About
把大模型能力落到可运行、可观测、可交付的业务系统里。
我目前就读于安徽大学计算机科学与技术专业，研究方向为多模态视觉，同时在 Agent、RAG、后端工程和 AI 应用开发上有持续实践。
我的项目经历覆盖智能客服、智能点餐、知识库问答、工具调用、多轮上下文、向量检索、流式响应、用户鉴权和容器化部署，关注的不只是模型回答，也包括状态管理、安全回滚、检索质量、业务链路和工程稳定性。
2
核心 Agent 项目
RAG
向量召回、BM25、HyDE、Rerank、Citation
Full Stack
FastAPI、SQLAlchemy、Vue3、Docker
Projects
项目经历
2026.03 - 2026.05
ITS Multi-Agent 智能客服系统
Multi-Agent
面向智能客服场景，构建集技术咨询、服务站导航、订单售后、知识库问答于一体的多智能体系统，支持任务编排、工具调用、多轮上下文、RAG 检索增强问答、SSE 流式响应、用户鉴权与容器化部署。
- 基于 OpenAI Agents SDK 设计 Orchestrator 主调度 Agent，拆分技术咨询、服务站导航、订单售后三类专家 Agent。
- 实现 Tool Calling + Handoff 双模式 Agent Runtime，并通过 SSE 实时输出工具调用、Agent 切换和最终答案。
- 构建独立知识库 RAG 服务，支持 Markdown、TXT、DOCX、PDF 文档上传、解析、切分和向量入库。
- 引入 HyDE、BM25、向量召回、标题召回、候选去重与 reranker 重排，优化中文技术问答召回质量。
2025.10 - 2025.12
AiMenu 智能外卖点餐系统
Agent + RAG
面向外卖点餐场景，实现认证、商家/菜品、购物车、地址、订单、模拟支付等业务链路，并构建 Agent + RAG 智能点餐助手，支持自然语言问答、菜品推荐、多轮约束补充、推荐溯源与受控工具调用。
- 基于 LangGraph + LangChain 将对话流程拆分为记忆加载、意图规划、RAG 检索、工具执行、结果评估和记忆写入等节点。
- 实现 Agent 工具执行与安全撤回机制，通过 Action Journal 记录 before/after snapshot，降低写操作风险。
- 集成 Pinecone 向量召回、SQL 结构化召回和业务推荐召回，并通过 RRF 融合、硬约束过滤、加权重排生成可引用证据。
- 完成注册登录、JWT/Refresh Token 鉴权、地址 CRUD、购物车、结算预览、多商家拆单、模拟支付和订单查询。
PythonFastAPIOpenAI Agents SDKLangChainChromaDBDockerVue3LangGraphPineconeMySQL
Skills
专业技能
🤖
Agent 与大模型应用
OpenAI Agents SDKLangChainLangGraphLangSmithMCPSkills工具调用任务规划子智能体编排多轮会话状态管理流式响应
🔍
RAG 与向量检索
查询改写文本切分Embedding向量召回元数据过滤结果重排citation 溯源PineconeMilvusChroma
⚙️
后端与数据层
PythonFastAPIPostgreSQL/MySQLSQLAlchemyAlembicRedisRESTful API业务分层ORM 建模数据库迁移
💻
前端与工程化
Vue3ViteElement PlusPiniaAxiosVitestPytestLinuxDockerPrompt EngineeringAI 编程辅助开发
Education
教育背景与研究
2024.09 - 至今
安徽大学（211，双一流）
硕士 · 计算机科学与技术
研究方向：多模态视觉
- 一等学业奖学金
- 《Efficient RGBT Tracking via Alternating Attention Learning》投稿 IEEE TIP，Under Review
- 《Progressive Token Pruning For Efficient RGBT Tracking》投稿 CCF BigData，Under Review
2020.09 - 2024.06
江西理工大学
本科 · 计算机科学与技术