李林韦LI LINWEI

参与大模型应用与 Agent 方向的工程实践，围绕浏览器自动化 Agent 与 SDD 规范驱动开发两个项目落地 AI 能力。

• 浏览器自动化 Agent：针对工作场景中的网页操作搭建浏览器自动化 Agent，支持通过自然语言任务描述驱动浏览器完成登录认证、页面导航、数据采集、文件下载等复杂网页操作，实现「任务输入 → 页面状态获取 → Action 决策 → 执行结果反馈」的闭环执行。
• 页面状态结构化：通过 CDP 并行拉取 DOM 快照、无障碍树与绘制顺序信息，提取可交互元素并生成带索引的结构化页面状态，替代原始 HTML 注入，降低大模型输入 token 与决策噪声。
• 分层记忆管理：动作结果按错误、长期记忆、单步可见内容三类分区注入上下文，避免上下文噪声累积。
• 工作流 Skill 封装：「多网元告警 Skill」针对多类型网元自动完成告警数据获取、历史告警对比、异常分析、报告生成与定时邮件发送，每次巡检节约 0.25 人天；「自动日志收集 Skill」实现运行日志与服务日志自动采集。
• SDD 规范驱动开发：针对模块 UI 改版与数据库架构升级需求，引入 SDD（Spec-Driven Development）规范驱动开发模式实现 AI 辅助开发流程，以 Spec 约束 AI 代码生成，完成 UI 组件化重绘与数据库三层架构重构，重构周期缩短约 60%。

基于 Spring AI 与 RAG 技术构建智能面试平台，提供简历解析、模拟面试与专业知识问答功能。

• 集成 Spring AI 框架统一大模型调用，实现简历智能评分与分析；封装 StructOutput 统一处理结构化输出与解析失败重试，支持重试次数设置与错误注入，提升大模型调用可靠性。
• 设计基于 Skills 的动态出题机制，将不同技术方向独立封装为按需调用的 Skill 组件，通过多 Skill 并行调度实现复杂面试任务的精细化编排，提升灵活性与可扩展性。
• 实现基于 PostgreSQL + pgvector 的 RAG 检索增强系统，支持用户上传文档作为私有知识库，实现文档向量化与语义相似度高效检索，提供精准的专业知识问答服务。

引入自注意力机制的序列推荐模型，不依赖 RNN/CNN，自适应关注与当前预测最相关的历史交互，有效建模用户行为序列中的短期与长期依赖。

• 基于 PyTorch 实现多层自注意力模块，完成对用户行为序列的建模与特征提取。
• 模型对完整用户行为序列进行自适应建模，核心推荐指标 Hit@10 平均提升 6.9%；利用自注意力结构的并行性，大幅提高训练效率。