OPEN TO OPPORTUNITIES

AI AGENT PRACTICE · ENGINEERING BACKGROUND

把工程项目经验，带进 AI Agent 的真实实践。

我有工程商务、海外项目和跨文化协作背景，目前重点探索 AI Agent 与 AI 产品方向。正在通过本地个人知识库、Router、Embedding 检索和 Hermes Runtime 源码学习，把工具使用经验转化为对 Agent 调用链、上下文系统与产品边界的实际理解。

查看实践项目了解经历与能力
查看项目证据

SELECTED PRACTICE

从工具使用，走向可运行、可解释的 Agent 实践

每项内容都区分已经跑通的证据、当前理解与尚未完成的部分。

01

MILESTONE COMPLETE / EVOLVING

Personal Knowledge RAG

从本地 Markdown 知识库到可评估的最小 RAG 闭环

MarkdownLLM RouterBGE EmbeddingEvaluation

目标

通过元数据路由、本地 Embedding、向量召回和 Tool Result 回传，验证一条可运行、可评估且尊重隐私边界的最小 RAG 链路。

实际链路

用户问题Router本地正文Tool ResultAgent 回答

实际行动

  • 为 Markdown 文档维护稳定 ID、状态、敏感级别与权威来源
  • 跑通人工路由、DeepSeek LLM Router、正文读取和 Hermes Tool Result 回传
  • 使用本地 BGE 模型完成标题分块、Embedding、余弦相似度与 top-k 检索
18固定查询
15/16Hit@3 基线
0敏感与非当前资料进入普通索引

当前结果与边界

最小 RAG 学习闭环和统一评估已经完成；2026-07-30 运行快照为 17 份普通文档、121 个文本块。它仍是学习型原型，尚无持久化索引、重排、独立回答服务或浏览器实时 Embedding。

查看 Case Study
02

SOURCE-GUIDED / IN PROGRESS

Agent Runtime Learning

从会使用工具，推进到理解 Agent 的执行闭环

HermesTool CallRuntimePython

目标

结合最小练习和真实 Hermes 源码，理解模型决策、Runtime 执行、工具分发与消息历史之间的关系。

实际链路

Tool SchemaTool CallRuntimeregistryhandlerTool Result模型

实际行动

  • 跑通 Tool Call、函数执行、Tool Result 回填与最终回答的最小练习
  • 修复 assistant Tool Call 消息未写回 history 导致的真实消息链错误
  • 对照 Hermes 源码核验 Tool Executor、Runtime、registry 与 handler 主线

当前结果与边界

已能在提示和源码辅助下解释执行到 handler 的主线；Tool Result 在 Hermes 内如何包装、写入消息历史并触发模型下一轮请求仍在追踪，尚未独立实现完整 Runtime。

03

PUBLIC / EVOLVING

personal-site

AI 辅助完成的个人作品集与前端实践入口

Next.jsReactTypeScriptCloudflare Pages

目标

用一个真实上线的网站学习前端、部署与 AI 辅助开发，并把转型进度整理成可核对的公开证据。

实际行动

  • 逐步扩展 React 组件，并理解数据、组件、样式与静态构建的关系
  • 定位 Cloudflare Pages 构建失败，补充 output: export 完成静态部署
  • 撤回价值不足的双模式设计，改用目标、行动、结果与边界组织项目内容

当前结果与边界

网站已通过 Next.js 静态导出并部署到 Cloudflare Pages。大部分代码由 AI 完成；我负责个人内容、方向取舍、结果核验与持续调整，尚未验证能够独立从零实现完整网站。

GitHub Live site
04

EXPERIMENT ARCHIVE

Agent Automation Experiments

用真实任务观察定时触发、搜索工具与角色设定

HermesCronTavilyAgent Tools

目标

从资讯获取和长期会话等任务出发，观察 Cron、Tool、Prompt、Personality 与 Memory 如何共同影响 Agent。

实际链路

HermesCronTavilyAI 资讯推送

实际行动

  • 使用 Hermes 创建 Cron 任务并接入 Tavily 搜索
  • 实践 personality、系统提示词与底层 soul 对会话风格的影响
  • 接触 Claude Code、Codex、Hermes、OpenClaw 与 AstrBot 等不同 Agent 入口

