轩 轩

具备 AI Agent 搭建与 Prompt 工程实战经验，熟练使用 ChatGPT / 千问 / 豆包 / DeepSeek 等平台进行智能体开发。拥有完整的前后端 Web 项目交付经验（FastAPI + Vue3），能独立完成业务架构→Agent 设计→Web 到整个全流程，熟悉 RAG 知识库、Memory 管理、tool calling JSON schema 设计。

组长 / 全栈开发 at 电影推荐智能体网页设计 (2025-09 – Present)

基于 AI Agent 的智能电影推荐系统 ——业务拆解 → 智能体搭建 → 前后端封装

• Agent 设计：完成角色设定与对话流程设计，编写 tool calling JSON schema 实现查圈识别→知识检索→推荐生成的思维链，对话流畅自然，用户满意度 90%+。
• RAG 知识库 & Memory：构建电影领域知识库，整合多源数据，设计检索策略与上下文记忆机制，支持多轮对话推荐。
• 前后端封装：FastAPI 构建 RESTful API + Vue3 响应式前端 + 数据库管理后台，将 Agent 封装为标准 Web 组件，支持跨入第三方系统。

组长 / 数据工程 & AI 集成 at 旅游计划网页智能开发 (2025-07 – Present)

AI 驱动的旅游信息整合平台 ——多源数据架构 + Prompt 工程 + 智能推荐

• 数据管道 Pipeline：整合公红下、携程、劳游网等平台信息，创建 10 万+ 景记录的综合旅游数据库，设计结构化存储与检索方案。
• Prompt 工程优化：针对旅游场景设计结构化 Prompt 模板，将自然语言查询转化为精准检索条件，查询准确率提升 80%+。
• 团队协作：带领 4 人团队完成需求分析、进度管理和质量把控，按时高质量交付。

AI 辅助客户服务 - Prompt 选代优化 at 广东科慧信息服务有限公司 (2023-04 – 2023-08)

客户关系管理（AI 智能客服方向）

• Prompt 选代调优：针对高频咨询场景（产品应用、费用、投诉）设计并持续优化提示词模板，使 Agent 回复准确率≈70% 提升至 90%+，单次处理时长缩短 40%。
• 智能体配置 & 知识库：基于业务场景配置面对话流程和回复策略，建立结构化 FAQ 知识库为 Agent 提供准确化应答素材，实现差异化客户服务。
• 数据驱动迭代：收集分析客户反馈，汇总满意度/解决率/响应时长等关键指标，基于数据持续优化回复板和处理方案。

大专 in 人工智能 – 广东工程职业技术学院 (2023-09 – 2026-09)