2026 校招进行中 · 目前开放 Agent 应用开发方向的实习与全职机会
尤德勇 / Agent 应用开发 联系我

Agent 应用开发 · 2 年经验

把自然语言，变成可执行的分析。

我用 NL2SQL、Graph RAG 与多轮 Agent 工作流，把运营与客服中的开放问题，做成可执行、可评测、可上线的系统。

查看项目 了解能力

智策 ChatBI · 六层 NL2SQL 流水线：输入校验 → 动态 Prompt 组装 → LLM 推理 → SQL 执行 → SQL AST 校验 → 结果格式化，封装为标准 MCP 服务。

01

关键结果

每个数字，都来自一次真实的上线。

79%

NL2SQL 生成准确率，通过迭代 Zero-shot / Few-shot / CoT 提示策略达成。

智策 ChatBI

90%+

Graph RAG 指标检索 Recall@5，覆盖指标定义、公式与依赖关系图谱。

智策 ChatBI

86%

平均 Prompt Token 降幅：仅向模型注入召回出的相关 Schema。

智能 Schema 语义映射

02

项目

从自然语言到可执行系统。

三个项目，一条主线：把不确定的开放问题，拆成可度量、可迭代的工程链路。

3 个项目 · 2024—2026
PJ-01 AI 应用 2026-02 — 2026-07

智策 ChatBI · 运营分析中台

Agent 应用开发实习生 · 深圳店小秘网络科技

面向电商运营场景的自然语言分析平台。运营人员用一句话即可完成商品销量分析、用户行为分析与活动复盘，系统自动完成指标口径检索、SQL 生成执行与多步归因，降低对数据团队的依赖。

PythonFastAPILangChainLangGraphMilvusNeo4jPostgreSQLRedisRerank
79%NL2SQL 生成准确率
90%+Graph RAG Recall@5
8.1→4.6sP95 全链路耗时
生成 SQL · 示例 
SELECT p.name, SUM(o.qty) AS qty
FROM orders o
JOIN products p ON p.id = o.product_id
WHERE o.created_at >= '2026-06-01'
  AND o.created_at < '2026-07-01'
GROUP BY p.name
ORDER BY qty DESC
LIMIT 1;
  1. 01NL2SQL 核心引擎。基于六层流水线（输入校验 → 动态 Prompt 组装 → LLM → SQL 执行 → SQL AST 校验 → 格式化结果）实现自然语言到可执行 SQL 的转换，准确率提升至 79%，并封装为标准 MCP 服务。
  2. 02Graph RAG 指标检索。建模指标名称、定义、计算公式及依赖关系，设计 Query 改写 → 图谱实体检索 → 多路召回融合 → Rerank 精排流水线，Recall@5 提升至 90%+，结合 Ragas 与 LangSmith 搭建自动化评测追踪。
  3. 03智能 Schema 语义映射。面向 200+ 张核心业务表与复杂 Join 关系，设计表召回、字段匹配与 Join 路径推理（BFS），仅注入相关 Schema，平均 Prompt Token 下降 86%。
  4. 04Plan-and-Execute Agent。简单查询直出 SQL、复杂分析进入 Agent 分流，将趋势识别、维度拆分、异常定位与结论汇总拆为可执行步骤，复杂归因问题完成率提升至 85%+。
  5. 05评估体系建设。建立 1000+ 条线下测试集，实现 Exact Match + Execution Accuracy 自动化评估；线上以日志采样、用户反馈与满意度持续补充，形成「发现 bad case → 补充测试集 → 迭代优化 → 评估验证」闭环。
  6. 06权限、性能与工程治理。完成 FastAPI 服务化、SSE 流式接口、数据权限上下文、只读 SQL 校验与慢查询记录；P95 由 8.1s 降至 4.6s，业务自助分析率由 30% 到 85%，高风险 SQL 误执行率降至 0%。
PJ-02 AI 应用 2025-07 — 2025-12

小蜜通 · 智能客服 FAQ

Agent 应用开发实习生 · 上海盒马网络科技

面向生鲜电商的售前咨询、活动规则、订单物流、退款售后统一智能客服入口。通过意图识别与槽位抽取将请求路由至订单、物流、售后或 FAQ 子链路，结合 RAG 与多层记忆生成有业务依据的回答。

PythonFastAPILangGraphQwenMilvusRedisSSE
93.4%意图识别 Top-1 准确率
94.6%FAQ RAG Recall@10
73%客服自主解决率
  1. 01意图识别与业务路由。基于 Qwen-Flash 设计两阶段意图识别 Pipeline，将当前问题、最近 5 轮会话、路由规则与 Few-shot 样例输入模型，结构化输出 intent / slots / confidence，Top-1 准确率由 82.6% 提升至 93.4%。
  2. 02离线知识库构建。设计多格式文档解析 Pipeline（PyMuPDF + unstructured），采用层级感知切分 + 递归切片并注入章节路径元数据，经 Qwen3-Embedding 向量化存入 Milvus，构建高质量双路召回知识库。
  3. 03FAQ RAG 检索链路。落地 Query 改写、BM25 关键词检索、MMR 向量检索、召回结果预处理与 RRF 融合粗排，Recall@10 由 76.8% 提升至 94.6%，无效及重复召回占比由 21.5% 降至 10.3%。
  4. 04精排与防幻觉生成。使用 Qwen3-Rerank 精排并保留 Top 5，结合证据相关度阈值、无答案兜底与人工转接策略约束 Qwen3-Max 回答，Answer Relevance 由 74.9% 提升至 89.7%，客服自主解决率 73%。
  5. 05多轮记忆管理。设计「滑动窗口保留最近 15 轮 + 历史摘要压缩 + Redis 缓存关键事实」三层记忆，单次请求平均上下文 Token 下降约 38%，关键业务字段丢失率由 9.1% 降至 1.7%。
  6. 06服务化与稳定性治理。基于 FastAPI 完成异步服务化与 SSE 流式输出，补充业务接口超时重试、低置信度澄清与链路日志；P95 响应由 5.6s 降至 1.3s，首次有效反馈由 2.4s 降至 0.4s。
PJ-03 后端工程 2024-07 — 2025-06

