AI 应用 / Agent 开发 · 莫纳什 AI 硕士（QS 37）· 27 届应届
黄一航
把大模型，变成真正会做事的 Agent。
PR 被海外开源 AI 项目官方合并 · 企业知识问答做到 85%+ · 独立开源了能在本地替你操作电脑的 AI 助手——从记忆架构、安全沙箱到工具调用，我做能上线、也经得起查证的 Agent。
AI 分身 · 点击直达对话
先刷重点。
说句话，电脑自己把活儿干完。
无事 NoWorries · 独立开发 · 官网可下载 · 文件不上传云端
生产运行员工在飞书群发一句话，接单、出库核对就完成了。
辰曦花卉 · 独立开发 · 企业累计销售 540 万+ · 5 个飞书群 AI Agent · AI 碰不到数据库写权限
商业化产品上传简历，8 个 Agent 生成差异化个人网站。
PowerMyWeb · 已上线并开放 Free / Pro 订阅 · 自建生成管线 · 130+ 单元测试 · 352 条断言
AI × 法律把 348 页房产合同，读成一页可查证的风险报告。
ContractLens · 真实律师报告对照 · 91 条发现每条附原文引用 · 成本约 $1/份
开源贡献修的代码，被海外开源 AI 项目官方采纳。
OpenClaw · PR 已合并 · 另重构其记忆与上下文模块
企业实战实习做的 AI 质检流水线，把 3 小时人工审核压到 10 分钟。
中科曙光 · Agent 开发实习 · 企业知识问答准确率 85%+
开源框架一个 AI 写不完的大任务，让它自己拆成任务树。
Sprout · MIT 开源框架 · 受限 token 同题：单 AI 25 分 → Sprout 100 分
主打开源项目 · 独立开发 · MIT 开源免费
无事 NoWorries
一句话说完，剩下交给它。
一句话发令，它在本地替你操作文件、Excel 和 Word。
基于开源 Openwork 深度重构——Electron + TypeScript + Python，一个人扛完全栈。
文件不上传云端，每一步可回滚。
记忆系统
三层记忆，越用越懂你。
本地 SQLite · 向量嵌入 + 语义搜索 · 增量总结 · 情感标记
只能动你允许它动的地方。
它只能在你指定的文件夹里动手，危险命令一律拦截、敏感路径碰不到、每一步都留操作日志——macOS 上更是系统级沙箱（sandbox-exec，默认全拒绝）。新手也能放心交给它。
用你自己的密钥，没有订阅费 — 智谱 GLM · Kimi · 硅基流动，或任意 OpenAI 兼容端点（DeepSeek / Ollama 均可接入）
让 AI 分身讲讲三层记忆怎么设计 ›独立开发 · 真实企业生产运行中
生意，跑在一个群聊里。
一家花卉批发企业每天在用的经营系统：员工在飞书群里发一句话，接单、出库核对就完成了。
辰曦花卉每天在用：3 个基地、65 个品种、56 家客户、10 名员工，企业累计销售 540 万+；上线首月处理 1,027 单、结算 34 万+。系统先用飞书多维表格搭 MVP 跑通闭环，业务长大后重构成 Flask + PostgreSQL 生产系统，稳定运行至今。
张姐花店要 200 扎 A 级红玫瑰，今天下午的车走，先出库
AI 已拟好出库单
飞书多维表格 MVP → Flask + PostgreSQL · 30+ 接口权限 · 每日异地备份
知道什么时候该换骨架。
先用飞书多维表格几天搭出 MVP，跑通业务闭环、验证真实需求；等业务长到 3 个基地、65 个品种、56 家客户，多维表格在并发写入、对账一致性和复杂查询上撑不住了，才重构成 Flask + PostgreSQL。难的从来不是写系统，是判断何时该换架构。
AI 永远碰不到写权限。
只读为主、写入走白名单、人工确认后才执行——AI 只负责把单子拟出来，落库的是系统，AI 永远碰不到数据库的写权限。让老板敢把录单和查账交出去，这是 Agent 进真实生产环境最难的那一步。
