王鸿 · 苏州大学人工智能硕士 / 2027 届
聚焦 Agent Runtime、Multi-Agent 工作流与大模型应用真实落地的开发者
个人信息
- 姓名：王鸿
- 求职方向：大模型应用 / Agent 工程
- 在线主页：https://wh5233.me
- 邮箱：wh_5233@163.com
- GitHub：https://github.com/wanghong5233
教育背景
- 苏州大学（211） / 人工智能 / 硕士，2024.09 – 2027.06
- 武汉科技大学 / 软件工程 / 本科，2019.09 – 2024.06
- 研究方向：边缘智能、多智能体强化学习、大模型应用与 Agent 系统工程
核心技术栈
- 工程交付：Python、TypeScript、Node.js、FastAPI、PostgreSQL、Redis、Docker、Serverless、WebSocket / SSE
- Agent 系统：Multi-Agent、LangGraph、Agent Runtime、Workflow Orchestration、Tool Calling、LLM Structured Output
- RAG / 检索：RAG、Hybrid Search（BM25 + Vector）、Embedding、Cross-Encoder Rerank、pgvector
- 后训练与评估：QLoRA、SFT、DPO、LLM-as-a-Judge
工作经历
-
上海启湾智驰科技有限公司 — AI全栈工程师（实习）
负责AI漫剧剧本解析服务从全栈原型到独立服务的设计迭代及其主站报告、证据定位、剧本Agent写回链路联调；独立交付小说选材推荐、小说改编剧本和制片工作台节点画布。相关功能均通过验收并接入主站，按真实业务反馈持续迭代。
- Python
- TypeScript
- FastAPI
- PostgreSQL
- Redis
- Serverless
- LobeHub
- LLM Workflow
- Tool Calling
- 剧本Agent应用闭环 ： 复用既有LobeHub Agent Host，接入剧本领域人格、分析报告、原文证据、参考素材与编辑器工具，打通“报告追问—证据核查—生成改写—Diff审阅”；将工具完成拆为回执、页面副作用与用户审阅三层，通过选区重解析、替换计数和前后状态校验拒绝零替换、旧节点与无变化结果，避免模型自述冒充完成。
- Agent上下文与编排 ： 按模型窗口在全文、章节索引与场次索引间动态切换，超长剧本按锚点精读；将参考素材检索的查询构造、多路召回、LLM重排、不完整结果整体回退和证据读取封装为固定Workflow，Agent只决定调用时机与创作意图，降低自由拼接底层工具造成的路径与参数漂移。
- 长文本解析LLM Workflow ： 将完成性拆为“读全、写完、覆盖算对、SLA内跑完”，按任务组合全文与分层Map-Reduce，并以动态输出预算、窗口二分、缺口补读和整本覆盖门禁拦截静默截断；34.5万字连续选段的事件抽取墙钟由6962秒降至约60秒，所有文本窗口均有明确结果，截断与覆盖缺口不再计为成功。
- LLM结果治理 ： 构建可解释的剧本高光候选算法，将高光识别拆为目标达成、观众情绪、观众悬疑三条曲线与高表现内容邻域四类信号；LLM负责闭集分类、固定槽位填充与离散事件抽取，代码负责状态归约、峰谷提取和按场次/投流窗口融合，在无真实标签时不构造统一高光分；通过重复运行、固定Bad Case、人工Gold锚点与原文证据分轴验证稳定性和正确性，使候选可解释、可定位、可回归。
- 异步任务与可靠执行 ： 针对分钟级LLM分析易受HTTP超时和函数实例退出中断，将任务状态持久化至PostgreSQL，API受理后异步触发Serverless Worker；通过原子领取、租约、有限重试、取消和修复触发恢复执行，并以受控替换与并发锁承接at-least-once语义，使请求即时返回，任务进度与失败可查询。
- 小说选材、改编剧本与制片闭环 ： 完成“小说选材—改编剧本—制片画布”业务链路：以全覆盖画像及相关性与供给信号分离支撑多路召回排序；以可追溯事件账本、沿时间轴保留与吸收、冻结跨集边界生成竖屏剧本；画布从真实生成任务恢复角色、场景、道具到Shot的依赖，实现多来源素材组合、批量分镜视频生成与Shot-to-Shot续接。
项目经历
Corvia Fit — Shopify 服饰合身顾问
- 时间：2026.07 – 至今
- 角色：独立开发者 / AI 全栈工程师
- 技术：TypeScript、React Router、Prisma、PostgreSQL、Shopify Theme Extension、LLM API
