Biography

澳洲国立大学（ANU，QS 29）计算机科学硕士在读，2027 届；本科重庆大学土木工程。

后端出身，主力语言 Go，熟悉 Java，用过C++。

求职重心：Agent开发，Golang后端开发，Java后端开发

Education

澳洲国立大学（ANU，QS 29） — 计算机科学 · 硕士2025.02 — 2026.12
重庆大学（985） — 土木工程 · 学士2020.09 — 2024.07

Experience

北京构力科技有限公司 — C++ 软件研发实习生（工业软件算法）2025.11 — 2026.01
参与 BimBase 插件的建筑信息化识别算法，把 OBJ 渲染哑数据还原成结构化 JSON。
  • 主导两阶段候选剪枝 + OpenMP 并行的墙体识别策略，大型模型分类耗时从 221ms 降到 28ms（7.9×）。
  • 按预估容量提前分配，把 std::unordered_map 的 rehash 次数从 1340 次压到 15 次。

项目经历

Agent Leader — 多 Agent 开发与可信交付2026.05 — 2026.07
Python 3.11 · FastAPI · LangGraph · Pydantic v2 · Typer · SQLite · Git Worktree · pytest
  • 记忆可信交接：大模型的自我汇报不可信、自评过宽，所以上三层验证——文件系统快照哈希对账（不信自我汇报）、执行与评审权分离（冻结系统后由独立 Agent 重放评审）、记忆准入门槛（证据复核加门禁 PASS 才允许交接）。
  • 多 Agent 编排：用有向无环图显式表达任务拆分，负责人、依赖、读写范围、完成标准都写进图里，调度层校验无环——死循环在结构上就构造不出来。权限跟着任务走而不是跟着 Agent 走，执行前冻结最小授权，避免高权限 Agent 泄漏敏感内容。
  • 超长任务：进程与任务解耦，进程死掉任务不结束；状态和证据持续落盘，恢复时先校验工作区未被污染，再按失败类型选最小代价的重试策略，多 Agent 场景只重跑未完成的子任务。
  • 可信压缩：模型自主压缩上下文同样不可信，改用确定性规则硬性约束——冻结契约和未解决约束优先级最高且绝不截断，超预算直接报错而非悄悄丢弃。
个人健康顾问助手 — 多模态文档理解 + RAG2026.02 — 2026.05
Go 1.25 · gRPC · Python 3.11 · LangGraph · Milvus · PostgreSQL · Redis · React 19 · pytest
  • OCR + VLM 多模态解析：体检报告按形态路由到 PDF 表格还原 / 文本行解析 / 图片 OCR+VLM 双通道；同名异值时采信有版面语义理解能力的 VLM，并对 OCR 侧留痕拒绝。核心纪律是不猜值——宁可拒绝留痕，也不做静默修正。
  • 多路召回与索引优化：QueryPlanner 拆出带预算的查询计划，SQL / BM25（Milvus Function 声明式全文）/ Dense 三路召回；分数量纲不可比，所以只按排名做 RRF 融合，Cross-Encoder 精排兜底。索引按规模分治——语料库走 HNSW 求召回，八万余 chunk 的论文库走 IVF_SQ8 量化省内存；租户与知识版本用 expr 服务端预过滤，权限做在向量层。
  • 幻觉防范与记忆治理：无证据不说话，建议必须绑定证据 ID，引用越过白名单即判伪造，数值与库内实测值比对等四类确定性校验不过就打回。记忆写入设门禁——检索到的文档永不入记忆以防投毒，置信度不足丢弃，落库须用户确认；AES-256-GCM 加密加 content_hash 去重，注入限定 token 预算并在前端透明展示。
Mini-Gateway — 微服务高性能 API 网关2025.03 — 2025.06
Go · Gin · Redis · Prometheus · Grafana · OpenTelemetry · FastHTTP · Nacos · Protocol Buffers · Hystrix
  • Go 协程池配合 epoll 多路复用做非阻塞 I/O，单机 10K+ 并发连接，平均响应时间低于 5ms。
  • 滑动窗口统计 + hystrix-go 熔断器，按错误率和响应时间自适应熔断，高负载下错误率从 15% 降到 0.5%。
  • Protocol Buffers 编解码配合 grpc-gateway 做 HTTP ↔ gRPC 双向转换，转换延迟控制在 5ms 以内，保持 95% 的性能。
  • fasthttp.ServeFile 走 sendfile 实现零拷贝传输，资源传输性能提升 60%，内存占用降低 40%。
  • Redis + Lua 实现令牌桶，跨实例精准限流，精度误差在 1% 以内。

专业技能