Daniel Li portrait

Daniel Li / 李绵泰

AI 驱动,
系统落地。

一条工作流。Brief 进,成片出。AI 驱动,记忆复用,拿来就用。

6+
年内容制作与项目管理
200M+
跨平台累计播放
3 Platforms
一套记忆,全平台复用
228
228 素材 · 2.5h · 零错误

不只做内容
是建系统

常驻伦敦。为医疗、会展、消费品行业的国际品牌提供 AI 驱动的视频生产工作流——智能 brief 解析、Agent 协同制作、自动化多平台交付,全链路闭环。228 个素材 2.5 小时批处理零差错。

每个项目搭建记忆库、配置 Agent、设审核关卡。创意不再是一次性的,而是可重复、可规模化的体系。

不是外包,是生产基建。

2024–2025
MA 教育领导力与管理
University of Warwick
2021–2024
BA 商业管理
Durham University

多智能体
编排平台

模型无关的编排系统。Plan → Exec → Escalate 三层路由,跨模型交叉审计,本地多模态补盲。灵感来自 Karpathy Skills 项目和 Harness Engineering 理念——不是写更好的 prompt,而是构建约束 AI 行为的 harness。

Plan
规划层
Opus 4.7 / GPT 5.5 / DeepSeek V4 Pro / MiMo V2.5 Pro — 分析需求、拆解任务、设计方案。不亲自执行。
Exec
执行层
Haiku 级别执行模型 — 读写代码、调用 API、搜索。十秒内判断并行性,独立子任务并发。
Escalate
升档层
执行模型连续失败 2 次 → 自动切更大参数推理模型重试。不死磕轻量模型。
📐
分层指令
71 行常驻 + 领域按需加载。旧版 234 行全量注入,每轮上下文消耗大幅减少。
🧠
Memory 路由
43 个记忆文件按关键词触发加载。跨 session 知识不丢失,新 session 自动继承。
🔄
交叉审计
出图 → 审计 → 迭代 → 终审。谁产出谁不审自己,消除同源偏差。
30亿+tokens · 4万+请求
99%+缓存命中率
8+模型家族

本地多模态
成本工程

🎙️
mlx-whisper
Apple Silicon 本地音频转写。零 API 成本,10MB 约 40 秒。
🎨
GLM-5V + Qwen3-VL
视觉审美判断、品牌色审计、OCR 和空间分析。本地 + 云端双链路。
📁
Pillow + NumPy
本地图像处理:清晰度(Laplacian方差)+曝光+对比度加权评分挑片,EXIF时间聚类分场景,零API成本
DeepSeek V4 × MiMo V2.5
5+
AI 视频项目
产品视频 · 品牌影片 · 展会纪录
96+
KOL 数据库
竞品挖掘 · 协议标注 · 地域分析
228
素材批处理
2.5 小时 · 零错误 · 多平台交付
成本对比
¥200 self-hosted total
DS V4 20亿 token 约 ¥200。MiMo Token Plan $44/月,仅用 1/3。高缓存命中率节省超 ¥1000。
¥15K+ agency estimate
同等产出(5 个视频项目 + 96 人 KOL 库 + 228 素材批处理)交由制作机构,市场价约 ¥15,000–25,000。
Model Matrix · 8+ 模型家族
DeepSeek V4 Pro
¥8.74/亿 · 256K ctx · 深度推理
MiMo V2.5 Pro
Token Plan · 原生多模态 · thinking
DeepSeek V4 Flash
最高支持16路并发 · 轻量执行
MiMo V2.5 / V2-Omni
全模态输入 · 本地+云端
GLM-5V-Turbo
审美判断 · 品牌色审计
Qwen3-VL 4B
OCR · 空间分析 · Ollama本地
Gemini
跨家族终审 · Veo 3.1 + Imagen 4
Codex (GPT 5.3/5.5)
图生图 · 产品保真

把内容,
做成系统。

开放全职、咨询与系统搭建合作。
现居伦敦 · 老家深圳

全职岗位 咨询项目 AI 内容系统