刘国庆

AI 应用开发工程师 · 在线

意向职位AI 应用开发（Agent / RAG）

工作年限1 年

研究方向Agent · RAG · 多智能体协同

技术栈

模块 01 · 深度学习与 NLP 模型开发

PyTorchTransformerBERT迁移学习LoRA / QLoRA 轻量化微调文本清洗与数据去重标签体系搭建模型评估（准确率 / 召回率 / F1）

模块 02 · 大模型与 Agent 应用开发

CozeDify提示词工程Function CallingReActLangChainLangGraphLlamaIndexLangSmithLangfuseMCP / A2A 协议多智能体协同

模块 03 · 编程语言与数据库

PythonFastAPIFlaskStreamlitMySQLNumPyPandasMatplotlibClaude CodeCodex

2025-09 ~ 2026-06 · 山西仰星科技有限公司 · AI 开发工程师
参与智慧教研平台「AI 智能录入」子模块开发：负责 BERT 多任务模型的训练与推理优化、语料清洗与标签体系设计，单题录入时间由分钟级降至秒级；与 4 人团队协同完成接口联调与模型上线，参与需求评审与模型效果迭代。

项目 01

项目背景：平台面向全市中小学校，是题库自动化建设项目。客户反馈人工录题慢，一道题从输入到标注要几分钟；更麻烦的是标注口径不统一，不同老师对学科、题型、知识点的理解不一样，标出来的结果很乱，后续智能组卷和学情分析根本用不上。项目立项做 AI 自动录入，把标注标准化、自动化。

数据与标签体系：清洗、去重并规范化历史录题语料 3.2 万余条，搭建「12 学科 / 8 题型 / 320+ 知识点」三级标签体系与统一标注规范，双人交叉标注一致率由 82% 提升至 95%。
多任务模型训练：基于 bert-base-chinese 构建共享主干 + 3 分类头架构，并行预测学科 / 题型 / 知识点，加权联合损失缓解任务冲突；5000 条人工复核测试集上三级联合准确率 89.8%，知识点 F1 较单任务基线提升 6.2pt。
题目查重：基于 SimHash 计算 64 位文本指纹，以海明距离阈值 3 判定近似重复，题库重复率由约 6% 降至 0.5% 以内，累计拦截重复、相似题目 2000+ 条。
推理优化与联调：模型导出 ONNX 并引入动态 batch 推理，单题 P95 耗时由 216ms 降至 125ms（降低 42%）；GPU/CPU 自动适配，经 100 并发压测稳定运行，支撑全市无 GPU 环境学校灵活部署。

项目成果：单题录入由 3~5 分钟压缩至 10 秒内，录题效率提升 95% 以上；上线 3 个月累计自动录入试题 2.4 万余道，覆盖全市 60 余所学校；修正样本按周回流再训练，学科分类准确率由 96.5% 迭代至 98.94%，标准化标签直接支撑智能组卷与学情分析上线。

项目 02

项目背景：公司客服团队新人培训周期长，老客服回答口径不统一、响应不及时，客户等待时间长。项目搭建智能工单系统，接入公司内部知识库，让 AI 根据客户问题自动生成规范答复。

流程编排：基于 Dify 搭建「意图识别 → 优先级判断 → RAG 检索 → 自动回复 → 人工兜底」全链路工作流，覆盖 6 类工单意图、3 级优先级，意图识别准确率 95%，优先级判定与人工一致率 92%。
RAG 知识库建设：清洗并切分公司内部文档 200+ 篇为 3000+ 语义分段，调优检索策略（top-5 召回、相似度阈值 0.7），检索命中率由 78% 提升至 91%，回复自动附带知识库来源引用。
提示词工程与数据管理：以提示词约束答复口径与拒答边界，检索无命中自动转人工，常见问题自动应答覆盖率 60%+；设计 MySQL 工单、会话、命中日志表结构，支撑答复质量抽检与 bad case 回流。
效果评估与迭代：人工评审 500+ 条生成答复并做 bad case 归因，按周迭代知识库与提示词，客服回复准确率由 85% 提升至 93%；新客服培训周期由 4 周缩短至 2 周，答复口径全面对齐知识库标准。

项目成果：客服回复准确率提升至 93%，平均响应时长由 10 分钟级缩短至 30 秒内；约 60% 的常见问题工单无需人工介入自动解决，人工工单处理量下降约 40%；新客服培训周期由 4 周缩短至 2 周。