刘子辰

项目介绍

技术栈

项目亮点

• 基于 LangGraph 构建 Agentic RAG 智能决策流程，支持多轮意图澄清、知识库调用与联网搜索，并引入 Self-RAG 自反思机制
• 首创从骨架规划到逐页扩写的 PPT 生成机制，结合 Celery 异步队列完成版式规划与图像生成，长耗时生成任务可用性达到 98.5%
• 设计混合检索与 LightRAG 知识图谱增强方案，融合 BM25 与向量召回，经 RRF 融合与 Rerank 精排，实现多知识库联合检索、课程脉络梳理与教学知识结构化管理，Top-5 准确率达到 96.3%

业绩

• 获得第17届中国大学生服务外包创新创业大赛国家二等奖
• 知识检索 Top-5 准确率达到 96.3%，长耗时生成任务可用性达到 98.5%

项目介绍

技术栈

项目亮点

• 基于 Agent Swarm 设计多智能体协作架构，由 LeadAgent 完成意图识别、复杂度判断与任务拆解，简单问题走单 Agent 快速路径，复杂问题启动 Swarm 并行协作
• 构建 Skills-Agent 两层解耦体系，集成医学知识检索、联网搜索与数据库操作等 53 项 Skills，覆盖咨询、诊断、研究及预约、病历、化验、处方等医疗业务场景
• 基于 Qwen3.5-9B-Instruct 采用 SFT + GSPO 两阶段训练，设计 LLM Judge、MedEmbed 与 Format Reward 多维复合奖励，模型综合得分由 0.58 提升至 0.78
• 基于 ReAct 实现 Agent Loop 工具调用循环，结合双层记忆、上下文压缩与 Harness Engineering 运行时约束，降低模型幻觉并提升合规输出

业绩

• 系统覆盖 10+ 医疗健康场景，收录 300+ 常见疾病与临床指南知识，综合问答准确率较单 Agent 方案提升 22%
• 智能路由准确率达到 95%，多轮对话上下文理解准确率达到 92%+，医学专业人员盲评综合评分达到 4.5/5

项目介绍

技术栈

项目亮点

• 构建像素级质量评估器 MQM（Matting Quality Monitor），融合 RGB、Alpha Matte 与前景分割先验，实现发丝、人体轮廓等困难区域的逐像素错误定位
• 设计弱监督质量标签生成策略，并采用 Focal Loss + Dice Loss 联合优化，强化困难错误像素学习与局部边界结构感知能力
• 设计 Online Guidance + Adaptive Quality Weighting 在线指导机制，将 MQM 错误概率图转化为动态训练约束，对高风险区域施加更强纠错信号并反向优化主干模型

业绩

• MQM 在多种视频抠图骨干上均取得稳定增益，MAD 平均降低 6.7%，相关稿件和消融实验进一步完善中

项目介绍

技术栈

项目亮点

• 利用分布式爬虫采集'寻医问药网'6,000+ 疾病条目，整合 Hugging Face 开源医疗问答数据集，构建标准化训练语料
• 实现基于 Neo4j 的千万级三元组存储与索引优化，开发 RESTful API 与 Vue 可视化前端，支持实体检索、关系检索与智能对话
• 优化 BERT-BiLSTM-CRF 架构，中文医疗实体识别 F1-score 达到 94.44%；采用基于 BERT 的分类模型完成关系抽取，F1-score 达到 94.28%

业绩

• 相比通用大模型，回答准确率提高3.70%，幻觉率同比下降4.15%
• 医疗实体识别 F1-score 达到 94.44%，医疗关系抽取 F1-score 达到 94.28%

项目介绍

技术栈

项目亮点

• 使用 Redis 缓存商铺信息，并针对不同缓存设置差异化过期时间，降低缓存雪崩风险，支持万级用户同时在线访问
• 基于 JWT 实现用户登录与权限控制，区分 C 端用户与商家端管理员角色，保证接口访问安全
• 集成 WebSocket 实现双向通信，在催单场景下向商家客户端实时推送语音播报，将接单响应时间缩短至秒级

业绩

• 在校园内部试运行 3 个月，累计服务 2000+ 名学生，订单成交量超过 500 单