邹浥晨 | AI Agent / AI 应用开发工程师

Education

教育背景

2025.09 - 2027.06

电子与计算机工程（硕士）

专业课程：机器学习和模式识别、移动机器人、应用概率与随机过程、图像处理和模式识别、数字信号处理、声学与传感

2021.09 - 2025.06

海洋技术（本科）

专业课程：数字电子电路、模拟电子电路、信号与系统、数字信号处理、C 程序设计、Python 数据分析、数据挖掘原理与实践

Experience

CyberEros-AI（美国初创公司） 2026.05 - 2026.09

参与 AI 女友「林晚」的 Memory & Context 构建，并参与实时语音交互与异步服务开发，围绕长期记忆、响应延迟和失败恢复提升多轮对话连续性与系统稳定性。

记忆与上下文：参与 Recall / Context Assembly 构建，按事实、共同经历与项目线索规划 Hot / Standard / Deep 召回，融合词法、pgvector、实体与情节候选，以 RRF 排序并复核可见范围；分层组装原文、摘要、长期记忆与证据，分配预算并筛选 Skills，设置 1.2s 语义召回预算与超时降级。验证约 2–6 个月前的偏好、事实与共同经历召回，以及事实更新、遗忘和跨作用域隔离；在 180 天、549 条记忆（含 540 条干扰记忆）的合成场景通过 12 项结构验收，Recall@K、Precision@K 均为 100%（各 8/8），MRR 为 1.00，作用域与遗忘泄漏均为 0。
前端实时语音与流式交互：参与前端语音交互、SSE 对接及端到端链路联调优化，ASR 2.03s → 541ms（下降约 73%），首声 5.34s → 3.04s（下降约 43%），MP3 异常采样点占比 11.62% → 0.008%；处理打断、断流收尾与输出重放，按实际送达内容保存历史。
后端异步任务与服务：参与记忆抽取、结果保存等异步任务的开发与联调，配合团队排查任务失败、处理重试与异常日志，支持耗时任务在后台执行，减少对实时对话的影响；联调中关注任务执行、结果写入和状态反馈是否一致，结合日志定位问题，配合复现任务中断、结果保存失败等问题，验证修复与重试后的任务状态和保存结果。

北京捷通华声科技股份有限公司 2024.01 - 2024.02

参与“灵云”大模型面向水务客服的领域微调与后训练，主要参与 LoRA 微调、训练参数调整与训练过程监控，配合完成 SFT 数据准备、DPO 偏好优化及效果评测，支持业务问答、指令理解与专业语义适配。

模型微调：参与 LoRA 微调任务，修改训练参数并启动训练，结合 epoch 与 loss 曲线观察训练过程；检查模型在领域问答和客服指令上的样例输出，配合数据修订与训练迭代。
SFT 数据准备：清洗、去重与结构化处理 3 万+领域语料，构建 2 万+ SFT 样本；统一 instruction / response 格式，按意图、槽位、上下文连续性、回复风格 4 个维度优化表达，处理重复、冲突和低质量样本。
偏好优化与评测：参与 DPO 偏好优化训练，整理数千组 Preference Pair，并构建 1000+ 样本评测集；结合自动评测与 Bad Case 分析，定位领域理解、回答完整性和指令遵循问题。
项目结果：通过领域数据迭代、模型微调与后训练支持业务效果优化，核心业务评测指标提升约 12 个百分点，形成“数据准备 → 微调训练 → 效果评测 → Bad Case 回流”的迭代流程。

Projects

VVSignal-企业智能获客与销售协作平台 2026.01 - 至今

面向护肤品、化妆品商家（可推广到企业销售部门），以抖音、小红书、TikTok 为目标平台，从外部热门视频、笔记评论中发现购买意向、筛选线索并交接真人销售；负责软件开发与 Agent Harness，协同产品经理开展试用。

Ontology 与需求分流：设计客户—需求—商品—证据—动作的轻量 Ontology，将原始评论关联到购买需求与可执行动作，为 Agent 提供有来源的业务上下文；分流原型将购买咨询送审、拒绝联系停止跟进、过敏/投诉/退款转人工，减少误触达。
Harness 与回复审核：自研 Python Harness，按商家与会话组装证据上下文，加入 Skill 版本、运行预算与待审批检查点；回复需审核后才执行，MCP 发送前复核正文、证据和权限，内容变更时拒绝旧审批，避免把未经确认的回复发给客户。
异常处理与人工接管：针对“消息已发出但回执丢失”，实现未知状态标记与回读核对，避免直接补发；同一账号限制并发执行，人工接管后取消未发送任务；用 Go/PostgreSQL 保存动作状态、Temporal 保留审批进度，支持 Worker 重启后继续处理。
漏斗转化率（测算）：候选客户到审核触达 40%、触达确认率 80%、有效互动率 25%、有效互动线索到销售认可 50%，候选客户到销售认可总转化率 4%。

SV-Agent-个人虚拟歌手创作助手 2026.03 - 2026.09

以对话驱动虚拟歌手创作，交付可编辑的 SynthV 工程、MP4 与剪映草稿。

Harness 搭建：基于 DeepSeek Harness 搭建创作运行环境，实现 Project / Artifact / Cover / Memory / Video 5 个领域插件、14 个 Tools、2 份 Skill；按当前作品注入上下文，以 JSON Schema 定义 Tools 契约，接入 Python 媒体 Worker。
异步任务编排：将分离、扒谱、歌词对齐、拍点分析与工程生成封装为 9 步后台管线，回传进度、复用中间产物并保留失败版本；重计算前释放本地模型，完成后载回，支持继续执行与结果交付。
状态与创作记忆：按作品/版本管理产物，交付时记录文件指纹、拦截 write/edit 覆盖并自动快照人工修改；反馈保留原话和来源，偏好经确认后生效，支持单曲覆盖全局及采用记录追溯。
Self-improving Agent：设计“失败案例 → Agent 提出 Tools / Skills 改动 → 固定作品回归 → 人工确认”的受控自我改进流程，复用反馈记忆与版本快照追溯改动、对比效果，探索由 Agent 持续扩展创作能力。
作品成果：累计完成十余首歌曲及 PV 的制作与发布，根据实际创作反馈迭代歌曲工程与视频生成流程。

Skills

Python、TypeScript；Go、React / Next.js；接口开发与联调。

Harness、Tool Calling、MCP、Skills、记忆与上下文组装、HITL。

PostgreSQL、Outbox、Temporal、SSE、异步 Worker、失败恢复。

SFT 数据构建、LoRA、DPO、评测与 Bad Case；Git、Docker、K8s。

科研经历 2024.08 - 2024.11

清华大学北京信息科学与技术国家研究中心曹军威课题组（科研助理），大数据时序预测

TOEFL 92 · CET-4 582 · CET-6 442