# 郑笙桦

8 年+经验｜本科｜可随时到岗｜[知乎](https://www.zhihu.com/people/zheng-sheng-hua/posts)

**求职意向：AI Agent 开发工程师 / Agent 架构师 / 大模型应用开发｜深圳｜35–45K｜全职**

## 个人优势

- **生产 Agent 平台与业务交付**：主导金融企业 Agent 平台 **0→1 建设**，支撑 **15+ 名研发发布 13 个生产场景**，服务 **30+ 名业务用户**，平台人工接管率 **50% → 18%**；建设覆盖多场景问题排查与分析的金融业务 Data Agent，具备从平台架构到业务交付的完整经验。
- **算法深度与模型落地**：基于**千万级 STS 数据**训练跨行业 Embedding 底座，中国银行 **2 万意图**场景准确率 **73% → 93%**；基于 **10 万级文档检索训练样本**优化检索模型，通过数据构造与 SFT，使内部文档问答评估集准确率**相对基模提升 7%+**，模型已上线；具备 GRPO 训练经验。
- **模型能力评估与选型**：熟悉不同规模模型在业务理解、工具调用和复杂任务处理等方面的能力边界；结合任务效果、响应时延、算力成本与数据合规要求开展模型评测与选型，横评 **11 种模型配置**，具备 **14B–235B 模型私有化部署**经验。
- **生产规模与效果优化**：落地 **10 万+政策文档**的 RAG 系统和**日均万+呼入**的智能客服系统，客服纯语音拦截率 **35% → 60%**，通过线上灰度 AB 验证效果；以分层评估、badcase 归因及结果与轨迹评测推动持续优化。
- **技术负责与跨部门交付**：曾任 AI 应用算法组长，管理 **3 人团队**，参与公司 AI 应用规划并向 CTO 汇报；面向测试、商务、风控等部门建设 AI 提效系统，在信贷业务、数据合规与实时响应约束下，推动技术方案、效果评估与业务交付。

## 工作经历

### 深圳市中智信融资担保有限公司｜AI 应用算法组长

2025.06–2026.07｜公司规模 200+ 人

- **负责范围**：负责 3 人团队的技术方案与交付，覆盖 Agent 平台、金融业务 Data Agent、智能客服及内部 AI 提效系统；参与公司 AI 应用规划，承担架构设计、方案选型与效果评估，推动各部门业务场景上线。持续跟踪 Agent 框架与大模型技术进展，结合业务 POC 推动技术选型，将验证有效的方案沉淀为团队开发规范与可复用能力。

**主要成绩**

- **Agent 平台**：主导企业 Agent 平台 0→1 建设，联合 **4 个部门负责人**推进场景接入，上线两个月累计 **2000+ 次会话**。
- **Data Agent 多场景优化**：主导金融业务 Data Agent 建设，覆盖还款、代偿、凭证等 **7 类生产排查场景**，通过知识工程、任务流程、评估集与自迭代机制，构建 Agent 完成问题排查及分析。
- **智能客服**：0→1 建设日均万+呼入的借贷售后智能客服，纯语音拦截率 35% → 60%，人工客服编制精简约 30%。
- **内部 AI 提效**：测试造数服务 40+ 名测试人员，单次耗时缩短约 70%；债转签章服务 8+ 名商务人员，人工操作步骤减少约 80%。

### 青牛智胜（深圳）科技有限公司｜NLP 算法工程师

2021.04–2025.06｜公司规模约 80 人

- **负责范围**：负责 AI SaaS 平台 NLP / RAG / LLM 底层算法、模型选型与私有化部署，覆盖银行、物流、运营商和政务等行业，服务中国银行、交通银行、微众银行、中国联通、广东税务、顺丰、中通等客户。

**主要成绩**

- **语义理解与检索**：主导跨行业 Embedding 底座建设，服务银行、物流和运营商等行业；通过模型轻量化与推理优化，服务并发提升约 **10 倍**。
- **RAG 问答**：0→1 建设公司 RAG 系统，800道评估集准确率 70% → 90%+，落地东莞税务局（10 万+文档）、广州羊城通、首讯重庆高速等项目。
- **模型优化**：完成文档问答模型选型、数据构造与微调，以约 **3K 条人工审核数据**完成模型训练并上线。