不是 Demo，是每天在用。
10 名员工每天在上面做生意，企业累计销售 540 万+，上线首月处理 1,027 单、结算 34 万+。按生产标准交付：30+ 接口权限控制、全程操作审计、每日异地备份、失败自动回滚。
生产运行中 · 企业累计销售 540 万+ · 首月 1,027 单 / 结算 34 万+ · 5 个飞书群 AI Agent · AI 数据库写权限为零
看完整系统与演进 ›问问 AI 分身怎么让老板放心交权 ›已上线 · 多 Agent 生成引擎
这个网站是我手写的。下一个，AI 替你写。
给求职者的网站生成器：AI 读懂你的简历，像定制师一样跟你确认，然后从零写出一个专属网站。
PowerMyWeb 已正式上线并开放 Free / Pro 订阅：上传简历后，8 个分工 Agent 读懂经历，翻查一个从 1806 个真实作品集提炼出的灵感库，起草 5 个刻意拉开差异的设计方向，和你对话确认后，逐行手写网站，一键发布到专属子域。
不用 LangChain。
市面上有现成的 Agent 开发框架（LangChain），我选择不用：结构化输出、截断续写、工具循环、事件流、失败升级链，全部从零实现——要的是对每一步的完全掌控。
不撞衫，是个采样问题。
AI 起草的五个方向总是长得差不多——先让模型一次显式给出多个候选（Verbalized Sampling），再从 8 个草案里选出彼此差异最大的 5 个（Max-Min 分散化），把多样性硬捞回来。这套采样管线已经跟着产品在线上跑。
AI 写的，AI 先看一遍。
每版先 Playwright 截图、视觉模型看图打分；改动走三级分诊——秒级 patch、区块重做、全页兜底。上线之后照样能对话式修改、随时回滚。
已上线并开放 Free / Pro 订阅 · 130+ 单元测试 · 352 条断言 · 多 Agent 生成管线、差异化采样与视觉自评闭环已跑通
看完整架构与进展 ›问问 AI 分身怎么防止 AI 撞衫 ›ContractLens · 以执业律师的真实审查报告为基准
把 348 页合同，读成一页明白。
买房合同动辄几百页，没人读得完：它让 7 个 AI 分析师分头精读，把每一处风险整理成一页有据可查的报告。
澳洲维多利亚州（VIC）房产合同 AI 审查——10 个阶段的流水线，7 位 AI 分析师并行；132 页实测跑完只要 4.6 分钟、成本约 $1。
text extraction
扫描页 → Tesseract OCR
每条结论，都经得起查证。
强制原文引用 + rapidfuzz 分级校验（85 / 75 / 60 三档阈值）+ 仅针对失败引用的定向重试；输出再过两道合规闸门（正则 + AI 语义审查），拦截「AI 律师」式越界表述。
用真实律师报告做基准测试。
4 份真实合同（104–348 页，含扫描件与一份混合 5 个地址产权的合同）全链路跑通。与执业律师报告逐条对照：约 30 条命中重合。另发现 2 处律师报告未单列的公司注册号（ACN）不一致——经逐条核对确认。系统标记为「需人工复核」的 86 条也逐条复盘过，85% 确认有效。
开源贡献 · OpenClaw
让 OpenClaw 的记忆，会兜底、会遗忘。
OpenClaw 是一个 GitHub 38 万+ Stars 的海外开源 AI 助手：一个修复 PR 已被官方合并；另一个 Fork 版本给它的记忆加了会遗忘的情景层与多级检索兜底。
检索一路降级、坏了有兜底；再加一层情景记忆——按间隔重复巩固，过期自动遗忘。
spaced-repetition
decay ~10%/day「用户偏好用 pnpm」
↑ 升级进 MEMORY.md
在 hybrid 检索上加一层情景记忆
官方检索本是「向量 + BM25」混合；我在其上加了 episodic 记忆层——每次任务后把结果、用过的工具、改过的文件记进按月 JSON，检索时多一路兜底。
会遗忘的记忆：间隔重复式巩固
