关于我
青岛理工大学电子信息硕士（2024.09 - 2027.06），本科毕业于青岛理工大学计算机科学与技术，目标岗位 AI 应用开发工程师。曾在路觅教育（Lumist）担任 AI 应用研发实习生，主导师资智能匹配、简历 AI 解析与课堂分析三条 LLM 功能的全链路实现；个人开源了自进化 Agent 系统与 Agentic RAG 知识库问答两个项目，均配套离线评测体系。以第一作者在 Neurocomputing（SCI Q1）发表少样本音频分类方向论文。
Python TypeScript JavaScript SQL RAG Agent 工作流编排 Prompt 工程 Function Calling LangChain / LangGraph MCP 评测与回归 FastAPI Vue / React Docker Git Linux Jenkins MySQL PostgreSQL Redis Milvus Apifox Cursor / Claude Code
教育经历
电子信息 · 硕士研究生
青岛理工大学
- 研究方向：少样本音频分类与表征学习
- 硕士论文成果发表于 Neurocomputing（SCI Q1），第一作者
计算机科学与技术 · 本科
青岛理工大学
实习经历
AI 应用研发实习生
路觅教育南京分公司（Lumist）
- 背景与目标：公司 AI 团队围绕导师全生命周期构建 LLM 能力，解决师资匹配效率、招聘筛选与教学质量监控问题；Java 主后端 + Python AI 服务（LangGraph 编排，Milvus 混合检索 + MySQL，Qwen 系模型）。
- 我的职责：主导师资智能匹配、简历 AI 解析与课堂分析三条 AI 功能的全链路实现。
- 师资智能匹配·检索链路：构建「资料录入 → RAG 检索 → LLM 推荐理由 → 人工确认」工作流；Milvus 混合检索（expr + dense/BM25 + RRF + Rerank）与偏好映射对齐语义；三态状态机失败自动降级人工。
- 简历 AI 解析落地：多格式简历统一转图 → 千问 3.6-Plus 多模态一步完成识别与归纳，直出结构化字段与研判报告（匹配度/风险预警/课程建议）；异步状态机 + 失败重试，人工审查定稿、入职后才向量化入 Milvus。
- 课堂分析与风控：构建「云录制 → 中英 ASR 转写 → 分段聚合」异步管线，课堂总结与环节回顾可视化，分析结论关联转写原文可回放核实，违禁检测分级归类输出学生 / 品控双视图。
- AI 质量评测与迭代：以 200 条历史确认为正例离线消融，Recall@5 由 63% 提升至 81%（MRR 同步提升）；解析线即时护栏 + ai_raw 全量 diff 校验；课堂线 quote 反查验引用，以教务盲评分歧率校准品控口径。
项目经历
012026.06 - 2026.08
自进化 Agent 系统
基于 Python 的极简自进化 Agent：9 个原子工具、约 100 行 Agent Loop，通过 LLM 工具调用获得终端、文件、浏览器等系统级控制，任务执行路径自动固化为可复用 Skill，实现自我进化。
- Agent Loop 工程化：LLM 循环调用与工具结果回注，每 10 轮重置工具描述控制上下文膨胀；EXITED / 任务完成 / 超轮上限三级退出与 next_prompt 链式驱动，保证长任务稳定推进。
- 工具与记忆体系：9 个原子工具（代码执行 / 文件补丁 / 浏览器控制 / 人工确认）并行调度；L0-L4 分层记忆（元规则 / 极简索引 / 全局事实 / 任务 Skill / 会话归档），记忆只源自成功的工具调用结果，索引层控制规模防膨胀。
- Skill 自进化：任务执行路径自动固化为可复用 Skill，遵循「不预载技能、靠执行沉淀」的设计哲学，使用越久能力越强。
- 评测体系：固定任务集 9 题（开源基准子集 7 + 自建 2），隔离工作区运行，grader 自动判分；成功率 89%（8/9），平均 3.1 万 Token、6 次调用；沉淀 Skill 后同集第二遍 Token -69%、耗时 -43%。
PythonLLMAgentSkill 沉淀
022025.12 - 2026.03
Agentic RAG 知识库问答
基于 LangGraph 与 FastAPI 的多轮 RAG 问答系统：MinerU 结构化文档解析入库、混合检索、查询改写、工具调用与 HITL 人机协同，覆盖文档上传到答案生成全链路，Milvus + PostgreSQL / Redis + Docker 部署。
- 问答路由：复杂度快路径分流（简单直答省 token 延迟 / 复杂 Send 扇出子 Agent 并行合成）；证据评判五路路由（直接作答 / 查询改写 / 澄清追问 / 范围选择 / 无知识），证据不足自动改写或澄清；LLM 给建议、代码做裁决。
- 三级分块与混合检索：L1/L2 存 PostgreSQL、L3 入 Milvus（bge-m3 + 服务端 BM25 双索引）；双路召回 + RRF 融合 + Rerank，同父块命中 ≥2 自动合并；失败自动降级（纯稠密兜底）。
- HITL 人机协同：复杂 / 歧义问题中断追问，恢复点存图外，图外直线恢复不重跑全图；恢复后针对性二次检索补新信息，预算继承，支持多轮追问自然收敛。
- 评测体系：自建 20 问 smoke 评测集（开源数据集改编 + 10 篇自建语料），ingest → run → score → clean 全流水线，独立 collection 跑全链路、主库零污染；用例通过率 90%、路由准确率 95%、Recall@5 达 94%。
LangGraphRAGMilvusFastAPIDocker