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 工程化)· 近 1 年生产级 Agent 落地 · 4 年滴滴营销中台底座
深耕 Agent 编排、提示工程、Agentic RAG 与评测门禁,擅长 AI 技术与业务结合——智能文案 push 点击率翻倍、批量配置 4.09→2.6 分钟/活动,均在营销中台生产落地。
能独立负责 Agent 系统全流程(需求-设计-落地-评测),主导团队级 SDD 产研平台服务 20+ 人日常研发,独立实现 Manager_AgentCode_Assistant 两套完整系统,TypeScript + Python 双栈。
注重工程化与质量门禁,线上/线下缺陷长期低位,系统性解决幻觉、误操作、Token 成本等痛点,保障 AI 系统稳定高效运行;两度从 0 到 1 主动发起,连续 2 年 A 绩效

// 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。

  • 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。
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;演进反思:确定性留给编排、智能留给节点——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。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。

  • 落地对话式智能文案组件:Prompt 模板预生成 + 一键回填 + 换一换,文案类型与活动触发条件不匹配时前端阻断,按国家违禁词库过滤。
  • 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。
  • 落地批量创建 Agent:表格上传 → LLM 语义映射 → 知识库参数补全 → 影子校验 → 人工确认批量创建,单活动配置 4.09→2.6 分钟
  • 设计业务 Agent 安全红线:数字 / ID / 金额 100% 源于输入或私有知识库(禁止编造),HITL 预览确认 + 奖励系统硬校验双层兜底。
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:围绕「多 Agent 编排可靠性」与「代码执行安全」两大工程命题,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。

  • Manager_Agent 编排调度38 节点状态机实现多意图拆解与路由,双层 Checkpoint(Postgres + 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。
  • Code_Assistant 安全 Coding Agent18 个代码工具 + 增量向量 RAG(Read-before-Write),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,以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。

  • 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)。
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