科大讯飞 · 星火企业军团 · Agent 产品研发工程师
用 AI Coding 把想法推进到可运行产品：Java 微服务、Python 智能体编排、前端全栈与工程化交付。
个人网站 · Hoop Pupil · Email
目前在 科大讯飞星火企业军团 从事 Agent 产品研发工程，关注大模型能力如何进入真实业务，而不止停留在 Demo：
- 设计 Agent 的工具调用、任务状态、上下文管理、结果校验和失败恢复
- 用 Python / LangGraph 组织多智能体、RAG、评测与可观察任务管线
- 用 Java / Spring Boot 构建账号、权限、订单、积分和异步任务等微服务业务
- 用 React / Next.js / Vue / TypeScript 完成产品工作台、管理端和多端体验
- 用 AI Coding 加速探索、重构和交付，同时坚持类型约束、测试、审查和可回滚
我更关心“系统能否被使用、验证和维护”，而不是单个模型调用看起来多么聪明。
| 方向 | 我擅长的工作 | 常用技术 |
|---|---|---|
| AI Coding | 需求拆解、代码生成、重构、测试补全、调试和文档协作 | Cursor / Claude Code / Codex 工作流、Git |
| Agent 编排 | 多智能体路由、工具调用、RAG、反思、评测、长任务恢复 | Python、FastAPI、LangGraph、Pydantic |
| Java 微服务 | 业务建模、接口契约、鉴权、异步任务、缓存和数据一致性 | Java、Spring Boot、MyBatis、MySQL、Redis |
| 前端全栈 | 产品工作台、管理端、流式交互、响应式布局和体验打磨 | React、Next.js、Vue、TypeScript、Tailwind |
| 工程化 | Docker、Linux 部署、日志、脚本、CI 检查和问题定位 | Docker Compose、Nginx、Shell、GitHub Actions |
正在建设的篮球智能分析平台，覆盖视频理解、球员重识别、报告生成和 AI Agent 工作流。
- Web、移动端与管理端共享业务契约
- ReID 实验指标：mAP 91.61%，Rank-1 94.40%
- 负责从产品想法、Agent 编排到前后端联调和部署验证的完整链路
面向学习目标的自进化多智能体系统：学习画像、检索、规划、生成、质量门禁、反思重规划和学习路径组装形成闭环。
用自描述页面 Manifest 让 Agent 感知页面能力、匹配意图并执行跨页面动作，探索 Agent 与 Web 应用之间更稳定的契约。
按工具层、跨进程层、前端层和框架层整理 LLM Agent 协议与标准，记录真实取舍，而不是只罗列名词。
更多项目与可核对的媒体证据：个人作品集。
AI Coding 对我来说不是把代码交给模型，而是把工程反馈回路做得更快：
先定义边界 -> 明确输入、输出、失败状态和不可变约束
让模型做加速器 -> 生成候选实现、测试、迁移草案和排障假设
人负责工程判断 -> 审查设计、数据安全、兼容影响和真实业务语义
用证据收敛结果 -> 运行测试、检查日志、复现问题、记录取舍并提交小 PR
我会把模型输出落到类型、测试、日志和文档中，让“会写代码”变成“能交付、能维护”。
- Agent 评测、RAG 质量与长任务可靠性
- Java 微服务与 Python AI 服务的边界设计
- 多模态模型、Computer Vision 与真实业务流程结合
- AI Coding 工具链、开发者体验和可复现工程实践
- 国内外 AI 热点进展、开源项目演化和互联网产品信息
我维护个人 AI 模型网关 / 中转服务，用于多模型接入、应用开发和工程验证；也长期参与 LinuxDo 社区，目前为 LV3 用户，喜欢从社区讨论、源码和公开数据中追踪技术趋势。
我会优先贡献自己真正使用或深入研究的项目，从文档、测试、边界修复和可复现 issue 开始：
- 一个 PR 只解决一个问题，写清动机、验证命令和风险
- 不伪造指标、不刷贡献记录，不把实验性代码包装成生产结论
- 欢迎围绕 Agent、RAG、开发者工具、前端架构和工程化实践交流
- Website: www.liyilin.xyz
- GitHub: @Yukibei
- Email: [email protected]
- LinuxDo: 社区入口
把 AI 做成产品，把工程做成证据。