找到与你的行业和工作年限匹配的简历写法

任职信息： 带 4人

核心 AI 应用落地： 主导公司智能问答与 AI 助手的建设,把大模型能力接进客服、内部知识、营销文案等多个业务场景,服务多个业务线

其中企业知识问答上线后覆盖数万员工,采纳率(用户认可回答)做到约 75%,相关人工支持成本显著下降

RAG 与效果体系： 搭建了团队统一的 RAG 检索体系:多种切分策略、混合检索(向量 + 关键词)、rerank、引用溯源,并把它做成多业务可复用的服务

建立了 AI 效果评测体系:自动化评测集 + 人工抽检 + 线上反馈回流,让每次模型/Prompt/检索的迭代都有据可依,把"凭感觉调"变成"看指标迭代"

Agent 与编排： 主导了一个多工具 Agent 系统的落地,支持任务规划、工具调用和多轮修正,把一些原来要人工多步操作的流程自动化

设计了工具调用的稳定性机制(参数校验、失败重试、兜底),把 Agent 的任务成功率提升到可用水平

成本与性能： 通过模型分级、语义缓存、Prompt 精简和批处理,在效果不降的前提下把整体推理成本降低约 45%

部署过开源模型(用 vLLM 做推理服务)承接部分场景,进一步平衡了效果与成本

团队： 带 4 名工程师,负责技术方案、评测规范和 code review,把 RAG/Agent 的最佳实践沉淀成团队文档和脚手架

搜索工程： 负责电商搜索的召回和排序工程，独立维护 3 个核心召回通道（文本匹配、语义向量、个性化），日均处理 千万级 query 请求

做过 query 理解模块（纠错、同义改写、意图识别）和向量检索链路（基于 FAISS），上线后搜索 CTR 提升约 8%

技术亮点： 参与搜索引擎从 ES 到自研向量检索的迁移，负责索引构建和在线 serving，检索延迟从约 80ms 降到 30ms

搭建了搜索 AB 实验框架和离线评测流水线（NDCG/MRR），支撑排序模型的快速迭代

GPA 3.8/4.0，两次校一等奖学金

主修课程：机器学习、自然语言处理、数据库、算法、分布式系统

中国高校计算机大赛 - 人工智能创意赛全国二等奖

在一个 AI 助手团队，参与企业内部知识库问答功能的开发与上线

独立负责了 RAG 检索链路的优化：调整切分粒度、加入 rerank、给召回加元数据过滤，把问答的命中率提升约 15%（基于团队维护的评测集）

做了幻觉治理：在 Prompt 里强化"无依据则回答不知道"，并对回答做引用溯源展示，用户投诉"乱回答"的反馈明显减少

上线后功能覆盖数千名内部员工，日均问答量上千，人工答疑的工单量下降

参与一个 Agent 产品的开发，Agent 能根据用户意图调用查询、计算、写作等工具

负责工具（tool）的封装和调用编排，处理了大模型输出参数不规范导致工具调用失败的问题（加了校验和重试）

用 TypeScript 写了对话前端，实现了流式输出和工具调用过程的可视化

全国二等奖：一个面向老年人的 AI 用药问答助手（RAG + 语音）

基于 Agent 的数据分析助手（自然语言转 SQL + 图表），获校优秀毕设

GitHub 维护一个 RAG 最佳实践的示例仓库