邓泽霖

邓泽霖.

>
Coding Agent Multi-Agent 编排 Agent Safety Agentic RAG 评测与质量门禁
188-4617-4594 2597419838@qq.com
5h → 2h单需求理解耗时
0 → 50%生成代码占比
12% → 7%缺陷逃逸率
20+ 人团队日常服务
// 01 · PROFILE

个人优势

AI 应用工程师(Agent 方向)· 1 年生产级 Agent 落地 · 4 年滴滴营销中台底座
· 产研提效:主导团队级 SDD 产研工作流平台,服务 20+ 人日常研发
· 业务落地:智能文案 push 点击率翻倍,批量创建配置 4.09→2.6 分钟/活动
· 个人系统:独立实现 Manager_Agent(Multi-Agent 编排)与 Code_Assistant(安全 Coding Agent)
· 职业素养:两度从 0 到 1 主动发起(营销中台 / SDD 平台);线下 / 线上缺陷长期低位(中台 18 个月+ 仅 2 起低危 bug);多次获团队成员好评
核心能力:Agent Safety · HITL 人机协同 · Agentic RAG · 判卷式评测门禁

// 02 · SKILLS

专业技能

编程语言
TypeScript(主) · Python · Bash
Agent 工程
LangGraph(状态机 / Checkpoint / HITL · 2 套完整系统落地) · Supervisor / Plan-Execute / ReAct · Multi-Agent 编排 · Self-Evolution · Prompt 工程(宪法 / 门禁 / few-shot 注入 / 业务合规红线)
Agent 安全与工具链
Docker 沙箱 · 写盘守卫 / sha256 乐观锁 · 权限控制 · Claude Code Skill · Sub-agent · MCP 工具生态
RAG & 知识工程
代码知识图谱 · 倒排索引 + 向量混合召回 · Citation Grounding(file:line) · AST · 增量索引
评测 Evals 与质量门禁
Golden Set · Smoke / Regression · 金丝雀 A/B · 线上 AB 实验 · 失败归因分析
前端工程(4 年主业)
React + TypeScript · Server-Driven UI · Schema-as-Code · Plugin Architecture · Serverless BFF
了解
Transformer / Attention · LLM 成本与延迟优化
// 03 · EXPERIENCE

工作经历

滴滴出行 · 国际化事业部高级前端工程师(AI 工程化) 2022.06 — 至今

2026 起 All-in LLM 工程化:主导团队级 SDD 平台(需求 → 上线端到端 Agentic 工作流)从 0 到 1 落地,打通 AI 工具与研发流程;并在长期主导的国际化营销中台(Server-Driven UI + 权益组件库)上落地智能文案、批量创建 Agent 两个生产级 AI 需求。连续 2 年 A 绩效

// 04 · PROJECTS

项目经历

PROJECT — 01

Spec-Driven Development Platform — 端到端 AI 产研工作流平台

公司团队项目 · 整体主导
Multi-Agent·Plugin 架构·Hook 门禁·Agentic RAG·Citation Grounding·MCP·Evals

痛点与定位:对话式 AI 编码仅能提效单点,且自然语言提示对 AI 无硬约束、产出不可审计。主导设计并自研团队级 SDD 平台,以 Spec 为可追溯工程中间产物,把「聊天写代码」重构为需求 → 设计 → 计划 → 编码 → 测试 → 审查 → 上线的端到端可审计闭环,实现「人定规范、AI 执行」的权责升级。

  • 端到端五阶段流水线 + 红灯门禁 — 13 条原子命令 · 4 道红灯:ARD 需求分析 → Design 技术方案 → Plan 任务拆解 → Test 测试保障 → CR 代码审查全链路贯通(FEATURE 自动模式);Hook 红灯逐阶段硬校验 + 三态判定门禁(通过 / 关注 / 失败),发布等节点保留人工审批,产物全量落盘、可审查可回滚。
  • 六层约束工程质量体系 — 构建「契约化 / 门禁化 / 证据化」质量体系:契约层全局规则宪法 + ADR 决策记录、流程层计划门禁 + 占位符拦截、运行时层 Stop-hook 自修正、评审层子智能体隔离审查(仅输入 spec + diff)、判定层三证据硬绑定(测试 / 覆盖率 / 违规数,缺一即阻断);引入反表演协议——未跑测试不得声称完成。
  • Plugin 化多 Agent 架构 — Commands / Agents / Skills / Orchestration 四层解耦:3 个隔离上下文 Sub-agent + 16 个可插拔 Skill 模块 + 零运行时编排(状态即文件、调度即读盘、autopilot 自修正循环),编排即确定性;规划「单体 Skill → Plugin → 多 Agent 协同」三阶段演进。
  • Agentic RAG 知识底座 + 观测治理 — 历史代码 / PRD / 跨层契约抽取为 6 类标准化知识(确定性 40% → 85%+),代码知识图谱 + 倒排索引按需检索;每条 LLM 事实附 file:line 引用、源码 Read 后才写入,机制性压制幻觉;eval 四维评分 + 三段式度量(事前预测 / 事中监控 / 事后复盘)+ Token 成本监控,驱动规则月度迭代。
IMPACT 单需求理解耗时 5h → 2h · 生成代码占比 0 → 50% · 缺陷逃逸率 12% → 7% · 测试覆盖率 34% → 65% · 服务 20+ 人团队日常研发,沉淀为公司级标准化 AI 开发链路;演进反思:验证了「确定性留给编排、智能留给节点」的取舍——状态即文件、零运行时编排是全链路可审计的根基
PROJECT — 02

