赵爽
具备扎实工程能力的 AI Agent 开发者
前 3% 保研北邮，具备大模型应用与多智能体系统落地经验。曾在昆仑万维实习中参与 Agent 工具链构建，热衷于将 LLM 技术转化为解决实际问题的开源应用。
教育背景
北京邮电大学 (BUPT)
硕士 - 电子科学与技术 (保研)
- 研究方向：大语言模型与路径规划
河北大学 (HBU)
本科 - 通信工程
- 专业排名：3/118 (前3%) 专业课平均学分绩点：4.276/5.0
- 核心课程：高等数学 (100)、线性代数 (97)、概率统计 (92)、Python程序设计 (99)、通信原理 (97)、信号与系统 (99)、通信电子电路 (97)、电磁场理论 (95)、数字电路 (94)、数字信号处理 (93)
- 英语水平：CET-4：463 CET-6：508
实习经历
昆仑万维集团 - 北京天工智力科技有限公司
AI Agent 数据实习生 (Skywork Agent算法组)
2025.11 - 2026.01
Agent 工具链扩展
负责天工 Skywork Agent 的 API 工具扩展，基于 MCP 协议接入学术、金融等30+跨领域API。制定 Tool Description 规范优化大模型 Tool Calling 意图识别；封装 asyncio/httpx 异步调用引擎，集成统一鉴权、超时熔断与重试机制。
API 日志分析与智能过滤系统
针对工具调用排障痛点，从阿里云拉取日志并研发流式分析链路服务（日处理5-15万条）。构建智能过滤规则，精准区分“API 故障”与“无数据”情况，并通过飞书分级告警。工程收益：外部 API 综合调用成功率由 77% 提升至 95%，故障发现时间缩短 90%，修复响应时间缩短 75%
OCR视觉算法微服务
为解决PDF 解析时图片倒置问题，基于 PaddlePaddle 模型研发图片方向识别与自动校正服务。基于FastAPI构建支持URL/Base64输入的推理接口，通过Docker + Jenkins CI/CD自动化部署至K8s集群。压测表现：单Pod QPS达19.41且通过率100%，准确率98%+，单图处理耗时<3s
核心项目
SparkLaw - 中文法律多智能体AI助手
AI应用基于 FastAPI + LangGraph + ChromaDB 构建的六层法律 AI 架构，涵盖普法问答、合同审查、模拟庭审三类核心业务。
多智能体协同编排
利用 LangGraph 设计并实现三套独立状态机图。包括基于 ReAct 模式的问答图、包含 10 个业务节点的庭审串行图，以及基于 Supervisor 模式的质检回路图，支持最大 2 次自动重写与人工干预机制。
四阶 RAG 检索管线
独立设计「Query 改写 → 向量召回 → Cross-Encoder 重排 → 字符级去重」的四阶检索链路。通过 SequenceMatcher 实现 0.96 阈值去重，实测全链路耗时约 4082ms。针对法律术语同义词多的痛点，通过隔离合同库与法条库减少语义污染。
混合记忆与性能优化
构建「短期滑动窗口 + LLM 摘要压缩 + ChromaDB 语义记忆」三层混合记忆架构，实测将长对话 Token 理论压缩率提升至 ~88%。自主研发 8 维性能埋点体系，实时监控首字响应时间、RAG 各阶段耗时及 Token 吞吐量。
工程化落地
采用工厂+策略模式封装 14 类专业法律计算器；利用 Celery + Redis 实现长耗时任务（如合同审查）的异步处理；前端基于 SSE 协议实现流式推理过程透传（含 DeepSeek-R1 推理边界切割）。
基于YOLOv11的全自动水下垃圾回收机器人
工程项目为了解决复杂水下环境中垃圾清理效率低下的问题，本项目在白洋淀水下垃圾清理场景中，机器人首次在水下应用变分图像分解技术对图像预处理，再将图像交给YOLO V11神经网络进行识别。通过深度学习进行算法优化，实现对垃圾的精准识别，同时强化学习使其能够根据实际作业环境自主决策，优化作业路径和回收策略，实现水下垃圾的精准识别与回收。
主要承担基于变分图像分解技术优化水下图像预处理，提升复杂水域垃圾检测精度，带领团队在白洋淀水域进行机器人捕捉水下垃圾测试，目前已实现机器人下水、垃圾图像识别以及垃圾捕捞。
基于数字全息和人体耳廓特征密钥的光学图像隐藏
学术科研项目背景
针对传统光学图像隐藏技术中密钥与用户身份脱节的安全隐患，提出一种基于人体耳廓生物特征的图像隐藏方案。将高稳定的耳廓微纹理直接作为加密密钥，消除网络传输风险，实现'一人一钥'的高安全防护。
实验方法
利用 SHA-256 和混沌 Lozi 映射将耳廓特征转化为随机相位掩膜，结合三步相移数字全息技术将明文图像加密为三幅类噪声全息图。创新性引入变分图像分解与离散小波变换，将全息图精准嵌入载体图像纹理层的中频子带，实现高隐蔽性隐藏。
结果分析
仿真表明系统性能卓越：1）隐蔽性：载体隐藏前后相关系数(CC)达 0.9918，解密图像 CC 值为 1，实现无损还原；2）安全性：密钥空间突破 2^389，密文相邻像素相关性极低（小于 0.01），具备极强密钥敏感性，特征旋转超 0.5 度或遮挡 1% 即解密失败；3）鲁棒性：在面临 25% 数据裁剪或方差为 0.3 的强高斯噪声（SSIM>0.5）等极端攻击时，仍能恢复高识别度图像。
获奖情况
- 全国大学生信息安全与对抗技术竞赛 创新创意赛决赛优秀奖
- BCI脑机接口应用赛全国二等奖
- Mathematical Contest In Modeling Certificate of Achievement H奖
- 西门子杯中国智能制造挑战赛全国初赛特等奖
- 大唐杯通信工程实践赛道河北省赛区三等奖
- 河北省大学生电子设计竞赛三等奖
- 连续三年荣获河北大学特等奖学金及三好学生