你好,我是张恒玮

AI Agent 应用工程 / 全栈产品化方向

北京邮电大学新一代电子信息技术硕士 · 2027 届 · base 北京。
研究生期间的技术方向是 AI Agent 应用工程:把 LLM、工具调用、任务编排、审批门禁与可观测性整合成可运行、可测试的系统。
目前有 6 个可展示的项目,正在寻找 AI Agent / 后端工程实习机会。

01. 关于我的技术方向

做每个 Agent 项目之前,我会先确定三件事:哪些步骤交给模型、哪些用确定性代码执行、哪些动作不允许自动完成。CareerPilot 的执行流程是确定性编排,模型只在材料生成环节调用,投递动作保留人工确认。

Provider 层做了后端抽象,Fake / Anthropic / OpenAI-compatible / Ollama 四种可切换。默认的 Fake Provider 不需要密钥和网络,用于本地演示和自动化测试。

项目里的 Trace 时间线、任务 DAG、Artifact 分页和评估面板,作用是让执行过程能被逐步复核。

公开项目 Python 侧共 130 余个自动化用例,另有 Go 单元测试与 golden trace 测试。

02. 项目

CareerPilot Agent

公开仓库

Go 实现的本地优先求职 Agent Runtime — 工具注册、证据约束生成、SSE Trace、人工确认投递

架构示意:UI / HTTP+SSE / Runtime / Tool Registry / Provider 工厂 / SQLite Run Store
架构示意:UI / HTTP+SSE / Runtime / Tool Registry / Provider 工厂 / SQLite Run Store
  • 依赖极简:Go 1.24,全部依赖只有官方 anthropics/anthropic-sdk-go 与 modernc.org/sqlite(纯 Go 实现,无 CGO,可交叉编译成单文件分发)
  • 确定性编排 + 局部 LLM:执行流程为硬编码的确定性流程,模型只在 generate_materials 环节介入,出问题时可以定位到具体步骤
  • Provider 工厂四路可切:Fake / Anthropic / OpenAI-compatible / Ollama,Fake Provider 支持离线跑通全链路
  • 证据约束生成:材料生成后做 2 项输出校验,分别是关键词覆盖率 ≥ 0.45 且必须带 evidence、无证据主张检测;低匹配岗位输出「不建议投递 / 先补证据」
  • 可观测:Go 标准库 HTTP + SSE(无 Web 框架),runs / steps / artifacts 三张表,React Trace UI 展示时间线与 Artifact
  • 负责任自动化:不自动提交申请、不发邮件、不伪造经历,投递动作必须本人确认
  • Go 1.24
  • React
  • TypeScript
  • SQLite(纯 Go)
  • SSE
  • Tool Registry
  • Provider 抽象
  • Go test

LifeHelper

公开仓库

全栈 AI Agent 工作台 — 意图分析、任务拆解、工具调用、会话回放、评估仪表盘

链路示意:意图 → 拆解 → 工具执行 → 聚合,配合异步执行与前端可观测面板
链路示意:意图 → 拆解 → 工具执行 → 聚合,配合异步执行与前端可观测面板
  • 完整 Agent 链路:意图分析 → 任务拆解 → 工具执行 → 结果聚合,带失败重试与会话快照
  • 前端可观测三件套:TracePanel(执行轨迹)、ExecutionGraphPanel(任务 DAG)、EvaluationPanel(评估指标 + 人工评分入口)
  • 异步与部署:Celery Worker / Beat 承接异步任务,Docker Compose 一键拉起 API / Worker / Beat / Redis / PostgreSQL 五个服务
  • 测试:后端 112 个自动化测试(仓库 README 里的 105 是旧数,已按代码重新计数)
  • Python
  • FastAPI
  • Celery
  • Redis
  • PostgreSQL
  • React 18
  • Ant Design 5
  • Docker Compose
  • pytest ×112

Short Video Studio Lite

公开仓库

多 Agent 短视频工作流公开演示版 — brief → 脚本 → 分镜 → 发布包

  • 状态机驱动:整条流水线由 9 个状态的 JobStage 机推进,每一步产物可预览、可回退
  • 人工审批门禁:approve_job() + ApprovalState,未审批的任务不能进入导出阶段,约束写在流程里而非依赖模型自评
  • Provider 抽象 + 降级:LLM / 图像 / 视频三类 Provider 可配置切换,mock 路径让公开版在无付费 API 时也能完整跑通
  • 公私版本边界:LicenseEdition 区分 Lite / Pro,公开版只保留 mock provider,不含真实供应商凭据与商用部署细节
  • 测试:21 个自动化测试;另使用 Playwright 与 APScheduler
  • Python 3.13
  • FastAPI
  • Pydantic v2
  • React 19
  • Vite
  • Playwright
  • APScheduler
  • pytest ×21

