YIRC99 Agent 系统与 AI 产品 寻找新机会

你好，我是 YIRC99 Agent 系统与 AI 产品开发者

YIRC99

我做 Agent 系统，
也把 AI 做成
真正能交付的产品。

我关注的不只是模型能不能回答，更关心工具、数据、界面和失败之后，系统还能不能继续工作。下面是我在实习、竞赛和个人项目中的三个代表案例。

先认识我 直接看项目
  1. 01
    BondY Agent Platform实习项目，我负责 Agent 模块与可靠性机制
  2. 02
    RiderSignal飞书大赛，我担任队长并负责最终质量
  3. 03
    糕定 AI CakeOPC 项目，把生图 Demo 做成完整产品
Agent 平台 AI 产品 向下了解我的工作方式

00 / 关于我

我不只写功能。
我负责把它变成能交付的产品。

我是一名专注 Agent 系统、AI 应用与后端工程的开发者。在实习、竞赛和个人项目里，我反复处理四类问题。它们也是理解后面三个项目的线索。

当前方向Agent 系统 / AI 产品

实践场景实习 / 竞赛 / 个人项目

代表荣誉世界职业院校技能大赛全国三等奖

工作方式先定义结果，再设计流程

01 让用户看得懂

界面状态先讲清楚发生了什么

等待输入、正在执行、需要确认、成功或失败都应该明确。用户不必猜系统是不是卡住，也不会被“假成功”误导。

界面状态 / 真实终态

02 让 Agent 可控

工具契约约束每次行动

模型调用工具前先检查参数、权限和预算，调用后返回结构化结果。这样能区分“工具执行完了”和“事情真的办成了”。

参数 / 权限 / 业务结果

03 让结果能复查

运行快照留下完整证据

模型、提示词、工具、数据和代码版本一起记录。出现问题时能回到当时的上下文，而不是靠猜测复盘。

运行快照 / 版本 / 证据

04 让失败有收尾

有限恢复，而不是无限重试

先保证主流程能完成，再设置截止时间、修复次数和人工接管。系统可以失败，但不能无休止地消耗用户时间。

截止时间 / 有限恢复 / 人工接管

01 / 代表项目

这是我做过的
三个项目。

它们分别来自实习平台、产品竞赛和 OPC 项目。每个案例都先说明项目背景、我的职责、解决的问题和结果证据，再展开设计细节。

01 版本化模型与提示AgentVersion · Session pin · config hash会话固定发布版本，历史运行不被后续 Prompt 或配置修改污染。 已固定
02 Tool 与 MCP 治理schema · policy · budget参数校验、可用性、调用预算和失败阈值统一进入 ToolOutcome，而不是只看工具生命周期完成。 已治理
03 记忆与数据可追踪RuntimeSnapshot · source trace把模型、Skill、知识、记忆、文件与数据契约一起快照，支持复现和漂移检查。 可追踪
04 执行结果可验证static check · sandbox · bounded repair代码先静态校验，再进入真实数据沙箱；只允许有限修复，最终读取业务结果而不是 HTTP 200。 已验证
鼠标移入或键盘聚焦查看每一层1500+ 项自动化测试

01 / 实习项目 · Agent 平台

BondY
Agent Platform

这是我实习期间参与建设的金融 Agent 平台。团队需要的不只是一个会回答问题的 Agent，而是一套能配置、能复现、能验证的运行底座。

项目背景
实习项目，面向金融业务的配置驱动 Agent 平台
我的职责
负责 Agent 模块，以及版本固定、运行快照、工具治理等关键可靠性机制
解决的问题
避免配置变更污染历史会话、工具假成功、代码无限重试和数据契约漂移
结果证据
打通生成、修订、静态校验、真实数据沙箱和有限修复，两个 Python 服务可收集 1500+ 项自动化测试

02 / RIDERSIGNAL

原始反馈4,000

评论、工单、访谈与真实故事进入两条工作流。

证据原子1,324

去重后保留来源、原文、问题和上下文。

方向卡102

每张卡包含需求、反例、边界与下一步验证。

研究方向31

形成产品概念、MVP 与可继续执行的验证标准。

基于证据的产品决策 从“大家在说什么”
走到“下一步验证什么”。 来源 → 质询 → 边界 → 行动
飞书原生洞察工作流40 次画像压力测试

02 / 竞赛项目 · 用户洞察

RiderSignal

这是我担任队长完成的迈进科技与飞书大赛项目。我们要把分散的用户反馈，变成有原文依据、能被反驳、可以继续验证的产品方向。

项目背景
迈进科技与飞书大赛项目，使用飞书原生能力搭建用户洞察工作流
我的职责
担任队长，负责方案研究、会议推进、前后端与设计协调、材料和最终质量把关
解决的问题
让产品判断不再停在“评论总结”，而是保留来源、反方质询、风险边界和验证任务
结果证据
4,000 条反馈整理为 1,324 个证据原子、102 张方向卡和 31 个研究方向；40 次画像模拟只做前置压力测试

01 / 灵感理解先把模糊愿望变成可编辑约束识别主题、对象数量、文字、口味和禁用元素，不让模型靠猜。

自动演示，可点击查看从灵感到门店制作

03 / OPC 参赛项目 · AI 消费产品

糕定
AI Cake

这是我持续开发的 OPC 参赛项目。我把一个 AI 生图 Demo，逐步做成覆盖需求理解、成品生成、结果保存和门店制作的个性化蛋糕产品。

项目背景
OPC 参赛项目，面向消费者与蛋糕门店的 AI 个性化设计平台
我的职责
持续打磨 AI 编排、前后端流程、跨端构建与部署，把原始 Demo 拆成可维护产品
解决的问题
把“好看”翻译为形状、层次、鲜奶油材质和制作约束，并让生成结果可以编辑、保存和交接
结果证据
形成 FastAPI、Vue 3 与 uni-app 跨端架构，覆盖 PostgreSQL 持久化、H5、小程序、App 构建和门店制作申请；前后端设有五分钟截止

02 / 开源与工程实验

这些是我的
开源项目和工程实验。

主项目之外，我也会把检索、浏览器交互和长期记忆拆成更小的工具，持续验证自己的工程判断。

01QuicklyRAG面向已有项目的嵌入式 RAG 工具包，覆盖 9 类文档、混合检索、多向量库与重排。查看源码 ↗ 02NewsDIY让网页 Agent 读取带编号 DOM 文本树，降低截图坐标在 Windows 缩放下的点击脆弱性。查看源码 ↗
03Mem0 Memory Server高并发 FastAPI 长期记忆服务，研究记忆写入、检索、并发连接和服务化边界。私有实验

03 / 联系我

正在寻找 Agent / AI 产品 / 后端相关机会

如果你正在寻找能把 Agent 平台和 AI 产品做完整的人，我们可以聊聊。

我能负责Agent 平台
AI 产品

从运行时可靠性、后端服务，到面向用户的完整生成体验。

我的工作方式MVP 收敛
可复现交付

先定义成功和失败，再设计主流程、证据和恢复边界。

联系方式
yirc99@163.com github.com/YIRC99