你好，我是
罗欢Luo Huan
算法工程师 · NLP & AI Agent
独立从 0→1 设计并交付生产级 AI Agent 系统，覆盖 LangGraph 编排、混合 RAG、LoRA 微调到 Docker 部署全流程。 正在寻找能打造有影响力 AI 产品的团队。
01.关于我
985+211 背景，NLP 方向硕士，中共党员，专注 AI Agent 系统工程化落地。独立从 0→1 设计并交付企业级生产 AI Agent 系统（LangGraph + Milvus + vLLM + FastAPI），面向 500+ 员工的工时管理系统集成上线；曾在小米（小爱同学 NLP 组）实习参与 IOT Agent 优化；SCI 论文在投。具备从算法选型、架构设计到生产部署与监控运维的完整交付能力。
我相信工程与研究并不对立——好的算法只有在可靠的系统里才能真正发挥价值。 在斯维尔科技，我独立交付了一套完整的生产级 AI Agent 系统；在小米，我参与了 IOT Agent 的品类模型优化，积累了从模型训练到系统落地的完整经验。
AI Agent & 大模型
机器学习
检索与 NLP
工程基础设施
编程语言
02.工作经历
算法工程师
中建科创斯维尔科技股份有限公司
- Function Calling 架构改造：将「意图分类→参数提取」两步级联重构为单次 FC 调用，消除分类边界误差传播；本地 vLLM 因 schema prefill 延迟略增，托管 API 场景因省去一次网络往返预期缩短 20-40%；LangGraph StateGraph 编排 RAG + Tool Agent 双层 Agent 架构
- RAG 混合检索 + 重排序：EnsembleRetriever（Milvus 60% + BM25 40%）+ MultiQuery 改写 + CrossEncoder Reranker 精排 Top-5；自建 50 条 Q-A 评测集（覆盖工时填报规则、请假流程、福利政策等多类业务场景），Recall@5 = Milvus 100% / Hybrid 98%（当前规模下 BM25 噪音主导，文档扩展后预期反超）；意图分类精度 87%（2000 条测试集）
- SQL Agent 三层安全：硬规则（语句白名单+关键字黑名单+列黑名单）拦截 25% 恶意请求，LLM 语义改写辅助层处理 75%，权限校验注入用户级 WHERE 条件；6 级权限体系
- 全栈工程化 + 端到端可靠性：Docker Compose 7 服务编排（ai-service / Milvus + etcd + minio / Redis / Prometheus / Grafana），反向 SSH 隧道穿透公网到内网 GPU 服务器；自研 Prometheus 5 类业务指标 + Grafana 8 面板可观测体系；端到端发现并修复 11 项跨集成边界缺陷
- 工具参数智能解析：(user, project) 二维历史众数 + LLM 候选白名单兜底 + cachetools.TTLCache，解决 LLM 输出不稳定与口语化 → 业务 ID 映射
算法工程师（实习）
小米科技（武汉）有限公司 · 小爱同学 NLP 组
- 构建大模型生成标注数据 pipeline 替代 jsgf 文法 + 人工标注，系统评估 10 个通用大模型并选型落地；基于该 pipeline 对 icsf 小模型做全量微调部署上线，缩短约 50% 数据集建设时间
- 引入 LRM Loss 使模型聚焦难负样本，子设备 sf 识别准召率提升 3.2%
- 正负样本模板构造捕捉知识库信息，其他意图 f1 提升 2.3%；歧义词过滤，衣架 f1 提升 1.6%
- IOT Agent GSB 上线评估，修复 200+ bad cases
03.精选项目
工时管理平台 AI 智能助手
基于 LangGraph + FastAPI 的企业级 AI Agent 系统，自然语言交互提供工时查询、统计分析、周报生成，面向 500+ 员工的工时管理系统集成上线。
- LangGraph DAG 编排 Agent，Function Calling + 意图路由，SSE 流式响应
- Milvus + BM25 + CrossEncoder Reranker 混合 RAG 管道
- SQL Agent + 动态 Tool Registry + 多角色六级权限体系
- Prometheus + Grafana 全链路可观测性，Redis 双层记忆系统
2025.07 — 至今
多模态城市内涝数据挖掘与制图
硕士研究课题。设计多模态洪涝信息检索与严重程度识别框架，应用于洪水范围精确制图。论文在投《International Journal of Applied Earth Observation and Geoinformation》（SCI, JCR Q1）。
- 融合 BERT 全量微调文本分支 + CLIP 基于 PEFT/LoRA 微调图像分支（兼顾显存效率与跨模态对齐），洪涝 f1 96%，程度分类 f1 79%，较基线提升 5% 和 8%
- Bi-LSTM-CRF NER 提取 POI 位置信息，f1 87%
- Zero-shot 建设数据集后 finetune，跨城市泛化能力优秀
2024.03 — 2025.03
04. 联系我
保持联系
我目前正在寻找新的机会，欢迎感兴趣的团队或个人与我联系。 无论是 NLP、RAG、AI Agent 相关项目还是全职职位，我都很乐意交流。