闲鱼 AI 智能客服 Agent

公开仓库

感知 → 分诊 → 改写 → 人工审批 → 执行的人机协同流程,风控前置

风控前置示意:5 类意图分诊,4 类高危动作强制转人工
风控前置示意:5 类意图分诊,4 类高危动作强制转人工
  • 三层架构:感知层(uiautomator2 + adbutils 端侧读取)、决策层(意图分诊 + 风控)、执行层(动作下发 + 审计日志)
  • 5 类意图分诊:下单 / 议价 / 定金 / 自提 / 发货,低风险常规问题自动处理
  • 4 类高危动作强制人工确认:确认订单、改价、写入知识库、未经审核直接发送,账号风险由流程规则控制而非事后补救
  • 运营可自维护:话术与规则是 YAML 知识包 + FAQ JSONL,非技术同学能直接改,无需改代码
  • 模型不决定业务事实:价格、档期、押金由规则与 SQLite 决定,模型只做理解与润色;ADB 执行层默认只填草稿不发送,发送需显式开关加请求级确认
  • 不绑 SDK:httpx 直连 OpenAI 兼容端点;17 个 unittest 覆盖分诊与风控逻辑
  • Python
  • FastAPI
  • httpx
  • uiautomator2
  • adbutils
  • YAML 知识包
  • unittest ×17

灰虎考研题库小程序

已上线 · 有真实用户

微信原生小程序学习产品 — 覆盖 5 所院校约 5000 名当届学员

三角色闭环与增长链路示意
三角色闭环与增长链路示意
  • 三角色闭环:学员刷题 / 错题 / 模考 / 提问,教师答疑工作台,管理员工单升级与分配
  • 知识体系:构建「题目 — 知识点 — 问答」关联结构,把提问沉淀成可复用答案
  • 真实交付:协同后端完成接口联调与上线,依据甲方与真实使用反馈完成 2–3 轮迭代
  • 公开仓库是脱敏演示版:使用 mock 数据与 touristappid,不含真实登录、支付、订单与用户资料
  • 微信小程序
  • JavaScript
  • WXML / WXSS
  • 多角色流程
  • 接口联调

XHSCollector 内容采集与分析平台

私有仓库 · 可面试讲解

多策略采集 + 风控限流 + 数据分析 + LLM 内容改写的一体化平台

  • 多种采集策略分级降级:API 签名、浏览器自动化、Browser Bridge、公开接口,任一路径失效时自动回落
  • 账号轮询、Cookie 自动刷新、频率控制、风控检测与重试机制,控制单账号请求压力
  • 采集数据做热度、地域、热词维度分析,配合 LLM 按自定义人设做内容改写
  • React 18 + TypeScript + Vite 前端,FastAPI + SQLite + APScheduler 后端
  • Python
  • FastAPI
  • React 18
  • TypeScript
  • Playwright
  • SQLite
  • APScheduler

Chart Agent(实习期项目)

非公开 · 已交付内部使用

PDF 图题提取 → CSV 语义匹配 → 自动出图的端侧 AI 产品原型

链路示意;不含真实波形数据与客户信息
链路示意;不含真实波形数据与客户信息
  • 从零设计的端侧原型:把「文档里描述的图表需求」自动对到「实际数据列」再出图
  • SQLite 记忆系统复用历史匹配结果与样式选择,减少重复人工确认
  • 配套审计清单,每一步产物可核对、问题可回溯
  • 已打包交付内部使用;遵守对外披露边界,不提供代码链接、不展示真实数据
  • Python
  • pandas
  • Matplotlib
  • SQLite
  • PySide6

03. 能力矩阵

语言

  • Python(主力)
  • Go
  • TypeScript
  • JavaScript
  • SQL
  • C
  • MATLAB

后端 / 全栈

  • FastAPI
  • Pydantic v2
  • Celery
  • React 18/19
  • Vite
  • Redis / PostgreSQL / SQLite
  • Docker Compose
  • Go 标准库 HTTP + SSE

AI / Agent 工程

  • LLM API 工程化
  • Prompt 工程
  • Tool Calling
  • 多 Agent 编排
  • Provider 抽象与降级
  • 人机协同 / 审批门禁
  • Trace 与评估体系
  • n8n 工作流编排

工程与协作

  • pytest
  • unittest
  • Go test
  • Docker
  • Git / GitHub
  • Claude Code / Cursor
  • 微信开发者工具
  • LaTeX

04. Get In Touch

如果你团队在做 LLM 应用、Agent 工作流、Go / Python 后端或 AI 产品工程方向,欢迎邮件或通过 GitHub 联系我。

可按岗位方向提供对应版本简历(AI Agent 开发 / AI 产品 / 技术解决方案)。