项目

我的个人技术博客与主页，基于 Astro 与 Astro Theme Pure 搭建，专注于大模型应用开发与 AI Agent 实践记录

潮际汇（杭州）智能科技有限公司实习期间输出的 OpenAPI 技能包，涵盖虚拟试衣、抠图、文生图等场景

对 Hermes Agent 的源码、CLI、Skills、Profile、Workflow 等机制的系统梳理与二次开发实践

项目职责：针对传统「通用模型 + 搜索引擎」方案在金融领域存在的数据幻觉、分析维度单一、缺乏合规逻辑等痛点，构建一套面向普通投资者的端到端智能投顾 Agent 系统。

架构设计：基于 LangGraph 与 React 构建多 Agent 协作流，覆盖基本面、技术面、估值、新闻解读等维度；基于 MCP 协议封装金融数据 API，实现工具调用标准化，工具调用成功率 98%，可稳定输出 4k 字综合报告。

模型微调：参与构建 10 万级金融语料并用 SimHash 去重，基于 Qwen3-8B LoRA 微调新闻分析 Agent 中的情感与风险模型，测试集准确率达 91%。

性能与质量优化：设计评测体系监控工具调用成功率、数据一致率与端到端时延；通过 Agent 并行执行与缓存，将端到端时延从 2 分钟+ 降至约 90 秒。

模型接入与评测：参与金融专用模型 SFT 与 GRPO 强化训练流程设计，引入「格式奖励 + 语义正确性」双重奖励机制，模型奖励分数较通用模型提升 3–5%。

项目介绍：面向医疗咨询场景的 Agent 智能问答系统，支持复杂医疗问题的多轮对话理解、症状分析、风险评估及医学知识检索，通过短期-长期记忆融合、多 Agent 协作与知识增强实现高可靠、安全可追溯的咨询服务。

架构设计：构建 Agent Loop + Agent Swarm 双层协作机制，支持单 Agent 与群体智能动态切换；设计 7 个原子化 Skills 并基于 LLM Function Calling 编排与调用，统一由 SkillRegistry 管理与动态加载。

记忆机制与知识增强：融合会话级短期记忆与 Mem0 长期记忆，实现跨会话用户上下文持续感知；基于 Milvus 构建医学知识库，支持症状分析、疾病推理与医学指南查询。

安全可控推理链路：引入约束验证与自动修复机制 Harness Engineering，对 Agent 输出进行规则校验、异常检测与自动纠错，降低医疗场景下的幻觉风险与错误回答率。

系统成果：智能路由准确率从 88% 提升至 95%，知识库检索准确率 87%；单 Agent 响应 5–15 秒，Swarm 响应 20–30 秒；系统回答质量 4.5 vs doubao-seed-2.0-pro 3.9。

围绕 Prompt Engineering、Function Calling、Harness Engineering、Agent 工作流等主题的学习笔记与代码片段

在实习与个人项目中沉淀的 Agent 工程化经验：可观测性、工具调用、上下文管理、Skills 设计等