一封来自 Eumyuu 的信PERSONAL PORTFOLIO
预告状
致，正在寻找 Agent 开发者的你：
我是 李家乐，你也可以叫我 Eumyuu。
下一次行动，让想法真正运行。
用 Agent 处理任务，用 RAG 连接知识，
用 Text2SQL 找到数据里的答案。
01
关于我THE PROFILE
让模型的能力，
落到业务的结果上。
我是李家乐，主要做 Agent 开发。最近的工作围绕两个方向：用自然语言查询和分析业务数据，以及用知识检索与规则引擎处理出行售后问题。
我关注的不只是模型回答，还包括检索是否准确、执行是否可靠、异常能否回退，以及效果能不能被评估。
学历统招本科 · 软件工程
求职方向Agent 开发工程师
到岗时间一周内到岗
02
项目档案SELECTED WORK
CASE / 012026.01 — 2026.07
DATA ANALYTICS / 数据分析
易数通
数据分析平台
让业务人员用自然语言查询订单、收入与利润，并追问数据背后的原因。
从问题到可执行的 SQL
面向财务、采购和经营分析场景，搭建指标检索、Schema Linking、SQL 生成与 AST 校验流程，统一指标口径，并限制数据库执行权限。
200+业务表的 Schema 检索与关联
55%Prompt 中 Schema Token 约减少
91%复杂问题可执行率
查看我的工作
- 建设指标知识库，检索指标定义、公式与依赖，降低口径歧义。
- 通过字段映射与 BFS 搜索关联路径，动态组织查询所需的表结构。
- 使用 Plan-and-Execute 拆分复杂分析任务，管理依赖、中间结果和失败重试。
- 建设分层评测集，分析 Join、时间过滤和指标口径等典型失败案例。
- 提供 FastAPI 接口与 SSE 输出，处理权限校验、异常和慢查询。
CASE / 022025.07 — 2025.12
CUSTOMER SERVICE / 智能客服
空铁无忧
智能客服
把退改签、行李与机上服务问题，交给能检索政策、理解上下文的客服 Agent。
用知识回答，用规则做决定
结合意图路由、混合检索和多轮记忆处理售后咨询。退改资格与费用由确定性规则引擎计算，低置信度问题进入澄清或人工流程。
35%检索准确率约提升
44%上下文 Token 约减少
<4%优化后的幻觉率
查看我的工作
- 采用规则、小模型与 LLM 兜底的意图识别流程，按置信度分流。
- 融合 BM25 与向量检索，使用 RRF、MMR、元数据过滤与重排序优化召回。
- 使用 Redis 保存会话、槽位与历史摘要，结合滑动窗口管理多轮上下文。
- 为回答附上政策来源，在证据不足或政策过期时增加核验。
- 按航空公司、产品、运价与订单状态执行售后规则。
项目数据来自个人简历；不同指标对应各自的项目评测口径。
03
技能清单THE TOOLKIT
01 / AGENT
Agent 与工具编排
LangChain · LangGraph · ReAct · Function Calling
工具调用、多轮记忆、任务拆解与执行回退
02 / KNOWLEDGE
RAG 与知识检索
Milvus · Chroma · BM25 · RRF · MMR
文档分块、混合检索、元数据过滤与重排序
03 / DATA
Text2SQL 与评测
指标知识库 · Schema Linking · SQL AST
执行准确率、Exact Match 与失败案例分析
04 / ENGINEERING
服务与工程落地
Python · FastAPI · Java · Spring Boot · MySQL · Redis · Docker
SSE 流式输出、参数校验、超时重试与调用追踪
EDUCATION
郑州科技学院 软件工程 · 本科
2023.09 — 2025.06 / GPA 3.54 / 4 / 专业前 10%NEXT CHAPTER一起做点