LLM 应用与 Prompt 工程：具备 Prompt 版本管理、自动化评测和负样本优化经验，熟练使用 Pydantic Schema、JSON Mode 等方式约束结构化输出；了解多模型动态路由、Token 分级控制和请求级降级。
RAG 与多模态检索：熟悉文档切片、Embedding、HNSW、混合检索、Metadata 过滤、Cross-Encoder Rerank 和权重调优等完整链路，具备文本、图片、视频统一检索及素材增强实践。
Agent 与工作流编排：掌握 Function Calling / Tool Use、ReAct 推理、工具注册、意图拆解和工具结果回注；熟悉 LangGraph / LangChain 的工作流、SubGraph、Checkpointer 和 SSE 流式输出，关注 Memory、Skill、MCP、沙箱和 Agent 评测等运行时治理能力。
模型推理与交互性能：了解 Prefix Caching、KV Cache 等机制，具备 TTFT 优化、RAG 上下文整理、流式响应和模型资源优先级调度经验；能够使用 ReadableStream + SSE、Markdown 实时解析构建 AI 对话界面和 Agent 工作流可视化。
全栈交付与基础设施：熟悉 Python、FastAPI、asyncio、Pydantic，以及 Next.js、React、Vue、TypeScript、JavaScript；熟悉 PostgreSQL、向量数据库、Docker、Linux 运维和 Git 工作流，可独立完成 AI 应用从后端接口到前端页面的交付。
向以下项目提交过代码（PR 已合并）：
- hermes-agent（~235k Stars）
- PR-Agent（~12k Stars）
- fastclaw（~1.3k Stars）
- learn-agents-from-opencode（~470 Stars）
- Takin（~1.3k Stars）
- 求职方向：AI 应用开发工程师
- 邮箱：1848505943@qq.com
- 欢迎在 Issue / Discussion 里交流 Agent 与 RAG 的工程问题