智能体工程师

智能体工程师，5年AI系统研发经验。专注于大模型应用架构、多智能体协作系统与AI原生工程实践。擅长将前沿AI能力转化为可落地的生产系统，在工具调用、上下文治理与AI协作式研发方面有深入实践。

负责公司核心AI Agent平台的技术架构设计与研发，带领4人团队构建面向企业客户的多智能体协作系统。重点解决大模型在生产环境中的稳定性、成本与安全问题。

• 主导智能体平台架构升级，支撑日均50万+次Agent调用
• 设计并实现基于Schema的结构化输出框架，输出准确率提升至97%
• 建立AI协作式研发规范，团队人效提升40%

企业级多智能体协作平台

• 面向金融、法律等行业客户的多Agent协作系统，支持复杂任务的分解、调度与执行。核心挑战在于多Agent间的上下文传递、工具调用权限边界与结果一致性保障。
• Python/FastAPI + Kubernetes + Redis Stream + PostgreSQL + OpenAI/Claude API + 自研Agent调度器
• 技术负责人，负责整体架构设计、核心模块开发及团队技术方案评审
• 技术栈: 基于Schema的结构化输出 带权限边界的MCP集成 混合检索与重排序 上下文与引用质量治理 模型路由与降级策略 链路追踪与可观测性 Prompt版本管理 成本与延迟治理
• 挑战: MCP安全集成: 设计分层权限模型，实现工具调用前的动态权限校验，拦截未授权请求1200+次/月，零安全事件
• 挑战: 混合检索优化: 融合向量检索、关键词匹配与知识图谱，召回率提升35%，结合重排序模型NDCG@5达0.91
• 挑战: AI协作式研发实践: 基于Claude Code进行任务拆解与方案设计，GitHub Copilot辅助生成单元测试。所有AI生成代码经本地验证、CI检查与人工审查后合入，测试覆盖率维持85%以上
• 挑战: 成本治理: 实现模型路由与智能降级，高频查询走缓存与轻量模型，月度API成本降低62%

智能客服Agent系统重构

• 将传统规则引擎驱动的客服系统升级为大模型Agent架构，支持多轮对话、工具调用与人工接管。要求流式响应、中断重试与完整可观测性。
• Go + gRPC + Kafka + Elasticsearch + Redis + Claude API + Prometheus/Grafana + Jaeger
• 后端技术负责人，负责推理服务架构与核心Agent模块开发
• 技术栈: 流式推理服务 中断重试机制 链路追踪 评测集与回归测试 模型版本管理 缓存策略设计
• 挑战: 流式交互优化: 设计Server-Sent Events流式传输，首Token延迟从2.3s降至0.8s，用户体验评分提升28%
• 挑战: 评测体系: 构建包含3000+案例的评测集，集成回归测试流水线，模型迭代时自动触发，拦截 regressions 15次
• 挑战: 可观测性建设: 全链路追踪覆盖请求-推理-工具调用-响应，平均故障定位时间从45分钟降至8分钟

公司AI应用方向早期成员，负责大模型应用原型开发与落地。从0到1搭建内部AI开发框架，支撑多个业务线的智能化升级。

• 独立完成10+AI应用原型，3个成功转化为生产系统
• 建立Prompt版本管理与A/B测试机制
• 推动AI辅助代码审查在团队内的 adoption

智能文档处理引擎

• 面向法律、医疗行业的长文档理解与信息抽取系统，支持复杂版式解析、多模态融合与结构化输出。
• Python + PyTorch + Transformers + MongoDB + MinIO + 自研文档解析引擎
• 核心开发，负责文档解析模块与信息抽取模型优化
• 技术栈: 文档结构解析 多模态融合 基于Schema的输出约束 评测集构建
• 挑战: 结构化输出: 设计JSON Schema约束生成流程， hallucination 率从12%降至2%以下
• 挑战: 评测驱动优化: 构建500+案例的评测集，迭代过程中量化追踪F1变化，最终抽取F1达0.89

内部AI开发框架

• 封装大模型调用、缓存、重试、降级等通用能力，降低业务线接入AI门槛。强调可配置、可观测、可回滚。
• Python + Poetry + Redis + PostgreSQL + Docker + GitHub Actions
• 独立设计与开发，推广至5个业务线使用
• 技术栈: SDK设计 缓存与降级策略 CI/CD集成 可观测性埋点
• 挑战: AI协作开发: 使用Cursor进行核心模块设计，Copilot辅助生成边界测试。关键路径保留人工代码审查，确保框架稳定性
• 挑战: adoption 效果: 业务线平均接入时间从2周缩短至2天，框架运行稳定性99.7%

• 基于Schema的结构化输出设计与约束生成
• 多Agent任务分解、调度与协作协议设计
• 工具调用（Function Calling）的权限边界与异常处理
• 上下文窗口管理与引用质量优化
• Agent状态机设计与持久化

• MCP（Model Context Protocol）服务端与客户端实现
• 工具注册、发现与动态调用
• 带权限校验的安全集成模式
• 与现有API、数据库、知识库的无缝对接
• 跨系统上下文传递与会话管理

• 混合检索架构（向量+关键词+图谱）
• 重排序模型选型与调优
• 分块策略与语义连贯性处理
• 实时索引更新与一致性保障
• 引用溯源与可信度评估

• Claude Code：复杂任务拆解、仓库上下文理解、实现方案设计与文档生成
• GitHub Copilot：单元测试生成、边界条件覆盖、重复代码识别
• 工作流规范：AI生成变更→本地验证→CI检查→人工审查→安全/权限校验→可回滚部署
• 明确AI辅助边界，关键决策与生产发布保留人工把控

• 模型路由、降级与缓存策略设计
• 成本与延迟的量化监控与自动优化
• Prompt/模型版本管理与灰度发布
• 评测集构建与回归测试流水线
• 全链路追踪（OpenTelemetry/Jaeger）与可观测性仪表盘
• 故障定位与应急回滚机制

研究方向：自然语言处理与知识图谱

• 核心课程：高级机器学习、深度学习、信息检索、知识表示与推理、分布式系统
• 发表CCF-B类论文2篇，聚焦结构化信息抽取与语义理解
• 获研究生国家奖学金、优秀毕业论文
• 主导实验室NLP工具链开源项目，GitHub Star 800+