01 · CORE TRACK
Agent Runtime 与工作流
我负责：设计任务模型、上下文、权限和恢复边界，并完成个人 Runtime 的核心设计与实现验证。
把复杂任务组织为可规划、可审批、可恢复的执行链路。
证据：Lodestar 公开 Runtime 与 Protocol 仓库验证任务队列、工具边界、安全审批和恢复设计。
- Context / Memory
- Tool Calling
- MCP / Skill
- Checkpoint
- 审批 / 回放 / 恢复
AI APPLICATIONS · AGENT ENGINEERING · SHENZHEN
把个人产品判断与核心研发能力，落成可验证的 AI 产品。
以本人独立完成的 Agent、RAG、生产工程化与多模态项目为主体，用 MDT 说明跨职能 AI 硬件产品的主导与协作边界。
CORE ENGINEERING TRACKS
核心技术主线
02 · CORE TRACK
RAG 与效果评测
我负责：独立完成知识产品的问题定义、检索架构、入库、权限、引用、RAGAS、Bad Case 与效果迭代。
把知识接入、检索、引用和评测组成可观测闭环。
证据：企业 RAG 案例验证混合检索、引用、权限、批量评测与 Bad Case 运营方法。
- BM25 + 向量检索
- RRF / Rerank
- 引用 / 权限
- Golden Dataset
- RAGAS / Bad Case
03 · CORE TRACK
生产工程化与企业集成
我负责：独立完成 API、长任务、状态、失败恢复、资源调度、部署与验证，让原型形成可运行产品。
让模型与工具接入具备状态、失败处理、监控和交付边界。
证据：企业平台、DeepResearch 与 AI 音乐案例共同验证 API、长任务、资源治理、联调和交付能力。
- Python / TypeScript
- FastAPI / API
- Redis / 异步任务
- 日志 / Trace
- Docker / 回滚
DIFFERENTIATORS
差异化能力
私有化与本地模型部署
我负责：独立完成政务助手与个人项目的本地部署方案；在 MDT 中主导产品与验收，并进入模型管理和软硬件联调。
在本地算力、非 CUDA 环境与数据边界内完成模型、知识和 Agent 产品化。
- 模型管理
- 硬件适配
- llama.cpp / MLX
- LoRA
- 本地数据边界
语音与多模态
我负责：独立完成 AI 音乐与 AIGC 项目的 ASR/TTS、生成任务、接口、调度和体验链路；MDT 保留跨团队联调边界。
将语音、Agent 与生成能力组织成可追踪、可验收的任务链。
- ASR → Agent / LLM → TTS
- 图像 / 视频 / 音乐
- 长耗时任务
- GPU 调度
- 质量验证
ENGINEERING CASES
工程案例
Lodestar
通过桌面与语音入口，将文件、命令、网页和任务执行组织为可跟踪、可取消、可重试的本地 Agent 工作流。
我的贡献：主导办公与生活场景、任务模型、上下文、记忆、权限、安全、恢复设计及桌面端核心实现。
- 支持 200K Token 上下文
- 沉淀 15+ 可复用技能
- 审批、回放与恢复闭环
RAG 知识增强问答平台
将解析、混合检索、权限、引用、效果评测与运营机制串成可观测的知识工作台。
我的贡献：独立完成问题定义、检索产品架构、知识入库、混合检索、权限、引用、RAGAS、Bad Case、Roadmap 与验收闭环。
- 长文档召回率较基线相对提升约 40%
- 平台日均请求 12,000+
- 接入 10+ 业务场景
MDT AIIMMERSE｜本地 AI 智能体一体机
面向个人生产力与企业私有化场景，将本地模型、Agent、RAG、ASR/TTS 和 AIGC 集成到 miniPC；通过预置模型、任务工作流和标准化交付体系，推动产品从研发验证走向 ToC 商品化与 ToB 私有化交付。
我的贡献：主导产品方案、功能架构、版本优先级、产品规范、项目排期与验收口径，并参与 Agent 核心链路与系统联调。
- 团队交付：将本地 AI 能力从重复部署推进到开箱即用、可复制交付
- 平台整合模型、知识与智能体能力
- 支撑 10+ 业务场景
DeepResearch 多 Agent 研究平台
将澄清、规划、多源检索、引用校验、质量评分和报告导出组合为可观察的研究工作流。
我的贡献：独立完成需求定义、工作流、评测口径、交互状态及端到端原型实现。
- 14 节点可恢复研究链路
- 独立引用校验门禁
- 四维质量评分闭环
DELIVERY PROCESS
交付流程
- 01
问题拆解
识别业务流程、输入输出与可验证边界。
- 02
POC 验证
完成模型、工具与架构选型的最小可用验证。
- 03
链路集成
接入 API、知识与工具，明确权限、状态、超时和人工确认。
- 04
评测优化
用固定任务、引用、Bad Case、Trace 与成本反馈驱动优化。
- 05
部署交付
完成联调、监控、灰度、验收、回滚和数据反馈闭环。
EVIDENCE STANDARD
技术证据边界
PROVEN NOW
当前已验证
- 公开代码与可运行测试：验证个人项目的设计、实现与测试边界。
- 脱敏界面与架构：验证个人主导公司项目的产品和实现链路；MDT 另行保留团队边界。
- 评测方法与指标口径：说明个人动作、平台结果、范围和不可推断结论。
- 失败路径与交付边界：展示权限、重试、恢复、人工接管和验收。
NEXT EVIDENCE
下一步补强
- 为 Lodestar 建立固定任务集与版本回归评测。
- 增加工具失败、模型超时和进程中断的失败注入与恢复耗时测试。
- 发布可一键运行的脱敏 RAG Demo、Golden Dataset 与评测脚本。
- 为核心仓库补充 Demo、CI 状态、版本 Release 与基准说明。
CONTACT