能力 项目 经历 关于 联系

万彬宇 / Agent 应用与后端开发

把 AI 想法
做成真正可用的
应用。

计算机本科,有商业服务端开发经历。独立开发并上线 Resume Fit AI Agent 求职助手,围绕简历版本、岗位对比和投递跟进组织完整流程;实践知识库检索与多轮工具调用,也为公司客服部署 AnythingLLM 知识库。

从这里开始:求职助手 · 知识库问答 · 陪伴 Agent 进展

把需求拆清楚,
让应用运行起来。

我主要做 Agent 应用与后端开发,有商业服务端和企业客服知识库实践。习惯从用户要完成的任务出发,把数据、模型、工具和页面串成可操作的流程。

先把场景说明白
明确谁来使用、资料从哪里来、结果怎样核对。求职助手围绕简历版本、岗位 JD 和投递记录组织流程,知识库问答则让用户能回到原文查证。
把关键环节做完整
从后端接口、数据存储到模型接入与页面联调逐步实现。在 Agent 中限制工具权限与调用预算,处理超时、取消和失败,让运行状态可以追踪。
用证据检查结果
结合自动化测试、检索评测、执行轨迹和浏览器回归验证改动。保留失败样本,说明已完成与待验证的部分,再根据实际问题继续迭代。

从业务需求
到可用工具。
逐步落地。

从使用者、资料来源和操作流程拆解需求,再完成后端、模型接口、页面交互与部署。公司项目解决日常业务问题,自研项目进一步验证检索质量、任务执行与异常处理。

  • 001 / 企业知识库

    基于 AnythingLLM 部署客服知识库,纳入培训手册、注意事项和常见问题;另有自研 RAG 检索、引用与评测实践。

  • 002 / 工具调用与运行控制

    将模型适配、通用 Agent 和业务应用分层;校验工具参数、输出与权限,限制轮数、Token 和耗时,处理取消及迟到结果。

  • 003 / 后端与页面联调

    以 Java / Spring Boot 和 Python 为主要项目实践,使用过 FastAPI、Node.js / Express 与 React;有 Lua / Excel 配置和 FGUI 联调经历。

  • 004 / 测试与交付

    使用 pytest / node:test 与 GitHub Actions 回归,检查任务重启、重复提交、超时与取消;通过 Nginx、systemd 和日志完成部署与排障。

  • 005 / 上下文与记忆

    在个人原型中实践分层记忆、遗忘与巩固、原文来源和事实纠错;将短期情绪与长期事实分开,验证记忆生命周期。

  • 006 / 数据与工程实践

    使用 SQL、事务与索引,结合 MyBatis-Plus、H2 / MySQL、SQLite 管理业务数据;在社区项目中使用过 Redis、Kafka 与 Elasticsearch。

先解决问题,
再看实现。

从求职整理和资料问答两个场景开始。先了解用途与用法,再按需展开技术细节、评测与当前边界。

项目资料核验:2026-10-29 · 求职助手上线更新:2026-10-30

01 / 重点项目已上线 · 持续迭代

Resume Fit AI · Agent 求职助手

把简历、目标岗位和投递记录放在一起,核对表达与岗位要求,让每次修改都有原文证据可查。

怎么使用
导入简历 → 保存并选择版本 → 先做简历体检,或录入完整岗位 JD 对比 → 按需保存新版本并导出 PDF → 记录投递与面试进度。也可整理公司资料和待核实问题。

找岗位时先确认条件,再打开招聘平台搜索入口并保存完整 JD。自动职位搜索尚未启用,投递跟进由用户手动记录。

实现与验证

模型适配 AI 层、通用 Agent 层与求职业务应用层分开。ToolCatalog / ToolExecutor 注册工具并校验 JSON 参数、输出限制、白名单与简历版本归属;多轮调用按原调用 ID 返回结果。

限制轮数、工具次数、Token、总时长与单次超时;支持持久化任务、执行轨迹、取消与迟到结果隔离。

Agent 版本已在简历站上线,沿用真实模型配置。2026-10-30 更新统一界面、当前版本展示、可折叠引导及分析状态反馈,覆盖桌面和手机操作。

本轮发布前 79 项后端测试通过,3 项真实模型测试按设计跳过;上线后健康接口和 11 个页面、静态资源核对通过。此次发布验收未发起模型分析;公开仓库仍待同步本地较新的 Agent 实现。