记忆重要度每天衰减约 10%，默认会遗忘；只有 7 天内被召回 ≥3 次的，才自动升级进长期 MEMORY.md——越常用越记得牢。
开源框架 · 独立设计
Sprout，会自己生长的任务树。
让 AI 自己组队的开源框架：活儿太大、一次调用写不完时，它会自己拆任务、生出一棵任务树，再把结果拼回来。
每个 Agent 自主决定分裂——树形拓扑，递归生长，深度由任务决定。
Root
analyze()
Child A
execute()
Child B
analyze()
Child C
execute()
B-1
execute()
B-2
execute()
Phase 1
analyze()
只判断：要不要拆
Phase 2a
execute()
不拆就直接干活
Phase 2b
synthesize()
子结果向上合并
同一任务（写 4 个独立 Python 模块）、受限单次调用预算下：单 Agent 只拿 25 分，Sprout 拿满 100 分。
按固定评分表（rubric）程序自动打分、满分 100、可复现。单个 AI 一次能输出的内容有硬上限（token），写不完就被截断；Sprout 分裂后每个子节点独享完整预算，4 个模块全做完——核心价值不是并行加速，而是突破单次调用的 token 预算上限。
两阶段 Worker
analyze() 用轻量调用先判断「要不要拆」，execute() 再做实际工作。分析与执行分离，分裂决策更准。
Approach 注入
父节点分裂时为每个子任务生成方法论与关注点，注入子 Agent 的 system prompt——角色从任务中涌现，而非预设。
安全边界
max_depth · max_children · max_total_nodes · max_total_tokens 四重上限防止树爆炸；24 个单元测试覆盖核心模块。
实战验证。
两段实习，把 Agent 做进真实业务。
中科曙光 · Agent 开发实习生
2025.12 – 2026.02Agent 应用开发 — 基于 Dify 开发智能 HR Agent 与企业知识库问答（RAG）——让 AI 先检索企业内部资料再作答；经向量库接入与分片策略调优，问答准确率 85%+。
Multi-Agent 交叉验证 — 让三个专项审查 Agent 分别独立评估模型训练数据（SFT 题目），结构化打分、意见冲突时自动仲裁，降低人工审查成本。
SFT 数据工程与质控 — 搭建飞书自动化质检工作流，日均校验 500+ 条数据，人工耗时 3 小时 → 10 分钟；并逐条审查模型的工具调用（Tool Calling）与思维链推理（CoT）是否正确。
饭圈外卖 · AI 应用产品实习生
2024.11 – 2025.02产品迭代与效果验证 — AceEssay 是帮用户降低文稿「AI 代写嫌疑」的工具：参与 4 次版本迭代，用 Turnitin / GPTZero 两大主流 AI 检测平台建立评估体系，文本被判定为 AI 生成的比例从 100% 压到 10–20%。
内容增长与 SEO — 60+ 篇内容带来 7.5 万站点访问，粉丝 0 → 近 3 万；核心词排名 48 → 9，自然流量月环比约 3 倍。
更多作品。
ViT 图像分类
ViT / DeiT 微调，分层学习率 + Label Smoothing + RandAug / Mixup / CutMix，验证集 Acc ≈ 98%。
PyTorch · Transformers强化学习实战DQN 多智能体运输
在 5×5 仿真网格里训练 4 个 AI 协作搬运（共享网络 DQN + 避让优先级机制），往返运输成功率 95%，平均步数降低 20%。
DQN · Multi-Agent彩蛋 · 网站本身内置 AI 数字分身的个人网站
content/ 单一数据源同时驱动页面渲染和 AI 分身的 system prompt——架构页展示的 prompt 就是线上真正在用的那份；真 AI → 演示模式 → 静态页三级降级，全程构建日志公开。