### 深圳禾略贝塔信息科技有限公司｜算法工程师

2018.03–2021.02｜公司规模约 40 人

- 负责房地产 SaaS 平台的数据建模、特征工程与业务数据库建设，交付房价评估、商业选址和客群分析，参与系统设计与 SQL 开发。

## 核心项目

### 企业 Agent 开发平台｜技术负责人

2026.02–2026.07

**背景与决策**：各业务线 Agent 需求增长，重复开发、生产数据访问分散，权限与审计缺失。经三轮 POC 对比采购系统及开源方案，选择复用 Hermes 执行能力，建设统一的企业工具接入、场景评测与发布治理平台，支撑业务团队持续开发和上线 Agent。

**执行与成果**

- **场景开发与版本化发布**：以知识、Skill 和配置组织业务场景，支持本地调试、Git 接入与版本化发布；关联业务结论、引用知识和发布者，支持版本回退、问题定位与责任追溯。
- **企业工具接入**：按工具用途通过 MCP 或 CLI 接入日志、代码仓库、数据库等 **20+ 企业工具**，供不同业务场景复用。
- **执行护栏与发布治理**：区分开发者与使用者权限，对敏感写操作设置执行护栏；统一实施数据库只读、返回行数限制和直连拦截，通过场景评估集门禁控制发布。
- **受控自进化**：成功会话二次排查并沉淀案例，失败会话由强模型夜间复盘，更新建议经人工确认后生效；约一周产出 **43 条知识与 Skill 更新建议**，人工采纳率 **90%+**。
- **成果**：支撑 **15+ 名研发发布 13 个生产场景**，服务 **30+ 名业务用户**，上线 **2 个月累计 2000+ 次会话**，人工接管率 **50% → 18%**。

**个人贡献**：主导技术选型与验证，负责企业工具接入机制、权限控制、场景评测与发布治理的方案设计；与 1 名工程师协作推进平台开发，联合4部门负责人完成场景接入和业务交付。

### 研发协作与经验进化平台｜联合负责人

2025.12–2026.07

**项目背景**：针对研发流程长、人工交接频繁、研发知识分散的问题，建设融合云上 Agent、本地 Coding 工具与人工审核的研发工作台，贯通需求、设计、开发、评审、测试和交付。

**项目内容**

- **云上 Agent 服务化（Agent as a Service）**：将需求澄清、方案设计、测试用例和成果评审等专业 Agent 设计为可复用服务；按研发阶段分发任务与项目上下文，获取执行状态和阶段产物，与本地 Coding 工具及人工审核协同。
- **兼容团队现有编程工具**：将流程编排与代码执行解耦，统一任务下发、项目上下文传递和产物回收，使研发能够使用已有本地 Coding Agent 参与流程。
- **保障 AI 交付质量**：通过云效状态变更触发 Agent 执行并回写结果；制定阶段输入输出与验收标准，结合多 Agent 交叉评审和人工确认，支持问题打回、重跑及跨阶段回退。
- **沉淀可复用的研发经验**：使用 Git 管理研发知识、规范与 Skill，按项目、部门和平台分层复用，并按研发阶段加载；设计基于人工评审与执行反馈的经验回流机制，用于持续修订 Agent 与知识。

**项目业绩**

- **企业流程落地**：实现 **11 阶段研发流程编排、4 轨并行代码审查**，打通云效需求与研发任务，已用于公司真实研发流程。
- **工作台交付**：完成可独立运行的研发工作台，跑通多仓开发、交叉评审、测试返工与人工交付；通过独立需求验证经验从抽取、审核发布到实际复用的完整链路。

**个人贡献**：与测试部门主管共同设计流程编排，主要负责知识管理与经验回流机制，制定各阶段 Agent 的输入输出及质量门禁标准；组织 **7 个节点 Agent** 的开发与流程接入。

### 金融业务 Data Agent｜技术负责人

2026.04–2026.07

**背景与决策**：还款、代偿、凭证等金融业务问题涉及多个系统和不同资方规则，排查依赖研发编写 SQL，处理耗时从小时级到跨天；原有采购工具难以集中管理和复用业务知识。为此建设金融业务 Data Agent，通过知识工程、任务编排和场景评测，支持 **7 类业务问题排查与分析**。

**执行与成果**

- **业务知识工程**：从 PRD 与开发文档抽取业务规则、数据关系和标准查询流程，按排查场景组织为 Agent 可执行、可复用的业务知识。
- **任务编排**：以工作流串联问题理解、任务规划、跨系统取数与证据校验，依托平台的访问控制完成业务归因和结论输出，减少日常排查对研发编写 SQL 的依赖。
- **场景评测与迭代**：由算法团队基于线上案例人工构建场景评估集，与开发集隔离；同时评测业务结论、工具选择、调用参数及重复调用。发布时执行回归，关键场景采用 **pass^5** 验收，并结合运行反馈持续修订场景知识。
- **成果**：覆盖还款、代偿、凭证、结清证明、外部单号查询等 **7 类生产排查场景**，上线 **2 个月累计 1000+ 次会话**；还款卡件场景准确率 **60% → 90%**。

