ABOUT ME · 个人档案
刘国庆
AI 应用开发工程师 · 2 年经验 · 22 岁 · 专科
专业技能
大模型应用/ RAG
熟练使用LangChain开发RAG 应用，掌握文档解析、Parent-Child Chunking、Embedding、上下文构建和来源引用，能够通过Top-K、相似度阈值及证据不足拒答优化问答效果。
Agent / 工作流编排
掌握LangGraph、ReAct、Function Calling、MCP 和A2A，具备意图识别、任务调度、工具调用及多Agent 协作经验；熟练使用Dify、Coze 配置工作流，并能根据业务要求调整Prompt、结构化输出和拒答边界。
NLP / 模型开发
熟练使用PyTorch、Transformers和BERT，具备多任务分类、迁移学习及文本分类经验，能够处理样本不均衡和易混淆标签，并使用Accuracy、Precision、Recall、F1 评估模型效果；熟悉LoRA、QLoRA。
后端/ 模型服务
熟练使用Python、FastAPI 开发推理接口和批量预测服务，掌握ONNX、Dynamic Batching、SSE 及CPU/GPU 适配，能够使用Git 和Docker Compose完成代码管理与服务编排。
数据处理/ 存储
熟练使用NumPy、Pandas 完成数据清洗、字段补全、标签归一和训练集整理，掌握SimHash 查重；熟悉MySQL、Elasticsearch 和Milvus，具备业务数据、检索字段及向量数据的入库与查询经验。
工作经历
太原启翔科技有限公司 · AI 开发工程师
2024.07 – 2026.08
- 负责题目数据清洗、标签整理和训练集构建，基于BERT 完成学科、题型和知识点多任务分类模型的训练与调优，并使用FastAPI 封装推理接口。
- 负责教学资料解析、父子分块及知识库入库，完成MySQL 与Milvus数据写入、向量召回、元数据过滤、来源引用和拒答链路联调。
- 参与对话式BI 的多Agent 流程开发，完成Text-to-SQL 链路、MCP 工具接入、SQL 安全校验、会话数据持久化及SSE 流式响应。
- 使用Dify 配置智能工单流程，根据实际问答结果调整Top-K、相似度阈值和提示词，跟进检索不准、回答偏差及人工兜底等问题。
项目经历
01 · 智慧教研平台
RAG· Python · FastAPI · PyTorch · Transformers · BERT · MySQL · Milvus ·Docker Compose
项目背景
面向的是本市的一个私立的初高中学校，开发ToB 智慧教研平台。针对学校试题和教学资料分散、人工录题耗时、学科与知识点标注不统一等问题，提供资料解析、AI 辅助录题、标签标准化和教学资料检索功能。题目经教师复核后进入校本题库，为日常备课、组卷和学情分析提供数据支持。
核心工作
- 负责解析PDF、DOCX、Markdown、TXT 等教学资料并实施父子分块，补充学科、学段、年级、知识点、来源及访问范围等元数据。
- 负责历史题目的清洗、去重和标签归一，并通过BERT 多任务分类模型补充学科、题型和知识点标签，完善后续检索所需字段。
- 完成知识库离线入库与版本管理，将原始资料、父子块正文、关联关系及业务状态写入MySQL，将子块Embedding、chunk_id 和最小检索字段写入Milvus。
- 设计本地题库优先的在线检索路由，完成问题标准化、意图识别和Query Rewrite；本地题库未命中时，进入教学资料RAG 检索。
- 设计基于BGE-M3 稠密向量召回与BM25 稀疏关键词召回的混合检索链路，通过RRF 融合、Reranker 重排和元数据过滤筛选候选内容，并完成上下文构建、来源引用及证据不足拒答。
- 根据Bad Case 分析召回缺失、误召回和上下文不完整等问题，持续调整分块方式、Top-K、相似度阈值及重排参数。
- 使用FastAPI 开发模型推理接口，通过ONNX 和动态Batch 优化接口性能，并配合后端完成批量录入功能联调。
项目成果（团队）
- 清洗并规范化3.2 万余条题目录入语料，建立12 学科、8 题型、320+知识点三级标签体系，标注一致率由82%提升至95%。
- 基于bert-base-chinese构建共享主干与3 个分类头，联合准确率89.8%，知识点F1 较单任务基线提升6.2pt。
