JINGJIII
Agent开发工程师
Heya · 1年经验
日薪：
￥1000/8h
地点：
上海
时间：
可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
应用数学与数据科学，人工智能交叉背景，熟悉 Python/SQL与Vibecoding工作流 ，专注于AI Agent 应用。具备多模态语音 AI、LLM Agent 应用及RAG工程落地经验，能够理解模型、数据、工作流和用户体验之间的关系，并将大模型和智能体 运用落地到实际业务场景中。
项目经验
• 面向估价报告文档合规复核场景，针对人工对照数百条规范逐页核验效率低、口径不统一、缺少溯源的痛点，全栈开发强规范判定型 RAG 文档审核系统Agent，输出带条款溯源、证据定位、整改建议、可离线交付的 AI审核报告并实现部署。
• 实现标题栈双层分块方案，采用章节锚定召回取代通用 Top-K 相似度检索，按审核条款定向提取对应章节证据，规避表格、长段落切片断裂造成数值误判。
• 采用分层路由设计：基于数百条审核规范，84% 标准化核验逻辑由程序直接判定，仅 16% 复杂语义场景交由 LLM 推理；搭配并发控制、分级重试，端到端耗时从 204.6s 优化至 11.2s。
• 基于真实业务报告搭建回归测试闭环，严重误判从 8–9 条降至 2–3 条；结论全部绑定原文证据，判定链路可追溯，控制 LLM 幻觉带来的合规风险。
• 实现标题栈双层分块方案，采用章节锚定召回取代通用 Top-K 相似度检索，按审核条款定向提取对应章节证据，规避表格、长段落切片断裂造成数值误判。
• 采用分层路由设计：基于数百条审核规范，84% 标准化核验逻辑由程序直接判定，仅 16% 复杂语义场景交由 LLM 推理；搭配并发控制、分级重试，端到端耗时从 204.6s 优化至 11.2s。
• 基于真实业务报告搭建回归测试闭环，严重误判从 8–9 条降至 2–3 条；结论全部绑定原文证据，判定链路可追溯，控制 LLM 幻觉带来的合规风险。
ID:440205
复制
JINGJIII
Agent开发工程师 · 1年经验 · Heya
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
应用数学与数据科学，人工智能交叉背景，熟悉 Python/SQL与Vibecoding工作流 ，专注于AI Agent 应用。具备多模态语音 AI、LLM Agent 应用及RAG工程落地经验，能够理解模型、数据、工作流和用户体验之间的关系，并将大模型和智能体 运用落地到实际业务场景中。
项目经验
• 面向估价报告文档合规复核场景，针对人工对照数百条规范逐页核验效率低、口径不统一、缺少溯源的痛点，全栈开发强规范判定型 RAG 文档审核系统Agent，输出带条款溯源、证据定位、整改建议、可离线交付的 AI审核报告并实现部署。
• 实现标题栈双层分块方案，采用章节锚定召回取代通用 Top-K 相似度检索，按审核条款定向提取对应章节证据，规避表格、长段落切片断裂造成数值误判。
• 采用分层路由设计：基于数百条审核规范，84% 标准化核验逻辑由程序直接判定，仅 16% 复杂语义场景交由 LLM 推理；搭配并发控制、分级重试，端到端耗时从 204.6s 优化至 11.2s。
• 基于真实业务报告搭建回归测试闭环，严重误判从 8–9 条降至 2–3 条；结论全部绑定原文证据，判定链路可追溯，控制 LLM 幻觉带来的合规风险。
• 实现标题栈双层分块方案，采用章节锚定召回取代通用 Top-K 相似度检索，按审核条款定向提取对应章节证据，规避表格、长段落切片断裂造成数值误判。
• 采用分层路由设计：基于数百条审核规范，84% 标准化核验逻辑由程序直接判定，仅 16% 复杂语义场景交由 LLM 推理；搭配并发控制、分级重试，端到端耗时从 204.6s 优化至 11.2s。
• 基于真实业务报告搭建回归测试闭环，严重误判从 8–9 条降至 2–3 条；结论全部绑定原文证据，判定链路可追溯，控制 LLM 幻觉带来的合规风险。
立即沟通
