AIGC工程师

AIGC工程师，5年AI系统研发经验。深耕大模型应用工程化与生产系统落地，擅长结构化输出、混合检索、成本治理与AI协作式研发。主导过多个百万级用户AI产品的核心架构设计与性能优化。

负责公司核心AIGC平台架构设计与技术攻坚，带领4人团队支撑多业务线AI能力落地。聚焦大模型应用工程化、RAG系统优化及AI辅助研发体系建设。

企业级智能问答平台（RAG 2.0）

• 面向企业内部知识管理的智能问答系统，支持多源异构数据的自动化接入、实时索引更新与多轮对话。服务覆盖技术、法务、HR等8个部门，日均查询量超50万次。
• 基于微服务架构，采用异步任务队列处理文档解析与索引构建，通过模型路由层实现多模型动态调度。核心模块包括：文档预处理管道（OCR/分块/向量化）、混合检索引擎（稠密+稀疏+重排序）、上下文组装与引用溯源、流式响应与反馈收集。
• 担任技术负责人，负责整体架构设计、核心模块开发及团队管理。主导检索质量评测体系搭建，设计并实现自动化回归测试流程。
• 技术栈: 混合检索与重排序 上下文与引用质量 模型路由/降级/缓存 链路追踪与可观测性 评测集与回归测试
• 挑战: 混合检索召回率提升23%: 设计稠密+稀疏+重排序三级检索架构，引入查询意图分类动态调整召回策略，Top-5召回率从71%提升至94%，响应延迟P99控制在800ms内。
• 挑战: 成本下降40%的模型路由策略: 基于查询复杂度实现模型路由，简单查询走轻量模型，复杂查询路由至大模型，结合缓存命中率达62%，月度API调用成本下降40%。
• 挑战: AI协作式研发实践: 在项目中引入Claude Code与GitHub Copilot辅助开发：使用Claude Code进行任务拆解与实现方案设计，利用其代码仓库上下文理解能力生成核心模块骨架；通过Copilot辅助完成单元测试与文档更新。所有AI生成代码均经过本地验证、CI检查及人工PR审查，未引入生产故障。
• 挑战: 评测驱动的质量保障: 构建包含2000+标准问答对的评测集，建立每周自动回归测试机制，拦截模型迭代中的质量退化，保障上线稳定性。

Schema约束结构化输出引擎

• 为企业级应用提供基于JSON Schema的严格结构化输出能力，支持复杂嵌套对象、枚举约束与条件分支，用于合同解析、报表生成等关键业务场景。
• 在模型输出层增加Schema验证与修正管道，采用分层解析策略：先流式接收、再实时验证、最后自动修正或降级重试。集成权限边界的MCP协议，确保工具调用的安全性与可追溯性。
• 负责核心引擎的设计与实现，制定Schema定义规范，搭建版本管理与灰度发布机制。
• 技术栈: 基于Schema的结构化输出与工具调用 带权限边界的MCP集成 Prompt/模型版本管理 成本与延迟治理
• 挑战: Schema合规率达99.7%: 设计三层验证机制（语法校验、语义约束、业务规则），Schema合规率从开源方案的82%提升至99.7%，减少下游解析异常导致的业务中断。
• 挑战: MCP安全集成: 实现带权限边界的MCP协议封装，细化工具调用粒度至用户-角色-操作三元组，集成审计日志与异常熔断，通过等保三级安全评估。

参与公司AI中台建设，负责文本生成与内容理解模块的开发与优化，积累了大模型应用早期的工程化实践经验。

营销文案智能生成系统

• 面向电商场景的营销文案自动生成系统，支持商品标题、卖点描述、短视频脚本等多模态内容创作，服务2000+商家。
• 基于预训练语言模型微调，构建包含内容审核、风格控制、多轮优化的生成管道。采用批处理与缓存策略平衡成本与实时性，搭建A/B测试平台持续优化生成效果。
• 负责生成模块的后端开发与性能优化，参与模型选型与效果评估，推动AI工具在团队研发流程中的落地。
• 技术栈: 推理服务优化 批处理与缓存 成本与延迟治理 AI协作式研发
• 挑战: 生成效率提升3倍: 优化推理服务架构，引入动态批处理与结果缓存，单节点吞吐量从120 QPS提升至360 QPS，单位生成成本下降65%。
• 挑战: AI辅助研发早期实践: 在团队中推广GitHub Copilot与Cursor的使用：利用Cursor的仓库上下文理解能力辅助代码重构，通过Copilot生成测试用例。建立AI代码审查清单，要求所有AI生成代码必须通过本地测试与人工review，形成可复制的协作流程。

• 精通生产级LLM应用架构设计，包括流式响应处理、模型路由与降级策略、Prompt版本管理、多租户隔离与成本分摊
• 熟悉OpenAI、Anthropic、自研模型等多平台接入与统一抽象

• 深入掌握混合检索（稠密向量+稀疏关键词+图检索）、重排序模型优化、上下文窗口管理与引用溯源技术
• 具备大规模知识库索引构建、增量更新与多模态检索的实战经验

• 擅长基于JSON Schema的严格结构化输出设计与实现，熟悉Function Calling、Tool Use等模式，具备带权限边界的MCP协议集成经验，保障工具调用的安全性与可审计性

• 精通链路追踪（OpenTelemetry）、指标监控（Latency/Throughput/Cost）、评测集构建与回归测试体系
• 能够设计多维度的模型效果评估方案，建立持续质量保障机制

• 熟练使用Claude Code进行复杂任务拆解与架构设计，借助Cursor实现代码仓库级上下文理解与重构，通过GitHub Copilot加速测试生成与文档编写
• 严格遵循AI代码本地验证、CI检查、人工审查、安全校验与可回滚准备的完整流程

• 具备推理服务性能调优、缓存策略设计、批处理优化等能力
• 擅长通过模型分级调度、请求合并、结果复用等手段实现成本与延迟的综合治理，有明确的量化优化案例

研究方向：自然语言处理与知识图谱

• 核心课程：深度学习、信息检索、分布式系统、统计机器学习
• 学术成果：发表CCF-B类论文2篇，参与国家重点研发计划项目1项
• 实践经历：主导实验室智能问答系统开发，获校级优秀硕士论文