**个人贡献**：主导场景方案与知识体系设计，负责评估及迭代验收，与 1 名工程师协作完成场景开发和上线，推动算法、研发与业务共同交付。

### 日呼入万级借贷售后智能客服｜项目负责人

2025.09–2026.01

**背景与决策**：面向 200 人客服团队、日均万+呼入的借贷售后业务，需要提升机器人承接能力，同时满足话术合规、实时响应与多业务线知识维护要求。经技术方案评审后，采用自研 NLU + 对话管理承接在线对话，离线 Agent 负责知识维护。

**执行与成果**

- **确定性对话与服务性能**：14B 模型仅负责理解，状态机控制回复与业务接口调用，并设置转人工条件；意图识别服务完成双节点部署与压测，响应约 **0.2 秒**，单节点可达 **100 TPS**、部署容量 **160 TPS**。
- **呼入机器人维护 Agent**：以近一个月坐席对话冷启动，每日回收机器人错误信息，检索知识、检测冲突并提出增删改建议，经人工审核与评估集回归后上线；累计产出 **100 条知识变更建议**，人工采纳 **60 条**。
- **分层评估与灰度验证**：基于 **500 通对话、2000 条 query、80+ 意图**构建三层评估集，通过线上灰度 AB 实验验证业务效果。
- **成果**：打通工单、机器人与呼叫系统，落地 **8 条业务线**；纯语音拦截率 **35% → 60%**，客户自助解决率有效提升 **22%**，人工客服编制精简约 **30%**。

**个人贡献**：带领跨职能团队完成系统 0→1 建设，负责需求梳理、架构选型、对话方案与效果评估，协调算法、研发和客服团队完成系统集成及上线运营。

### 跨行业 RAG 系统｜核心开发

2023.06–2025.04

**背景与决策**：多行业客户需要基于业务文档问答，原有语义模型按项目维护，复用成本较高。0→1 建设 RAG 系统，通过分层评估定位检索与生成环节的问题，并将文档及意图检索能力服务化，支撑跨行业复用。

**执行与成果**

- **RAG 系统内核开发**：开发文档解析、结构化切片、Embedding 粗排、Rerank 精排与答案生成，支撑多行业企业客户基于业务文档检索知识、回答问题。
- **问答数据构造与模型微调**：构建多领域文档问答数据，按题型、回答风格和引用要求组织样本，对比基座模型、训练方法、训练数据及有／无 CoT 的效果；以约 **3K 条人工审核数据**完成 LoRA 微调，内部 FileChat 问答评估集准确率**相对基模提升 7%+**，模型已上线。
- **分层评估与效果优化**：按 **6 大类 13 种题型**构建评估集，覆盖 **800 道简单题、80 道复杂题**；通过正确切片标注定位检索损耗，结合 LLM-as-Judge 分析事实错误与回答不完整等问题，推动检索策略和生成效果迭代。
- **文档及意图检索**：优化跨行业语义检索模型，支撑文档召回与大规模意图匹配；
  - 通过**千万级STS数据训练**，提升意图识别效果，中国银行 **2 万意图**场景准确率 **73% → 93%**，通过模型轻量化与推理服务优化，并发提升约 **10 倍**。
  - **文档检索**：基于 **10 万+篇跨行业文档语料**与 **10 万级检索训练样本**优化检索模型，RAG 评估集 **Hit@3 从 70% 提升至 78%**。
- **业务落地**：RAG 系统落地东莞税务局（**10 万+政策文档**）、广州羊城通、深圳动物园等项目；检索能力服务中国银行、交通银行、微众银行、中国联通、广东税务等客户，意图识别能力得到微众银行的单独采购。

