路明非
agent开发工程师
- 公司信息：
- 思库
- 工作经验：
- 1年
- 兼职日薪：
- 500元/8小时
- 兼职时间：
- 下班后
- 周六
- 周日
- 可工作日远程
- 所在区域：
- 南宁
- 全区
技术能力
具备全栈开发能力，技术栈覆盖前端、后端、AI Agent三大领域，能独立完成从需求分析到项目部署的完整开发流程。
后端开发方面，精通Python生态，熟练使用FastAPI框架构建高性能RESTful API，掌握asyncio异步编程、Pydantic数据校验、httpx异步HTTP客户端及uvicorn服务部署。具备完善的API设计能力，包括版本控制、错误处理、SSE流式响应、中间件开发及接口文档自动生成。熟悉关系型数据库PostgreSQL的设计与优化，掌握Redis缓存策略（会话管理、限流计数、分布式锁），了解SQLite在轻量级场景的应用。能够使用Docker和Docker Compose完成项目容器化部署，实现一键启动的开发与生产环境配置。
前端开发方面，熟练使用React 18配合TypeScript 5.7进行组件化开发，基于Vite构建工具实现快速热更新开发体验，使用Tailwind CSS v4实现响应式界面布局。掌握Zustand进行轻量级状态管理，使用Recharts完成数据可视化图表展示，熟悉React Router v7实现单页应用路由设计。能够独立搭建前端项目工程化体系，包括ESLint代码规范、Prettier格式化及组件单元测试。同时熟练使用Streamlit框架快速构建AI应用的原型界面和数据展示面板。
AI Agent开发方面，深入掌握LangGraph框架的StateGraph状态图设计与多节点编排，具备3个项目22个以上节点的实际开发经验。熟悉LangChain生态、ReAct推理模式、Tool Calling和Function Calling机制，能够设计和实现多Agent协作系统（Supervisor路由、Worker分工、HITL人工介入）。掌握MCP协议的原理与集成，能够将外部工具封装为标准化Agent可调用接口。具备完整的RAG系统开发能力，包括混合检索（稠密向量Dense + 稀疏BM25 + RRF融合）、LLM Reranker重排序、GraphRAG知识图谱增强检索、文档上传处理管道及语义缓存优化。熟练使用Qdrant向量数据库的多种部署模式（gRPC、HTTP、本地文件模式），以及LiteLLM统一模型调度层实现对100余种大模型的统一调用。掌握Prompt工程的最佳实践，包括YAML配置化管理、版
项目经验
API Test Agent — 基于OpenAPI文档的自动化安全测试Agent
独立完成全栈开发，该项目能从用户提供的Swagger/OpenAPI规范文件自动解析API接口定义，覆盖功能、边界、异常、SQL注入、XSS、命令注入、SSRF、路径遍历、JWT安全及CSRF共十个测试维度，自动生成测试用例并通过httpx异步并发执行。核心技术架构方面，基于LangGraph设计了七节点StateGraph处理管道，包含文档解析、接口分析、用例生成、批量执行、Schema校验及ReAct反思回退节点，其中Reflect节点利用LLM分析测试失败根因并自动区分真实Bug与用例偏差，将误报率从约百分之十五降至低于百分之五。系统层面实现了令牌桶全局限流配合per-host动态熔断器的多层防护机制，沙箱隔离执行环境配合JSONL结构化安全日志，LiteLLM统一模型调度层对接DeepSeek V4，Qdrant存储API规范向量嵌入，LangGraph Checkpoint支持断点续传。前端采用React配合TypeScript和Vite加Tailwind及Zustand技术栈，通过SSE实现测试进度实时推送，同时提供Streamlit轻量前端作为备选方案。项目累计编写388个以上自动化测试用例，覆盖Pytest单元测试与Vitest前端测试，建立Golden Dataset回归测试体系，集成LangFuse全链路追踪与Token成本监控，单次完整测试成本约零点零三美元。
