!bg张启航 - Agent 开发工程师

共青团员 ｜ 138-6620-7531 ｜zhangqihang@zju.edu.cn ｜ github.com/qihang-agent

!c教育!c背景

• 曾获奖项：国家奖学金；全国大学生数学建模竞赛一等奖；CCF CSP 认证（400+）；开源 Agent 框架 AgentLite 作者（GitHub 2.1k Star）
• 校园经历：担任校计算机协会技术部部长，组织 3 届校内 Hackathon；华为软件精英挑战赛全国八强

!c实习!c经历

负责模块：豆包深思考模式任务编排引擎 LangGraph Function Calling MCP协议 Agent评测

基于多智能体协作框架重构复杂任务的规划执行链路，为豆包亿级用户的深度问答场景提供稳定高可用的 Agent 推理服务。

• 设计ReAct 与反思（Reflection）混合决策架构，抑制长链路任务执行漂移问题，多步骤复杂任务成功率从 72% 提升至 89%
• 基于 MCP 协议统一 40+ 内部工具的注册、鉴权与调用规范，解决工具接入碎片化问题，新工具接入周期从 3 天缩短至 2 小时
• 构建分层记忆机制（工作记忆 + 长期向量记忆），压缩多轮对话冗余上下文，Token 消耗下降 35%，端到端响应时延降低 28%
• 搭建轨迹回放 + LLM-as-Judge 自动化评测体系，覆盖 500+ 真实场景用例，Agent 版本迭代回归效率提升 4 倍

负责模块：腾讯元宝深度搜索 Agent 检索增强链路 多智能体 RAG Prompt工程 向量检索

通过“规划-执行-校验”三段式多智能体架构优化复杂问题的求解链路，为元宝 App 搜索场景提供高质量的生成式问答服务。

• 主导多 Agent 任务分解架构落地，将复杂问题拆解为可并行的子任务树，解决单 Agent 上下文过载问题，深度问答用户满意度提升 21%
• 采用查询改写与混合检索策略（BM25 + 向量召回 + 重排序），解决口语化 Query 召回偏移问题，Top-5 检索精准率提升至 91%
• 实现工具沙箱与降级重试机制，隔离异常工具调用对主链路的影响，线上工具调用失败率从 8.3% 降至 1.5%
• 沉淀 Prompt 版本管理与灰度 AB 实验框架，支撑 12 个策略两周内完成上线验证，实验迭代周期缩短 60%

!c科研与!c项目经历

项目描述：面向中小团队的开源多智能体编排框架，提供角色定义、任务编排、工具热插拔与执行轨迹可视化等核心能力。

• 设计声明式 Agent 编排 DSL，以 YAML 描述多智能体拓扑与消息路由，10 行代码即可跑通官方示例，显著降低多智能体系统搭建门槛
• 基于 Pydantic 实现工具热插拔与 Schema 自动生成，自动提取函数签名产出 Function Calling 描述，单个工具接入开发成本降低 70%
• 内置 Token 级轨迹追踪与回放面板，支持逐步调试 Agent 决策过程，已被 3 个企业内部项目接入使用
• 项目开源后获 GitHub 2.1k Star、120+ Fork，主导 Review 并合并 30+ 社区 PR

!c技能证书与!c其他

• Agent 技术：深入理解 ReAct、Plan-and-Execute、多智能体协作等架构范式，熟悉 Function Calling、MCP 协议及 LangGraph、AutoGen 等主流框架
• 编程语言：熟练掌握 Python（FastAPI、Pydantic、AsyncIO）；掌握 Go 语言基础；了解 TypeScript/Node.js
• RAG 与数据：熟悉 Milvus、FAISS 等向量数据库与 Embedding、重排序模型调优，具备检索链路全栈优化经验
• 工程素养：熟悉 Docker/K8s 容器化部署、Kafka 消息队列与 Prometheus 监控；英语 CET-6，可流畅阅读英文论文与技术文档