**个人贡献**：负责 RAG 系统 0→1 开发及算法服务化，制定数据标注规范，推动 2 名标注人员完成 800+ 条评估数据；与 1 名算法工程师协作优化文档及意图检索模型，完成跨行业项目交付。

## 其他重要项目

- **风控特征开发与 ChatBI（2026.02–2026.03）**：基于 SuperSonic 与 Vanna 建设自然语言转特征 SQL 与智能问数平台，接入 DataWorks 的表结构、关联关系、血缘和指标知识；完成风控 **40+ 条业务用例**的技术验证，并在覆盖 **51 张表**的测试库上验证数据中台到 ChatBI 的知识接入链路。
- **企业知识库与 Skill 管理平台（2026.02–2026.03）**：基于 RAGFlow 二次开发，接入虚拟文件系统，打通企业语雀与钉钉文档，通过 MCP 为本地 Agent 提供知识检索与读取能力；建设 Skill 市场管理平台，支持团队技能集中管理与复用。
- **资金方测试数据生成 Agent（2025.10–2026.02）**：解析资方接口文档，提取字段映射与转换规则，利用 LLM 生成取数和数据修正代码，调用金融公式工具计算还款计划与利息；按项目复用 Schema 与业务规则，服务 **40+ 名测试人员**，单次造数耗时缩短约 **70%**。
- **债转文件自动签章系统（2026.04–2026.06）**：自动核验债转清单与代偿凭证，以状态机串联 OA 审批、电子签章和文件回传归档；通过审批门禁与幂等控制约束签章执行，支持失败定位及原批次重跑，服务 **8+ 名商务人员**，人工操作步骤减少约 **80%**。
- **植德律师事务所法律问答 Agent（2024.01–2024.06）**：完成 **60 万篇法律文章**的采集、清洗与知识库建设，参与法律百问、劳动法等问答场景开发；通过模块评估定位效果问题，协同团队优化问答能力。
- **数字人多语种语音交互（2023.07–2024.12）**：开发数字人翻译、语义理解与语音合成能力，整合多厂商 TTS 和 so-vits 音色克隆训练、推理；支持粤语英文字母播报与 SSML，结合 FAQ、知识图谱及流程测试优化交互效果。
- **中通物流 NER 与派送时间标准化（2024.04–2024.06）**：面向物流外呼场景，开发时间实体抽取与标准化能力，将对话中的时间表达转换为结构化结果，支撑派送时间识别与处理，完成客户场景适配及功能迭代。
- **Agentic RAG 强化学习（2025.04–2025.05）**：基于知识图谱与长文档构造多跳检索任务，使用 Search-R1 / verl 在 Qwen2.5-3B 上开展 GRPO / PPO 训练；将严格匹配（EM）奖励调整为编辑距离奖励，改善训练收敛，优化多轮检索与答案生成；在自建多跳问答与 CCKS2020 知识图谱问答两套**独立评估集**上，准确率分别达到 **90%** 和**接近 80%**。
- **交通银行卡中心 ASR 自研替换（2023.03–2023.06）**：自研 ASR 替换第三方服务，以 **3000 小时弱标注数据**预训练，结合高质量难例与 **20 小时人工精标数据**进行后训练；组织 **5 人**完成难例筛选和标注质检，字准确率 **85% → 91%**、词准确率 **90% → 95%**。
- **普通话与粤语语种识别（2023.10–2023.12）**：独立完成数据采集、模型训练与推理优化，构造约 **70 小时训练数据**；采用 CNN + RNN，结合 VAD 切片与多时长混合训练，内部 **2–5 秒短语音验证集准确率达到 82%**。
- **模型私有化部署与国产算力适配（2025.01–2026.07）**：结合业务评估、数据合规和客户算力完成模型选型、量化与部署，交付 **14B–72B 模型**；在企业内部 **8 卡 PPU、单卡 96G**环境完成 **235B BF16 模型**部署。

## 技术栈

- **Agent 与评测**：LangGraph、Pi、Hermes、Tool Calling、MCP / Skill、上下文工程、知识版本化、结果与轨迹评测、LLM-as-Judge。
- **检索与模型**：Embedding、Rerank、RAG、LoRA / SFT、GRPO / PPO、Search-R1 / verl、hnswlib / Milvus。
- **工程与部署**：Python、FastAPI、SQL / MySQL、Redis、Nacos、Docker、K8s、vLLM、ONNX、模型量化、PPU 国产算力部署。
- **AI Coding**：Claude Code max plan、Codex Pro、OpenSpec、Skill / MCP 工程实践。

## 竞赛经历

- **CCKS 2020 知识图谱问答｜Top5 / 2328｜负责人**：NER、Query Parsing、实体链接、排序及图谱查询。
- **阿里天池 2022 NLP 技术创新大赛｜Top2%（50 / 4338）｜传统模型负责人**：密文文本分类、预训练与模型融合。

## 教育与证书

- 广东石油化工学院｜应用数学｜本科｜卓越工程师计划｜2013–2017
- CFA 一级