保可维护性、可审计性并消除单点故障。
• 跨越多个主要国际假日，提前完成交付。

存在重大合规缺口：500余人的隐私沙盒组织中，员工未加入隐私沙盒工作组（PSWG）——这是谷歌CMA承诺下的基础要求。当时没有自动化机制来识别、通知或追踪不合规人员。

• 主动识别合规缺口——完全自我发起，并非指派任务。
• 设计自动检测系统，利用SQL交叉比对员工汇报链与PSWG群组成员数据。
• 构建AppsScript通知系统，自动向不合规人员及其上级发送邮件，并追踪至问题关闭。

法律内容政策与标准团队需要快速掌握数千份传入法律删除申请的要点，以用于案件管理和趋势分析。该规模下手动审核不可行。自动案件摘要是团队主要管理仪表板呼声最高的功能需求——但当时尚无可扩展的解决方案。

• 设计文档和用户指南的作者，以及完整自动化工作流程的主要实现者。
• 直接与LCPS团队沟通，明确需求并了解案件摘要在实际运营中的使用方式与细节。
• 设计了一条创新流水线，利用SQLMiner直接在数据库环境中执行批量大模型推理——无需将敏感案件数据导出至中间系统，从而实现真正的工业规模运营。
• 构建RAG模式提示，将案件表的结构化数据输入大模型，为所有符合条件的案件生成简洁、准确、格式统一的摘要。
• 将AI生成的摘要作为按需功能直接呈现在团队主要PLX管理仪表板中。

法律运营团队以手动方式处理法律删除申请——这是一个需要跨多个内部工具逐案审核的工作流程。积累了8,400余个案件的积压，而持续涌入的案件量（数万个）使得按人员规模手动处理根本不可行。

• 构建了一个node.js概念验证自动化脚本，处理8,400余个案件的即时积压，在投入完整解决方案之前验证了该方法的可行性。
• 主导开发生产版Chrome扩展程序，利用浏览器自动化大规模处理法律删除申请——将此前需手动操作的多工具工作流程自动化。
• 与工程团队合作，将方法从概念验证推进至生产就绪的工具。
• 因交付速度和对团队产能的贡献，受到高级产品经理的高度评价。