在课程项目中，围绕理赔报案描述构建文本分类原型，负责数据预处理、特征工程与模型对比，使用Python、scikit-learn与BERT微调，在课程提供的1200条标注样本上完成五折交叉验证，将低频类别识别F1从0.62提升至0.74。同时组织3人小组分工，制定每周实验计划，撰写实验报告并向课程导师汇报技术路线、评估指标与当前局限，为后续引入业务规则与主动学习策略提供改进方向。

为练习检索增强生成技术，收集公开保险条款文本并构建本地问答工具，使用Python、LangChain与向量数据库完成文档切分、检索与答案生成，并设计提示模板约束回答范围。在自建200条问题测试集上，人工评估答案可追溯率约85%，记录响应耗时与失败案例，形成技术博客与可复现实验说明，同时思考如何将该方案迁移至保险条款解读与客服辅助场景。