邓泽霖.

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 Spec 驱动的端到端可审计工作流，实现「人定规范、AI 执行」的权责升级。

• 主导端到端流水线设计：需求 → 设计 → 计划 → 测试 → 审查五道门控贯通编码与上线全链路，13 条原子命令 + 自动模式驱动。
• 设计 4 道Hook 红灯 + 三态判定门禁（通过 / 关注 / 失败），逐阶段硬校验，发布节点保留人工审批，产物全量落盘、可回滚。
• 构建六层约束质量体系（契约化 / 门禁化 / 证据化）：规则宪法、计划门禁、Stop-hook 自修正、子智能体隔离审查、三证据硬绑定、反表演协议——未跑测试不得声称完成。
• 设计 Plugin 化多 Agent 架构：3 个隔离上下文 Sub-agent + 16 个可插拔 Skill，零运行时编排（状态即文件），保证全链路确定性。
• 搭建 Agentic RAG 知识底座：历史代码 / PRD / 契约抽取为 6 类标准化知识（确定性 40%→85%+），每条 LLM 事实附 file:line 引用，机制性压制幻觉。
• 建立评测与观测体系：eval 四维评分 + 三段式度量（事前 / 事中 / 事后）+ Token 成本监控，驱动规则月度迭代。

场景：文案与批量配置长期依赖默认模板与 Excel 硬编码。作为全栈 Owner 构建智能文案、批量创建两个生产级 LLM 应用；设计原则：智能交给模型、确定性交给代码——参数回填与数值校验全部确定性执行。

• 设计「国家×场景」Prompt 模板与预生成链路：候选预生成缓存优先返回（零等待），文案绑定提示词版本号支持效果归因，交叉校验加违禁词库兜底合规。
• 实现批量创建五步流水线：数据清洗 → LLM 语义映射（不可映射自动转人工）→ 三层知识库补全 → 影子校验调后端模拟接口预校验（拦截非法参数）→ 人工确认创建。
• 建立可信数据保障：数字/ID/金额 100% 源于输入或私有知识库，信息不足置空提醒而非让模型猜，映射逐项标注依据来源；HITL 预览加奖励系统硬校验双层兜底。
• AB 实验证实效果：最优组 push 点击率翻倍，司机时长 / GMV 等约束指标无负向。

定位：独立设计 Manager_Agent（Multi-Agent 编排调度）与 Code_Assistant（安全 Coding Agent），分别解决多智能体路由可靠性与代码执行不可控问题。

• Manager_Agent 编排调度：38 节点状态机实现多意图拆解与路由，编排 12 类能力（9 个外部子 Agent），双层 Checkpoint（PostgreSQL + file / Redis 快照）支撑人工审查中断恢复。
• 失败回放驱动自进化：失败归因 12 分类 → 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。
• 评测与门禁体系：自建 7 组 42 条 Golden 评测集 + 29 项冒烟矩阵接入 CI，NLU 滑窗置信度门禁（40 样本窗、跌幅超 8% 拦截合入）。
• Code_Assistant 安全 Coding Agent：18 个代码工具 + 增量向量 RAG，强制 Read-before-Write 写前必读防幻觉改码，三层写盘守卫 + Docker 沙箱自动降级。
• 自动化验证闭环：改后自动执行 typecheck / lint / 单测，失败针对性修复，代码审查时间减少 50%。

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。

• 主导 Schema-as-Code 的 SDUI 架构：两阶段 DSL 求值支撑跨国家 / 跨活动动态组合，权益插件化注入、新增无需发版（35+ 组件热替换）。