AI Agent 工程
ByteDance
AI Agent 算法工程师
设计可追溯的 Agent 工程流程：按开发阶段组织上下文，检查权限和证据是否充分，再根据评估结果逐步发布。
- 分层整理业务知识与代码中的证据，按开发阶段为具体任务准备上下文。
- 串联审批、CI、部署与人工评审，让从需求到验证的每个环节都能追溯。
- 参与设计多 Agent 评审流程，以工具返回的证据为依据，按设定阈值决定是否采纳或回滚。
AI Agent证据校验评估CI 工作流
我的工程方向
以可靠的数据系统支撑 Agent
我设计自适应向量系统、可追溯的全模态检索流程，以及支持任务恢复、设有明确评估关卡的 Agent 运行时。
我的工程理念
始终关注系统的可靠性
可靠的 Agent 执行全模态检索自适应数据系统
从数据库、检索到 Agent，我的工作始终围绕一件事：让复杂系统易于理解、切实可用、值得信任。
工程经历
主要职责与技术决策。
分析型数据库
ByteDance
湖仓与检索后端工程师
在数据库团队完成多源知识接入、混合检索与多模态索引的开发，贯通数据工程、向量搜索和生产部署。
- 完成从鉴权、解析、分块、Embedding 到存储、混合召回和重排序的完整知识处理流程。
- 验证音视频按场景、镜头分层组织的方案，并结合多路召回、RRF 和重排序模型检验检索效果。
- 参与向量引擎功能开发、系统表扩展、内存存储集成和 DiskANN 索引实现。
ByteHouseClickHouse混合搜索DiskANN
AI 基础设施
JD Retail
AI 基础设施软件工程师
面向企业知识与商家服务，开发共用的检索能力，以及根据用户意图推荐服务的流程。
- 设计融合语义向量搜索、关键词搜索与意图路由的多源混合检索框架。
- 主导 Doc2Query 全流程建设，弥合用户提问与平台知识之间的语义差距。
- 参与构建结合用户画像、指标评估、行动计划与服务匹配的推荐流程。
VearchElasticsearchDoc2Query工作流
研究方向 ·2024 年至今
从数据、检索到 Agent
从数据库和自适应索引，到多模态检索与 Agent 运行时，我关心的问题也在逐步扩展：如何衡量系统的自适应调整，如何追溯结果的依据，以及如何恢复中断的任务。
- 01数据库系统
- 02自适应向量索引
- 03检索基础设施
- 04可靠的 Agent 执行
工作之外，我在做的项目
三个独立项目，记录我的技术探索如何一步步展开。
- 文档通过 Agentic 分块保留原文语义，图像用 VLM 和 CLIP 处理，音频用 ASR 和 CLAP 处理，视频则按场景、镜头和关键帧组织。
- 通过加权 RRF 与 Cross-Encoder 重排序，融合稠密、稀疏、视觉、音频和视频检索。
- Agent 从不同角度发起互补查询，统一调用只读检索器，并流式返回文档与各类媒体对应的引用信息。
- 以支持事务的 SQLite WAL 保存账本，每个任务内的事件序号严格递增，聊天界面从这些记录生成。
- 支持显式恢复任务、从指定事件序号创建分支，以及通过哈希校验回放快照。评估独立进行，不调用工具；执行记录可在 Web 和 CLI 中查看。
- 每次执行前都检查工作区范围与工具使用策略，相关控制决策也记入同一套证据记录。
- 结合最近一段时间的命中记录和实测扫描延迟表，找出负载过高或利用不足的分区。
- 根据每个查询的召回率目标调整分区扫描量，不再对所有查询使用固定的 nprobe。
- 将在线分裂、数据重分配与 C++ 计算实现结合起来，支持批量扫描、AVX-512 和 NUMA 局部性优化。
这些工作如何相互关联
把任务执行、证据记录和数据结构放在一起考虑，设计完整的系统。
智能系统
可靠的 Agent 执行评估与回滚权限检查与证据校验工作流自动化
检索与数据
混合检索全模态证据自适应向量索引知识接入
工程能力
TypeScriptPythonC++React后端与基础设施