在线简历

面向产品咨询、使用指导与故障排查，构建 ReactAgent 执行面与 AgentRunner Harness 控制面，统一运行状态、共享预算、工具策略、敏感审批、答案验证、Artifact 与 Trace。

• 通过 TaskRouter 支持 Direct / ReAct / Plan-Execute；Plan-Execute 显式生成子任务、工具输入与依赖，异常时按确定性规则降级。
• 将纯 Dense 升级为 Dense + 中文 BM25 + RRF；30 条冻结检索样本中 Recall@5 由 80.56% 提升至 93.33%，nDCG@5 由 76.83% 提升至 90.35%。
• 识别 BGE Rerank 将 Recall@5 降至 73.89% 且 CPU 延迟不达门禁，保留为默认关闭的可选能力，避免为“用了精排”牺牲质量与响应时间。
• 建立版本化评测与 CI 门禁，PR 固定执行 30 条检索、12 条生成和 62 条 Agent 回归；600+ Pytest 用例覆盖审批、重试、超时、熔断降级与 SSE 时序。
• 支持 SQLite / PostgreSQL 存储切换、Redis Streams 事件重放与共享限流缓存，并通过 OpenTelemetry 导出请求级链路。

面向机器人技术咨询、资料检索与售后服务，基于 AIFlowy 开展企业级二次开发；个人负责 RAG 评测与 Human-in-the-loop QA 闭环，并扩展既有 Plan-Execute 的中日双语链路。

• 构建 168 条 / 26 类 Gold Dataset（164 可答、4 拒答）与 79 个页级证据块，以稳定 chunk ID 对齐手册物理页码和引用证据。
• 建立检索、上下文、生成、引用、拒答、安全与性能 7 层评测；通过 SSE Trace 输出召回、重排、最终上下文和引用，自动生成指标摘要与 Bad Case 归因。
• 从 0 到 1 落地 Human-in-the-loop QA 闭环：按 Bot 与时间窗抽取 User→Assistant 对，基于消息 ID 幂等去重并过滤系统错误与噪声，人工复核后按标签批量导出 Markdown。
• 扩展既有 Plan-Execute 中日双语链路，将语言约束贯穿规划、执行、校验与兜底，并兼容 JSON / 纯文本历史消息，保持多轮售后对话语言一致。

基于 RAG + DeepSeek + SSE 构建面向 HR 与技术面试官的个人知识问答系统，支持流式回答、来源引用与保守拒答。

• 使用 FastAPI、SQLAlchemy Async 和 PostgreSQL + pgvector 搭建异步 RAG 服务，设计项目、知识分块、会话、消息和反馈等数据模型。
• 接入 BGE Embedding 完成向量检索，在召回结果上叠加标题、标签和项目相关性权重，并限制检索范围为公开可信数据。
• 实现证据充分性判断和保守拒答机制；证据充足时通过 SSE 先返回引用来源，再调用 DeepSeek 流式生成答案。
• 记录引用、模型、Token 和响应延迟，增加 API Key、私有 IP、PEM 等敏感内容检测。
• 使用 Docker Compose 编排 Web、PostgreSQL + pgvector 和 Nginx，完成知识库挂载、数据库健康检查、TLS 与 SSE 长连接配置。