AI Agent 开发 / AI 应用算法 ｜ 2027 届硕士 ｜ 中国传媒大学 · 大数据技术与工程
做的不是「能跑起来的 Agent」，而是「可核验、可归因、不胡说的 Agent」
《深入理解 AI Agent》 bojieli/ai-agent-book
| PR | 内容 |
|---|---|
| #945 | 重构 ReAct 架构图为闭环表示——原图未体现 Think→Act→Observe 循环，且客户端 / 服务端编排边界缺失 |
| #943 | 修复工具调用链路图：箭头路由错误、跨厂商工具命名混用、marker 尺寸与容器溢出等五处问题 |
读文档时发现的架构表述问题，提 PR 修正 —— 顺带把 Agent 编排边界这件事想清楚了。
我的关注点集中在 Agent 输出的可信度上：怎么让它别乱说、说错了怎么定位、说对了怎么证明。
- 🧩 Agent 工程 — LangGraph / LangChain 多层图编排 · ReAct 与 Supervisor 范式 · Function Calling 与 MCP 工具封装 · 多轮状态管理与上下文生命周期控制
- 🔍 RAG 检索 — Chunking / Embedding / 混合检索 / Rerank / Query Rewriting 全链路 · 意图拆解并发检索 · 来源分层加权 · 时效衰减排序 · 了解 GraphRAG 与 Agentic RAG
- 📊 Agent 评测 — 逆向构造金标数据集 · 程序级引文核验替代 LLM 自评 · 工具调用轨迹合理性与冗余度分析 · Langfuse Trace 可观测与 Token 成本追踪
- 🧠 模型基础 — Transformer / Attention 机制 · SFT、LoRA/QLoRA、DPO 等对齐方法 · 微调与 RAG 的选型边界判断
- 🛠 工程落地 — Python · FastAPI · Pydantic · Docker · 结构化输出设计 · Cursor / Claude Code 原型开发
① 智能投顾 Agent — 基于 LangGraph 通用框架 DeerFlow 的金融垂域适配
以 SOUL（人格层）/ Skills（方法论层）/ Tools（执行层） 三层解耦重构 Agent 能力架构，负责检索层、工具层与幻觉治理。
| 优化项 | Before → After |
|---|---|
| 个股基本面分析 | 419s / 10 次工具调用 → 81s / 1 次 |
| 归因分析 | 419s / 15 次 → 272s / 7 次 |
| 检索层单点耗时 | 21.4s → 10.5s |
| 检索日期覆盖率 | 0% → 100% |
| 引用来源质量 | 自媒体 → 权威财经媒体 |
关键设计：将检索策略从提示词软约束下沉为代码硬逻辑（意图拆解并发检索 / 来源分层加权 / 时效衰减排序 / 失败率安全阀）；划定数据边界——数值一律锚定财务接口、检索结果仅用于事件归因，并重写记忆写入策略，避免过期数值诱使模型跳过工具直接作答。
② 客户通话录音画像抽取 — ASR + LLM 强约束抽取工作流 + 逆向构造评测体系
把任务定义为证据优先的受约束抽取而非开放生成：标签绑定枚举值、说话人角色归属过滤、12 维拆 3 组并行以缓解注意力摊薄、置信度弃用 LLM 自评改为程序级引文核验。
针对抽取任务无标准答案的难题，设计**「先定答案，再造文本」的逆向构造法**——异源 LLM 围绕抽样标签规格生成对话，使金标与被测能力解耦，并注入 ASR 噪声 / 角色混淆 / 陷阱句干扰。
F1 79.0% · 引文核验通过率 98.8% · 角色归属精确率 96.8% · 高置信度精确率 88.3%（vs 中置信度 65.8%）
OCRpro 银行流水账单智能识别系统（某头部券商）
OCR + LLM 语义解析，将多格式银行流水从 PDF 自动转为标准化字段表格。
- 金融字段语义映射 — 四维度（精度/速度/成本/提示词兼容性）对比完成模型选型；设计借贷金额三重优先级映射规则，解决收支方向识别的核心歧义
- 复杂表格解析 — 复合表头、跨页表头继承、数据行换行粘连场景，规则层快速过滤 + LLM 兜底语义判断，解析成功率
82% → 90% - 空间坐标溯源 — 为每个归一化单元格挂载
pageNo / angle / index三维定位，实现结构化数据与原始 PDF 的像素级对应，支撑前端高亮溯源
2026.03 — 2026.04 ｜
上传 CSV / Excel / JSON，用自然语言提问，自动完成分析与图表生成。
- 双层图架构 — 外层 LangGraph 主图负责意图路由，内层子图基于 ReAct 编排工具链，路由与执行解耦；主图不承载完整上下文以压缩单轮 Token，配合上下文裁剪与中间结果缓存
- 代码沙箱执行 — LLM 生成的 Python 代码经子进程隔离执行，配套超时熔断、环境隔离与数据预注入，规避生成代码中的文件路径与 IO 操作
- 图表推荐策略 — 按字段类型、基数与维度组合先过规则引擎命中 7 类场景，未覆盖时降级 LLM，兼顾准确率、延迟与成本
中国传媒大学 · 大数据技术与工程 · 硕士 2025.09 — 2027.07
媒体融合与传播国家重点实验室 ｜ GPA 3.81/4 ｜ 主研方向：大模型应用开发
上海师范大学 · 人工智能 · 本科 2021.09 — 2025.07
全国大学生数学竞赛省级三等奖 ｜ 两次专业奖学金 ｜ 省级大创项目结项 ｜ 深度学习 95 · Python 94
- Email — xhhhjw@163.com
- 求职意向 — AI Agent 开发 / AI 应用算法（2027 届校招）
- 实习 — 可立即到岗，可实习 6 个月以上