Java 21 / Spring Boot / Spring AI / JWT / MyBatis-Plus / H2

02 / 重点项目本地 CLI / Web · 公开检索基线

RAG LangChain Lab

从自己的资料中查找有出处的答案,检查引用与证据是否足够;对复杂问题探索多步检索和调查。

怎么使用
在本地配置模型接口,导入有权使用的 TXT / Markdown 文档并建立索引,再用 CLI 或本地 Web 提问、查看原文与检索过程。目前暂无在线演示。
检索与 Agent 实现

以内容哈希与稳定 Chunk ID 增量索引,组合 Vector、精确词和 BM25,经 RRF 融合、Cross-Encoder 重排并补充相邻证据;保留引用,证据不足时拒答。

多步调查实践加入工具权限、步数、超时、Token / 成本预算与检查点恢复。公开仓库提供固定检索基线,Agent 扩展仍在整理同步。

评测记录与适用范围

原基线冻结集首次证据决策为 24/30。MultiHop-RAG 外部挑战样本含 609 篇文档、75 个可回答题:固定检索基线至少命中一条证据 72 题,全部证据命中 33 题。

第二领域 5 篇文档、22 题的本机受控评测中,候选从 18 缩到 6,检索 P50 降低约 24%,Recall@3、MRR 与证据决策不变;计时不含生成,含冷启动。

这些结果只描述特定语料、样本与运行环境,不代表通用回答准确率或生产性能保证。

Python / LangChain / ChromaDB / BM25 / RRF / Cross-Encoder

开源、在研与商业实践

在研 / M0 PC 原型 · 私有个人项目

个人陪伴 Agent

在 PC 页面聊天、查看来源并纠正或删除记忆,探索日常交流的连续性。已实现四层记忆、遗忘与巩固,以及短期情绪和“先倾听”等回应偏好。

当前进展与边界

TypeScript / React / Fastify / SQLite FTS5 / Zod。已有 DeepSeek 兼容的提取与回复适配器,本次复跑 34 项自动化测试通过,并完成离线对照。

当前为个人使用的可运行原型,真实模型联调仍在推进;尚未完成 Tauri、安卓或语音。源码暂不公开。

开源工具 / Windows · v0.5.3

DeepSeek Harness 启动器

安装 Windows 启动器后,双击快捷方式或运行 dsh,即可后台启动 Harness 并通过托盘管理。提供依赖检查、脱敏诊断和重复启动请求合并,也维护配套插件。

GitHub 核验于 2026-10-29:14 Stars,14 个 Release,附件累计下载 2,855 次(含校验文件,非独立用户数)。社区工具,非 DeepSeek 官方产品。

商业实践 / 公司内部使用

客服知识库与 AI 客服

为公司客服部署 AnythingLLM,纳入培训手册、注意事项和常见问题,提供统一资料问答入口;接入大模型实现游戏内自动应答,维护知识和提示词,异常时兜底并转人工。

课程项目 / Java 微服务 · 暂无在线演示

墨香阁社区

支持文章发布与检索、延迟发布和异步通知。实践 Spring Cloud、MyBatis-Plus、JWT、Redis ZSet、Elasticsearch 与 Kafka。

更多项目与历史实践

个人产品 / 在线体验

Pawcard 宠物身份卡

上传照片、选择模板,在浏览器制作宠物身份卡,导出分享图或打印 PDF,并通过二维码关联公开档案。使用 Python / FastAPI 与 SQLite。

内容工具 / 线上已暂停

城市内容台

以 Python、模型 API、Pillow 与 FFmpeg 串起资料导入、表格编辑、城市内容整理、封面与竖屏视频导出。因服务器原因,当前线上服务已暂停。

近期本地工具

ShotDesk 分镜成片台

围绕剧本拆镜、素材管理、视频合成和剪映草稿导出组织本地制作流程。

历史演示 / 线上已暂停

企业 AI 可见度观察平台

曾以合成数据演示问题库、品牌与竞品、回答证据和客户报告流程。因服务器原因,当前线上演示已暂停。

展开 RAG 技术详情:检索流程与评测结果
RAG LAB

README.MD

1# RAG LangChain Lab
2 
3本地资料问答,检索证据与失败原因可检查。
4 
5## Stack
6Python / LangChain / ChromaDB / BM25 / RRF / Cross-Encoder
7 
8## Pipeline
9Documents -> Stable chunks -> Incremental index
10Query -> Dense + BM25 -> RRF -> Rerank
11Evidence -> Rewrite / Answer / Refuse
12 
13## Evaluation
14原基线冻结集:首次证据决策 24 / 30
15评测结果限于特定样本;详见 EVALUATION.MD。
~/rag-langchain-lab open README.md
项目摘录 · 评测记录可查 特定语料与样本

