大模型算法工程师，
聚焦 AI Agent 系统工程化。

三层解耦的 Agentic 架构——IM Bot 接入层（XMPP）→ Agent 决策网关（Node.js / TypeScript）→ MCP 工具服务集群（Python FastMCP）。LLM 负责自然语言理解与执行计划，MCP 负责工具调用，confirmation gate 在协议层阻止 LLM 误调用敏感工具。

• 01provider-agnostic LLM 编排：Anthropic / Bedrock / Gemini / OpenAI 多家原生协议 + 3 层 fallback chain + 指数退避重试，单 provider 故障服务不中断
• 02MCP 工具编排（JSON Schema 校验 + 参数绑定 + 结果标准化）+ Hybrid RAG（sqlite-vec 向量 + FTS5 全文 + MMR + 时间衰减）+ confirmation-gated 执行，敏感工具误调用协议层杜绝
• 03LLM 成本与可靠性体系：Embedding Batch API + SQLite LRU 缓存（典型场景 60-80% 复用率）+ 批 API 熔断 + per-provider 多窗口配额追踪

基于 LLM Agent 的多阶段内容创作系统，5 阶段流水线（任务理解 → RAG 召回 → 策略 → 文案 → 图像规划与生成）覆盖文案 + 多模态图像端到端生成；Vision provider 与文本 provider 独立配置，支持成本优化的混合 provider 组合。

• 01provider-agnostic LLM 编排（Vercel AI SDK），双协议（OpenAI-compatible / Anthropic Messages）+ 5 家 LLM 插拔；vision 与文本 provider 独立配置支持混合 provider 成本优化
• 02Hybrid RAG：pgvector 语义（text-embedding-3-small 1536 维）+ PostgreSQL 全文召回 + 自动降级链；零样本 / 检索增强双模式按相似度阈值自适应；结构化输出双模式 fallback
• 03多模态生成（DALL-E + Vertex Imagen 双 vendor）+ streamObject / SSE 流式 + BullMQ 三池工作队列异步双轨，文案增量可见、长任务带状态机

面向技术规格书 / TechPack 的 PDF 智能翻译与标注系统。OCR + LLM 多阶段流水线，重点是把 LLM 调用率压到最低、把翻译质量稳住——同类文档热处理 < 5 秒，token 成本下降约 6 倍。

• 015 级混合翻译流水线（白名单 → 标识符正则 → 领域术语表 → 翻译记忆库 → LLM 兜底），LLM 调用率压到 ~15%，token 成本下降 ~6 倍
• 02Token Masking + ID-keyed JSON 双向协议：关键字段用占位符送入 LLM、ID 而非位置匹配回 bbox，从协议层杜绝 LLM 翻译丢字段或乱序
• 03高可用 LLM 调用层：指数退避重试 + 批次级故障降级 + 速率限制感知并发；翻译记忆库 + 双语术语表双层缓存，二次处理 LLM 量再降 50%+