- 描述：在商品页提供 Fit Finder，根据确认尺码表确定性选码，并结合真实买家评论解释合身依据，支持一键加购。
- 关键工作：完成选码引擎、评论信号管线、SKU 校准飞轮、商家后台、店面组件、Billing、GDPR 与生产部署。
- 结果：完整演示路径覆盖确定性选码、评论证据与回流校准；2026-08-04 已上架 Shopify App Store（Limited）。
- 链接：App Store · 详情：/projects/corvia-fit
RivalLens — 多 Agent 竞品分析平台
- 时间：2026.05 – 2026.06
- 角色：队长 / Agent 全栈工程师（3 人团队）
- 技术：Python、FastAPI、LangGraph、React、PostgreSQL、Docker、SSE
- 描述：字节跳动 AI 全栈项目挑战作品，将自然语言需求转成竞品发现、证据采集、分析、写作与质量审查任务。
- 关键工作：主导多 Agent 编排、结构化协议、检索与证据链、Run API / SSE、Trace DAG 和端到端部署。
- 结果：公开 Demo 可走通调研全链路与证据回看；从约 60 支队伍中入围 30 强答辩。
- 详情：/projects/rivallens
Pulse — 通用个人智能助手
- 时间：2026.03 – 2026.05
- 角色：独立开发者 / Agent 全栈工程师
- 技术：Python、FastAPI、asyncio、PostgreSQL、Agent Runtime、ReAct、MCP、Patchright、WebSocket / SSE
- 描述：个人 Agent Runtime 实验项目，底层分为 Agent OS、Task Runtime、Memory Runtime，支持长期任务调度、恢复和多渠道交互。
- 关键工作：实现 Heartbeat、任务抽象、模块自注册、安全门控、Checkpoint / Resume、长期记忆；在此基础上落地求职自动化与技术雷达。
- 结果：系统在个人真实求职中持续运行；求职模块覆盖 BOSS 直聘、猎聘、智联招聘、实习僧等平台，单平台日均自动触达 50+ 位 HR。
- 详情：/projects/pulse
ScholarMind — 面向学术研究的 AI 助手平台
- 时间：2025.07 – 2026.03
- 角色：独立开发者 / Agent 算法工程师
- 技术：FastAPI、PostgreSQL、RAG、Multi-Agent、ReAct、Hybrid Search、Cross-Encoder
- 描述：面向学术研究的 AI 辅助平台，重点处理文献调研、引用可信和 LaTeX 长文档编辑。
- 关键工作：构建学术 RAG 与引用溯源能力；实现 DeepResearch 多智能体研究工作流和 Doc Studio 编辑 Agent。
- 结果：DeepResearch 支持本地知识库与学术网络双源检索联合推理，Doc Studio 支持 LaTeX 长文档语义定位、精确改写、编译校验、Diff 对比与审批回滚。
- 详情：/projects/scholarmind
科研经历
- Safe Multi-Agent Deep Reinforcement Learning for Privacy-Aware Edge-Device Collaborative DNN Inference，IEEE Transactions on Vehicular Technology，vol. 75, no. 8, pp. 17725-17739, Aug. 2026，DOI: 10.1109/TVT.2026.3670497（中科院二区 Top / IF 7.1）
- Privacy-Aware Joint DNN Model Deployment and Partitioning Optimization for Collaborative Edge Inference Services，IEEE Transactions on Services Computing，2025（CCF-A / IF 5.8）
- Graph-Enhanced Deep Reinforcement Learning for Share-Aware Multi-Task DNN Inference in Low-Altitude Intelligent Service Networks，IEEE Transactions on Services Computing，Under Review，2026（CCF-A / IF 5.8）
证书与其他
- 软件设计师（中级），2021.11
- CET-6，526 分，具备英文文献检索与技术资料阅读能力