Multi-Agent CS — 多Agent协作智能客服系统
独立完成全栈开发，实现了Supervisor Agent自动识别用户意图（查订单、退款、售后、账户、技术支持五类）并路由至三个专业Worker Agent的分层协作架构。订单Agent负责订单查询与退款创建，售后Agent处理物流追踪与账户问题，支持Agent管理系统状态与知识库检索，大额退款操作自动触发HITL人工审核。设计了三级记忆系统：短期记忆基于Redis滑动窗口配合LLM自动摘要，实现跨会话上下文保留；长期记忆基于Qdrant向量检索加PostgreSQL结构化存储，持久化用户画像与历史偏好；工作记忆基于内存实现快速多步推理状态追踪。系统基于LangGraph九节点StateGraph编排，使用interrupt_before实现关键操作人工审批，Command.resume恢复工作流，PostgresSaver实现Checkpoint持久化。集成MCP协议对接五个外部工具服务，实现五层安全防护体系包含四十余条注入检测规则和PII脱敏及哈希链式审计日志。Prompt工程方面实现YAML层级切换加A/B测试框架，前端支持Generative UI动态渲染，集成网络搜索能力。项目包含八十六个自动化测试用例，整体覆盖率达百分之九十六点五，编写九份ADR架构决策记录。
PIPL-RAG — 基于Agentic RAG的个人信息保护法AI智能问答系统
独立完成全栈开发，基于《个人信息保护法》及相关法规构建法律AI助手，处理六份法规文件生成九十三个文档片段，支持法条查询、案例匹配、合规建议、处罚查询、权利查询、跨境合规等八类问题。实现了六种意图路由自动分发机制，简单查询走LangGraph快速工具链，复杂对比分析走ReAct Agent多工具编排，检索不到相关内容时自动改写查询策略，每次回答标注法条依据与案例来源。检索核心采用Agentic RAG双路由架构，包含LLM零至一判断检索需求与自动改写查询及回退机制的三层控制。混合检索融合稠密向量检索配合阿里云DashScope text-embedding-v4模型一千零二十四维向量通过Qdrant gRPC模式，与稀疏检索基于BM25加jieba中文分词，通过RRF算法六十路融合后经LLM Reranker精选前五条结果。构建GraphRAG知识图谱基于NetworkX七类实体四类关系支持实时扩展。ReAct Agent配备四个Function Calling工具实现知识搜索、案例搜索、法条详情及跨境法规查询，总计四个轮次推理。系统层面实现了API多层防护包含令牌桶并发控制与熔断器自动恢复及指数退避重试，语义缓存基于Embedding余弦相似度零点九二阈值配合一小时TTL线程安全设计。文档上传管道支持多种格式，智能分块包含段落级和句子级及语义连贯三种策略，自动向量化并同步重建BM25索引。质量保障方面使用RAGAS评估框架覆盖忠实度与相关性及准确性维度配合端到端延迟统计，Prompt采用YAML版本化管理，项目共一百七十一个测试用例全部通过。
案例展示
-
多Agent协作智能客服系统
这是一套基于多Agent协作架构的智能客服系统，实现了Supervisor调度Agent与多个专业Worker Agent的分层协作，能够自动识别用户意图并路由至对应专业Agent处理，覆盖订单查询、退款处理、售后服务、账户管理和技术支持五类业务场景。 系统核心设计包括：S
-
API自动化安全测试Agent
这是一款基于AI Agent的API自动化安全测试工具，用户只需提供Swagger或OpenAPI接口文档，Agent即可自动完成全流程安全测试并生成专业报告。 核心功能包括：自动解析OpenAPI 3.x和2.0规范文件（支持JSON和YAML格式），覆盖功能验证、边界测
-
个人信息保护法AI问答系统
这是一款基于Agentic RAG架构的法律AI智能问答系统，以《个人信息保护法》及相关配套法规为知识基础，为企业法务、合规人员和普通用户提供精准的法律咨询与合规建议。 系统处理了六份完整法规文件，生成九十三个精细化文档片段，支持法条查询、案例匹配、合规建议、处罚标准查询、