Next.js 16 · AI SDK v6彩蛋作品 · 这个网站本身
这场发布会本身，也是展品。
看全部构建日志 ›与 AI 编程工具 Claude Code 协作，从一句模糊需求到上线全程留痕——每一条真实指令（prompt）、每个阶段的耗时，还有 AI 每一次翻车和我怎么纠正它，全部公开在构建日志里。
技术规格。
还有一件事。
这一个，是活的。
前面每个产品的演示窗口都是动画。这一扇是真的——我的 AI 分身在线：基于真实简历回答，资料之外的事直说不知道。 它如何工作 ›
你好，我是这个网站主人的 AI 分身，基于 TA 的真实简历和项目经历回答问题——资料里没有的我会直说不知道。可以从下面的问题开始：
介绍一下你自己
我是黄一航的 AI 分身。本人是莫纳什大学 AI 硕士（27 届应届，课程 2026.07 结束、学位 2026.10 授予），目标岗位是 AI 应用 / Agent 开发，base 成都、可远程。在中科曙光做过 Agent 开发实习；独立开发的辰曦花卉智能经营系统已在真实企业生产运行，配 5 个飞书群 AI Agent 管接单、出库核对、成本录入和经营问数；PowerMyWeb（8 个分工 Agent 生成作品集网站）已正式上线并开放 Free / Pro 订阅。另外独立开发了开源桌面 AI 助手 NoWorries，给开源项目 OpenClaw 提交过被官方采纳合并的代码修复（PR），还自研了 Multi-Agent 框架 Sprout。想深入了解可以看「项目」和「关于我」页面。
你什么时候能到岗？
现在就能开始远程实习；2026.07 硕士课程结束，最快 2026 年 8 月全职到岗（学位 2026.10 正式授予，不影响先远程上手）。base 成都、接受远程协作。简单说：实习随时，全职最快 2026.08。
你接受远程协作吗？
接受远程协作，也能配合必要的现场或出差。base 成都，目标岗位实习与全职都看。远程协作的工具链（飞书、Git、异步沟通）我在中科曙光实习和做这个网站的协作里都实跑过。
你最大的差异化优势是什么？
一句话：从零造轮子、读懂并重构别人的系统、把 Agent 做进真实企业业务——这三种能力我都有可验证的产出。从零造的是 Multi-Agent 框架 Sprout；重构别人系统的是 NoWorries（基于开源 Openwork 深度重构的桌面 AI 助手，三层记忆 + 安全沙箱）和 OpenClaw（重构了它的记忆系统，另有一个修复 PR 被官方合并）；企业落地是在中科曙光，把 Multi-Agent 交叉验证落进真实的模型训练数据（SFT）质检流程。很多候选人只占其中一种，我三种都有真东西可看。
挑一个项目，讲讲你踩过的坑
随便挑一个真实的：重构 OpenClaw 时发现官方把中文文本的「长度」（token 数）低估了约 40%——量尺不准，所有靠它决定「内容留多少、裁多少」的策略全部失准，中文一多就超限报错。我加了一层针对中文（CJK）的 token 预算修正才稳住。更多翻车与纠正（连 AI 自己踩的坑）都摊在「构建日志」里，欢迎追问任意一个细节，我尽量讲到机制层。
怎么联系你？
邮箱：1653120857@qq.com，GitHub：github.com/hlbbbbbbb。也可以在「关于我」页面找到全部联系方式，或直接下载简历 PDF / 保存我的电子名片。如果你是面试官——重要事项直接发邮件给本人，他回得很快 :)
AI 生成内容可能不准确，重要信息以简历与本人沟通为准；对话可能被记录用于改进。
降级链：真 AI → FAQ 演示 → 静态页 · 无 JS 也完整可读
在招 AI 应用 / Agent 开发？ 我们聊聊。
2026.07 硕士课程结束，最快 2026.08 全职到岗——正在找 AI 应用 / Agent 开发的机会。一封邮件，我会很快回。
招聘方专用 · 一键带走