AI 营销智能化 — 智能文案 & 批量创建 Agent · 营销中台 AI 化

滴滴出行 · 公司项目 · 前端 Owner(AI 工程化)
LLM 应用·对话式 AI 组件·Prompt 模板与合规·RAG 知识库·HITL·线上 AB 实验

场景:营销文案长期使用默认模板、批量配置依赖 Excel 硬编码模板(规则稍变即需产研发版)。作为前端 Owner 在长期主导的营销中台上落地两个生产级业务 AI 需求,覆盖「生成 → 校验 → 应用 → 实验」全链路。

  • 对话式智能文案组件 — AB 最优组 push 点击率翻倍:悬浮球 + 多轮对话嵌入配置流,「国家 + 场景」Prompt 模板预生成 3 套 × 3 条压缩等待、一键回填;文案与活动触发条件不匹配时前端阻断,按国家违禁词库过滤;司机时长 / GMV 等约束指标无负向。
  • 批量创建 Agent 工程化 — 单活动配置 4.09 → 2.6 分钟:Google Sheet 上传 → 数据清洗 → LLM 语义映射(不规范表头 → 标准字段)→ 知识库参数补全(按活动类型 / 国家 / 玩法沉淀)→ 影子校验 → 人工预览确认的批量流水线,替代「上传-报错-返工」循环。
  • 业务 Agent 安全红线 — 数字 / ID / 金额 100% 源于输入或私有知识库、不足即置空提醒(禁止编造),映射结果回显并标注依据;HITL「预览-确认」+ 奖励系统硬校验双层兜底,保障营销资金安全。
IMPACT AB 最优组 push 点击率翻倍 · 配置 4.09 → 2.6 分钟/活动
PROJECT — 03

个人 AI 系统实践 — Multi-Agent 编排调度 & 安全 Coding Agent

个人项目 · 独立设计开发
LangGraph·Supervisor / ReAct·HITL·Self-Evolution·Agent Safety·Docker 沙箱

定位:独立设计实现 Manager_Agent(Multi-Agent 编排调度)与 Code_Assistant(安全可控 Coding Agent)两套互补系统。

  • 编排与执行分离 — Supervisor 专注意图路由 / 任务规划 / 结果汇总,38 节点条件分支状态机支持多意图拆解;Plan → 并行 Execute → Critic 闭环,高风险写操作人工审查门禁;双层 Checkpoint(Postgres 跨 run 续接 + file / Redis 快照支撑 HITL)。
  • 失败回放驱动的自进化 — 失败归因 12 分类 → LLM 假设生成 → 金丝雀 A/B 验证 → 经验注入路由 few-shot,无需人工标注持续提升调度能力。
  • 安全可控的 ReAct Coding Agent18 个代码全生命周期工具 + 增量向量代码 RAG(Read-before-Write,避免全仓入上下文);三层写盘守卫(路径黑名单 / 保护目录 / sha256 乐观锁)+ Docker 沙箱自动降级;改后自动 typecheck / lint / 单测,机械化门禁替代人工审查。
IMPACT 路由 Golden 评测 + NLU 回归门禁 + 全量冒烟矩阵接入 CI · 增量索引原子落盘 + 串行写队列 · 回归测试 0 丢失
PROJECT — 04

国际化营销中台 — Server-Driven UI 与可扩展权益组件库

滴滴出行 · 前端 Owner · 从 0 到 1
React·TypeScript·Server-Driven UI·Schema-as-Code·Plugin Architecture·Serverless BFF

场景:面向滴滴国际化营销,覆盖 10+ 国家 / 20+ 活动类型 / 400+ 营销权益全生命周期,其 Schema 架构沉淀为营销 AI 化与 SDD 的结构化基础。

  • Schema-as-Code 的 SDUI 架构 — 两阶段 DSL 求值(编译期 schema 校验 + 运行期动态求值)支撑跨国家、跨活动动态组合;权益以插件 SDK 注入,新增无需改核心 SDK、无需发版(35+ 渲染组件热替换)。
  • 组件契约与跨服务规约 — 沉淀标准化组件契约,突破单服务 Spec 与仓库绑定,直接支撑 SDD 平台的知识抽取与跨服务需求拆解。
IMPACT 400+ SKU 服务 8 个业务项目 · 标准活动上线 2 周 → 3 天 · 新权益接入 2 天 → 2 小时 · 稳定运行 18 个月+,仅 2 起低危 bug
// 05 · EDUCATION

教育与意向

// EDUCATION

黑龙江大学 · 计算机科学与技术 · 本科

2018.09 — 2022.06
// TARGET

AI 应用工程师(Agent 工程化)

求职类型:全职