特来电 · 充电统一接入平台

Java 开发实习生 · 特来电新能源股份有限公司

面向新能源车主的扫码充电、即插即充服务，同时作为统一接入平台对接多家充电桩运营商，实现统一的充电流程、订单管理与支付结算，并承担海量充电终端的云端管控。

SpringBootSpringCloudMyBatisMySQLRocketMQRedisxxl-job
<0.1%订单一致性错误率
99.9%+系统事务成功率
2周→3-5天单运营商接入周期
  1. 01TCC 分布式事务。基于 seata 思想手写 TCC 框架，解决充电订单与余额扣减在高并发下的一致性问题，订单一致性错误率降至 0.1% 以下，系统事务成功率 99.9%+。
  2. 02本地消息表 + RocketMQ 最终一致性。采用「MQ + 补偿机制（xxl-job）」处理充电完成、积分发放等异步事件，自建兜底补偿，确保消息 100% 可达。
  3. 03责任链校验框架。将白名单、权限、充电桩状态等充电前校验抽象为责任链节点，支持动态增删校验项，新增校验规则上线效率提升 60% 以上。
  4. 04工厂 + 策略 + 模板模式。统一不同运营商的充电流程框架，新接入运营商仅需新增策略实现类，不影响现有流程；接入一套运营商 API 的周期从 2 周缩短至 3-5 天。
03

能力

把不确定的问题，工程化地做完。

Agent 框架与设计

用 LangChain / LangGraph 构建复杂工作流，具备 Multi-Agent 协作与共享状态设计经验，落地过 ReAct、Plan-and-Execute 等范式。

RAG 全链路

深度优化 Query Rewrite、多路召回与 Rerank；熟悉文档 ETL、Chunking 与元数据标注，具备 Graph RAG 落地经验，有效降低幻觉。

评测与工程化

用人工标注、日志采样与满意度构建 Badcase 测试集，搭 LangSmith + RAGAS 自动评测，支持灰度发布与版本回归；熟悉 Function Calling 与 MCP 工具封装。

04

技能栈

从模型到服务，一整套工具链。

AI 大模型应用开发

Agent 框架
LangChain / LangGraph 复杂工作流；Multi-Agent 协作与共享状态；ReAct、Plan-and-Execute。
RAG 全链路
Query Rewrite、多路召回、Rerank；复杂文档 ETL、Chunking、元数据标注；Graph RAG 降低幻觉。
评测体系
Badcase 测试集、LangSmith 监测链路、RAGAS 指标自动评估、灰度发布与回归验证。
工具调用
Function Calling 与 MCP 协议，Tool 与 Skill 分层封装、参数 Schema 与异常兜底。
平台与微调
Dify、Coze 工作流编排；Transformer / Attention；SFT、PEFT（LoRA / QLoRA）、DPO；vLLM 部署。

数据库与中间件

MySQL
MVCC、事务隔离级别与并发异常处理；执行计划分析、索引优化与慢查询治理。
Redis
缓存穿透 / 击穿 / 雪崩解决方案；RDB / AOF 持久化、主从哨兵高可用；Redisson 分布式锁。
消息中间件
Kafka / RocketMQ；顺序消费、去重、积压排查、削峰填谷、异步解耦与异常补偿。

全栈与部署

Java
JUC 并发编程、锁与线程池机制；JVM 内存与垃圾回收；Spring AI / Boot / Cloud、IOC / AOP。
Python
FastAPI 框架；NumPy / Pandas 数据清洗、聚合与统计；AI 应用落地经验。
前端
HTML / CSS / JavaScript、React / Vue 与 TypeScript；多端开发与 Node.js 工具链。
部署
Docker、Linux、Git 版本协作；独立定位网络、接口、SQL 与服务异常。
05

经历

两段 Agent 实习，一段后端底子。

Agent 应用开发实习生 · 深圳店小秘网络科技

2026-02 — 2026-07

建设智能运营分析中台，通过 NL2SQL、指标 Graph RAG 和 Agent，让运营人员用自然语言分析 GMV、退款率、投放 ROI 等指标。

Agent 应用开发实习生 · 上海盒马网络科技

2025-07 — 2025-12

建设电商智能客服平台，通过意图识别、RAG 检索文档和多轮记忆管理，自动处理商品咨询、订单物流、退款售后等问题。

Java 开发实习生 · 特来电新能源股份有限公司

2024-06 — 2024-10

面向新能源车主提供扫码充电、即插即充等服务，作为统一接入平台对接多家充电桩运营商，实现充电流程、订单管理与支付结算。

联系

想聊聊 Agent 应用落地？

我目前开放 Agent 应用开发方向的实习与全职机会。欢迎直接发邮件，或留下你的联系方式。

  • 邮箱fairyteay@163.com
  • 电话173 0695 0985