Cibk
AI agent开发工程师 · 1年经验 · 北京大学
0
累计接单
0
用户评价
0
被收藏
技术能力
熟练掌握 Python 后端开发，精通 FastAPI、Flask 等主流 Web 框架，具备独立完成 RESTful API 设计与开发的能力。在 AI 应用开发方向有深入实践，熟练使用 LangChain、LangGraph 框架构建多 Agent 协作系统，包括工具调用、任务编排、上下文管理等核心模块。具备大语言模型应用开发经验，涵盖 Prompt Engineering、RAG 检索增强生成、对话系统设计等方向。熟悉 GPT-SoVITS 等语音合成技术，可实现情感化语音克隆与批量生成。在数据处理方面，熟练使用 Pandas、NumPy 进行数据分析，了解 Elasticsearch、Kafka 等中间件的基本使用。具备完整的项目开发流程经验，从需求分析、技术选型、原型开发到部署交付均可独立完成。对新技术保持高度敏感，善于利用 AI 工具提升开发效率，注重代码质量与项目文档规范。
项目经验
【Joker — 恋爱关系认知校准官 | LangGraph 多 Agent 系统】
独立设计并开发了一个基于 LangGraph 的多节点认知分析管线，核心目标是将关系中"猜对方在想什么"从直觉黑箱变为可检查、可反证、可校准的结构化流程。
技术架构：8 个独立节点组成完整管线——preprocess（文本拆解为 claims）、signals（行为信号提取与量化评分）、supervisor（纯代码路由，不依赖 LLM 决策）、evidence（证据收集与 credit_score 计算）、alternative（替代解释生成与 claim 类型判定）、info_symmetry（信息对称性检查）、contradictory（弱证据与替代解释缺口汇总）、summary（三段结构诊断，写入长期记忆）。所有节点通过 StateGraph 条件路由串联。
核心技术决策：① 采用 JSON-only 输出模式替代 Function Calling，通过三层 fallback 解析（json.loads → 正则提取代码块 → 首尾花括号匹配）解决 DeepSeek tool_calling 不稳定的问题；② 设计 Checklist 模式——LLM 只做定性选择题（如"ta 的回应是 A/B/C/D？"），代码按映射表做定量计算，避免 LLM 直接拍数字的不可靠性；③ 三层输出防御：Prompt 约束 → 代码校验（setdefault 补齐 + 类型校验 + 范围裁剪） → retry_hint 将失败原因注入下一轮。
记忆系统：双层架构——MemorySaver 管理单会话多轮状态，SqliteStore 持久化跨会话长期记忆（用户 profile + 关系时间线），手动控制读写时机。
RAG 知识增强：内置 10 张心理学理论卡片（确认偏误、认知失调、情绪推理、依恋理论等），BGE-base-zh-v1.5 嵌入 → numpy 余弦相似度检索。检索时区分嵌入字段与不嵌入字段，避免 common_misinterpretations 的否定语义污染向量方向。
评估体系：10 个 golden dataset 场景（easy/medium/hard），从 RAG Recall、结构完整性、LLM 裁判覆盖度、正确性 MCQ 四个维度打分，加权总分从初始 0.52 优化至 0.84。
全栈交付：Gradio 6 前端 + FastAPI 后端 + DeepSeek-chat (T=0) 模型，已部署线上 Demo。
独立设计并开发了一个基于 LangGraph 的多节点认知分析管线，核心目标是将关系中"猜对方在想什么"从直觉黑箱变为可检查、可反证、可校准的结构化流程。
技术架构：8 个独立节点组成完整管线——preprocess（文本拆解为 claims）、signals（行为信号提取与量化评分）、supervisor（纯代码路由，不依赖 LLM 决策）、evidence（证据收集与 credit_score 计算）、alternative（替代解释生成与 claim 类型判定）、info_symmetry（信息对称性检查）、contradictory（弱证据与替代解释缺口汇总）、summary（三段结构诊断，写入长期记忆）。所有节点通过 StateGraph 条件路由串联。
核心技术决策：① 采用 JSON-only 输出模式替代 Function Calling，通过三层 fallback 解析（json.loads → 正则提取代码块 → 首尾花括号匹配）解决 DeepSeek tool_calling 不稳定的问题；② 设计 Checklist 模式——LLM 只做定性选择题（如"ta 的回应是 A/B/C/D？"），代码按映射表做定量计算，避免 LLM 直接拍数字的不可靠性；③ 三层输出防御：Prompt 约束 → 代码校验（setdefault 补齐 + 类型校验 + 范围裁剪） → retry_hint 将失败原因注入下一轮。
记忆系统：双层架构——MemorySaver 管理单会话多轮状态，SqliteStore 持久化跨会话长期记忆（用户 profile + 关系时间线），手动控制读写时机。
RAG 知识增强：内置 10 张心理学理论卡片（确认偏误、认知失调、情绪推理、依恋理论等），BGE-base-zh-v1.5 嵌入 → numpy 余弦相似度检索。检索时区分嵌入字段与不嵌入字段，避免 common_misinterpretations 的否定语义污染向量方向。
评估体系：10 个 golden dataset 场景（easy/medium/hard），从 RAG Recall、结构完整性、LLM 裁判覆盖度、正确性 MCQ 四个维度打分，加权总分从初始 0.52 优化至 0.84。
全栈交付：Gradio 6 前端 + FastAPI 后端 + DeepSeek-chat (T=0) 模型，已部署线上 Demo。
案例展示
微信AI好友一键接入
独立开发并部署的个性化AI聊天机器人后端系统，核心定位是为用户提供具备长期记忆和稳定人格的AI陪伴服务。技术架构：后端采用Python FastAPI框架构建RESTful API，Nginx反向代理进行请求转发与负载均衡，部署在香港轻量云服务器上实现公网访问。系统核心模块包括：
Joker — 恋爱关系认知校准官
● 【Joker — 恋爱关系认知校准官 | 多 Agent 认知分析引擎】 独立设计并开发了基于 LangGraph 的多节点认知分析管线，解决的核心问题是：人在关系中容易凭直觉猜测对方想法，而这种猜测往 往是偏差的。系统将"猜对方在想什么"从不
Joker — 恋爱关系认知校准官
● 【Joker — 恋爱关系认知校准官 | 多 Agent 认知分析引擎】 独立设计并开发了基于 LangGraph 的多节点认知分析管线，解决的核心问题是：人在关系中容易凭直觉猜测对方想法，而这种猜测往 往是偏差的。系统将"猜对方在想什么"从不
立即沟通