工作经历

陕西森豪齐创

服务端开发与 AI 应用实践

  • 客服资料查询:为公司客服部署 AnythingLLM 知识库,整合培训手册、注意事项和常见问题,提供内部资料问答入口;接入大模型实现游戏内自动应答,维护问答知识与提示词,异常时兜底并转人工。
  • 内容制作流程:开发城市内容台,使用 Python、模型 API、Pillow 与 FFmpeg,实现资料导入、表格编辑、城市内容整理、封面及竖屏视频导出;因服务器原因,当前线上已暂停。
  • 商业服务端:使用 Lua / Excel 配置参与战令、商城、任务奖励和首领掉落等版本开发,完成 FGUI 联调;结合日志与配置比对定位持久化、怪物刷新、编码与资源引用问题,并做发布前回归。
陕西森豪齐创

商业游戏服务端开发

基于 Lua 与 Excel 配置完成活动、任务、奖励、商店、怪物刷新、战令、百宝阁及 Boss 掉落竞争等系统,并通过日志、配置对比和跨端联调控制回归风险。

LUA FGUI SERVER

MILESTONES / 可核验的积累

OPEN SOURCE / DELIVERY

让启动与排障更省心

dsh-launcher 将依赖检查、后台启动、托盘与脱敏诊断串起来。安装与使用入口见插件工具箱,当前版本和统计口径见项目卡片。

查看工具介绍 →

ENGINEERING / 执行约束

异步任务与调用预算

求职助手将模型适配、Agent 循环和业务应用分层,限制工具权限与调用预算,处理取消、超时和迟到结果;任务状态与执行轨迹持久化。

查看求职助手 →

UPSTREAM / CONTRIBUTIONS

10 个 PR 已合并

Spring Boot 3 项、Gradle 1 项、OpenRewrite 相关仓库 6 项 PR 已合并。涉及配置解析、健康端点路径、构建追踪、XML 缩进与许可证识别。GitHub 复核于 2026-10-29。

Spring Boot PR ↗ Gradle PR ↗ 查看合并记录 ↗

EDUCATION / 2021—2025

咸阳师范学院 · 前 10%

计算机科学与技术本科,专业前 10%。“解忧维修铺”微信小程序主要开发,项目获校级铜奖。

关于我

先建立可重复的评测集与基线,再逐项验证分块、召回、融合、重排和提示词。回答保留来源、分数与证据状态,失败样本进入回归集,而不是只凭一次演示判断效果。

将需求拆成可验证的小任务,让 Codex、DeepSeek、Grok、Kimi 参与实现与审查;关键改动始终通过测试、日志与人工检查闭环,并把有效规则沉淀为文档和自动化流程。

可以承担 Agent 应用与企业工具的需求拆解、后端开发、模型接口接入、页面联调、测试与部署。已有求职助手、RAG 与公司客服知识库实践,主要围绕 Java / Spring Boot、Python 和实际业务逐步实现与验证。

做过 Java / Spring Boot 求职助手、Python RAG、Java / Spring Cloud 社区课程项目和 Lua 商业游戏服务端;也用 TypeScript / Fastify / SQLite 实现个人陪伴 Agent 的 PC 原型。项目涉及工具调用、检索评测、鉴权、版本与异步任务。

先确认目标和边界,再从官方文档、最小示例和现有代码入手,把问题拆成可以逐步验证的小任务。通过日志、测试和结果对比定位问题,并把有效做法整理成可复用的记录。

如果你正在寻找
能把 AI 做成产品的人。

求职方向:Agent 应用开发 / 企业 AI 工具开发 / Java 与 Python 后端。欢迎结合具体业务沟通,我可以进一步说明求职助手、RAG 与商业项目中的实现、技术取舍和验证过程,并提供简历、公开源码与在线产品。