- SimHash 查重将重复率由约6%降至0.5%以内；ONNX 与动态Batch 优化使单题P95 由216ms 降至125ms。
- 上线3 个月累计自动录入试题2.4 万余道。
02 · 问数·对话式BI（ChatBI）系统
Python · LangChain · LangGraph · A2A · MCP · Text2SQL · MySQL · Elasticsearch · FastAPI · SSE · ECharts
项目背景
公司面向有销售与运营数据分析需求的一个私有企业客户，开发ToB 对话式BI 系统。针对业务人员不熟悉SQL、临时取数依赖技术人员、固定报表难以满足灵活查询等问题，支持通过自然语言查询订单量、销售额等业务指标，并按时间、产品等维度进行汇总与对比。系统结合指标口径和只读查询约束，返回数据表、图表及结果说明，辅助业务人员完成日常取数和经营分析。
核心工作
- 参与对话式BI 主Agent 开发，负责意图识别、启发式任务路由及Planning + ReAct 流程，根据步骤依赖关系串行或并行调用查数、归因和报告子Agent，并通过A2A 完成任务分发与结果汇总。
- 参与查数、归因和报告子Agent 开发，使用LangChain create_agent 构建工具调用Agent，由底层LangGraph Runtime 维护消息状态、判断工具调用并驱动多轮“模型—MCP 工具—模型”循环。
- 负责Text-to-SQL 链路开发，接入表结构、指标字典、SQL 安全校验和只读执行等MCP 工具，完成Schema 查询、SQL 生成、校验与查询执行。
- 参与会话记忆功能开发，使用MySQL 保存短期对话、用户偏好及查询记录，支持服务重启后恢复上下文。
- 使用FastAPI 和SSE 实现流式对话与ECharts 图表输出，并参与Docker Compose服务编排和接口联调。
项目成果（团队）
- 搭建1 个主Agent、3 个业务子Agent，接入8 个MCP 工具，覆盖自然语言查数、指标分析、异常归因和经营报告生成流程。
- 完成工具调用与任务链路评测，测试集任务完成率达到84.1%；建立参数缺失追问、Agent调用超时提示及并行步骤故障隔离等基础兜底机制，避免单个子任务异常导致整条分析链路中断。
- 完成SQL 安全与数据计算测试用例，覆盖写操作、多语句、注释绕过、系统表访问和LIMIT 越权，测试范围内危险SQL 拦截率达到81%。
- 通过任务并行和模型分级调用，单次对话平均减少1～2 次大模型调用；跑通异常指标定位、活动检索及历史案例匹配流程，归因误差控制在0.2 个百分点以内。
03 · 智能工单系统
Dify · RAG · Prompt Engineering · MySQL
项目背景
公司客服团队新人培训周期长，老客服回答口径不统一、响应不及时，客户等待时间长。项目搭建智能工单系统，接入公司内部知识库，让AI 根据客户问题自动生成规范答复。
核心工作
- 负责内部客服文档的清洗、去重和分块，整理业务类型、适用范围及来源等元数据，并完成Dify 知识库的导入与更新。
- 使用Dify 搭建智能工单工作流，串联意图识别、优先级判断、RAG 检索、自动回复和人工兜底等节点。
- 根据客服评审结果整理Bad Case，调整Top-K、相似度阈值和Prompt，优化检索准确率、回复口径及证据不足拒答。
- 参与工单接口联调和流程测试，重点排查知识未命中、意图误判、回复不完整及人工转接失败等问题。
项目成果（团队）
- 覆盖6 类工单意图和3 级优先级，意图识别准确率95%，优先级判断与人工一致率92%。
- 形成3000 余个语义分段，检索命中率由78%提升至91%，客服回复准确率由85%提升至93%。
- 约60%的常见问题工单无需人工介入，人工处理量下降约40%，新人培训周期由4 周缩短至2 周。
个人优势
- 具备题库数据清洗、教学资料解析与RAG 知识库搭建经验，能够定位数据、分块、向量化、检索和引用链路问题。
- 理解MySQL 与Milvus的职责边界以及离线入库、版本发布和在线问答的完整流程。
- 掌握LangChain、LangGraph、Function Calling、ReAct 及LoRA/QLoRA，重视来源引用、证据阈值和可靠拒答。