我是邹明琪

经营看板：打通订单、用户信息等多源数据并统一产品线口径，搭建经营看板及查询 Bot，支持经营表现与客户结构等数据的日常分析。

工具识别：从原始请求日志中提取 system prompt、User-Agent、metadata 等多源证据，建立分级归因规则，覆盖 40+ 类 Coding/Agent 工具；设计「未知流量指纹化→聚类发现→真实流量验证→规则入库」闭环沉淀，持续审计清理失效规则。

意图识别小模型：拆解多协议嵌套结构并构建意图体系；通过双裁判标注、仲裁与防泄漏切分建成 2 万条金标数据；训练评测 RoBERTa / Qwen3.5 2B/4B/9B LoRA 模型，基于混淆矩阵逐类补样，准确率达 85.8%。

一键接入 cli：搭建覆盖 12 类 Coding 工具、9 类套餐场景的一键接入能力，支持安装、配置、诊断、修复、卸载与回滚。

文档生产与自更新 MCP：开发端点验证、配置校验与文档生成流程，建立自动巡检，使单篇文档耗时由 30min 降至 3min。

Agent Runtime 与工具接入：针对跨系统长任务执行不稳定、超时误判引发重复执行的问题，设计入口秒回、可靠队列投递和幂等兜底的执行链路，前台超时转为后台异步回传，降低重复执行风险。

跨会话记忆机制：划分用户记忆与群组记忆，确立群聊不注入私聊的边界。设计事件驱动抽取、周期合并压缩和策略提炼的机制，支持关键信息跨 session 复用，并隔离失败对话避免错误习惯沉淀。

链路可观测性与修 Bug：针对超时、工具空转、空回复等静默失败，接入 Langfuse 追踪模型响应、工具调用与异常链路，基于 Trace 定位上下文注入异常等问题，形成排查到修复的闭环。

多跳检索与回答体验优化：针对跨文档召回不完整问题，进行 Self-RAG/CRAG 有界迭代、多路召回和 RRF 融合，以双视角重排替代原精排方案；Context Precision 提升 24.9%，Recall 提升 25.2%，精排速度提升 5-6 倍。

长对话与记忆架构：基于 LightRAG 构建高校实体关系图谱，设计工作、情节和语义三层记忆及事件驱动写入和冲突检测，缓解长对话断裂，整体 F1 达 0.84，跨校场景 F1 达 0.78，Answer Relevancy 提升 14.4%。

知识底座：搭建文档上传、解析、实体关系抽取到知识图谱构建的完整链路。

混合检索：引入知识图谱、向量检索与关键词召回相结合的方案，设计诊断结果与证据链展示，提升召回稳定性。