当前结果与边界

这些实验形成了后续学习 Tool、Memory 与 Runtime 的问题来源；资讯任务是否仍在持续运行尚未重新核验，因此不把它描述为当前稳定服务。

EXPERIENCE

从工程项目到 AI Agent，迁移的是解决问题的能力

技术路径正在建立，项目推进、沟通协作与现实判断来自过去的真实工作。

2024 — 2025

海外项目经历 · 沙特

中国港湾

参与海外项目的现场与商务协作，以英语和供应商沟通，在跨文化、信息不完整和现场条件变化的环境中对齐需求并推进问题解决。

2023 — 2024

工程商务管理

中交二航局第一工程有限公司

参与项目商务、成本与资源协调，接触从需求、协作到交付的复杂流程，形成对现实约束、责任边界和推进节奏的第一手理解。

NOW

AI Agent 学习与实践

Independent

围绕个人上下文、Agent 工具与 AI 辅助开发持续动手，使用多种 Agent 工具验证想法、记录问题并补齐编程基础，寻找 AI Agent 落地或 AI 产品方向的机会。

ABOUT

不是从零重来，
而是换一个方向继续积累。

我原本从事工程商务与项目管理，也在沙特项目现场工作过。那段经历让我习惯面对具体的人、有限的资源和不断变化的条件，并对沟通、成本、协作与交付之间的关系保持敏感。

转向 AI 后，我先从 Agent 工具使用入手，随后开始拆解 Tool Call、Runtime、Router、检索与 Context Injection。现在已经通过本地知识库、LLM Router、Embedding 检索和 Hermes 源码阅读，形成了一组可运行、可核验的实践。

这些项目大多在 AI 辅助下完成。我目前能够结合代码与运行结果解释主要数据流、判断部分方案并检查边界，但尚未独立设计完整 Agent Runtime 或 RAG 系统；希望在真实团队和需求中继续补齐工程与产品能力。

现实约束

习惯从人、资源、时间与现场条件出发，而不是只讨论理想方案。

协作推进

能在跨文化和信息不完整的环境里对齐需求、沟通分歧并继续推进。

证据校准

区分 AI 辅助跑通、能够解释、能够修改与独立实现，不用结果替代理解。

HOW I WORK

比技能列表更重要的，是如何形成可靠判断

01

从真实问题开始

先用具体任务暴露问题，再补充需要的理论。比起收集概念，我更关心方案能否运行、解决什么，以及没有解决什么。

02

用运行结果校准理解

不把代码存在、流程跑通或能够复述直接等同于掌握；通过源码、日志、失败案例与构建结果交叉检查判断。

03

明确能力与系统边界

区分 AI 辅助跑通、能够解释、能够修改与独立实现，也区分模型判断、Runtime 执行、检索效果和权限约束。

CURRENT FOCUS

当前推进的是三项可以被验证的下一步

不以笼统的“持续学习”代替进度，而是明确下一次需要得到什么证据。

01

建立检索评估基线

核对固定查询、预期权威文档和禁止召回项，记录正确块排名、top-k 误召回与敏感边界，再判断是否需要关键词对照或候选重排。

EVALUATION · RETRIEVAL · BOUNDARY

02

补完 Hermes Tool Result 链路

继续追踪 handler 返回值如何被包装、写入消息历史并触发模型再次请求，完成对 Schema 到模型再次决策这条 Run Loop 主线的源码核验。

RUNTIME · TOOL RESULT · RUN LOOP

03

面向岗位整理能力证据

重点探索深圳、其次广州的 AI Agent 与 AI 产品岗位，把工程协作经验、Agent 实践证据和仍需补齐的基础准确对应到真实岗位要求。

CAREER · PRODUCT · DELIVERY

OFF THE CLOCK

工作之外，也要留一点纯粹的喜欢

游戏是我观察世界、美术、叙事和产品体验的另一种方式——当然，更多时候只是因为好玩。

鸣潮异环明日方舟：终末地原神

CONTACT

如果你在寻找能面对现实约束、推进协作，也愿意持续补齐技术基础的转型者，欢迎联系我。

我重点探索深圳、其次广州的 AI Agent 落地、AI 产品或相关协作岗位，也欢迎交流工程项目、海外经历、知识库检索与 Agent Runtime 学习实践。

发送邮件GitHub ↗