AI 应用开发 / 后端工程
陈雨豪
浙江理工大学 · 计算机技术硕士
聚焦 Agent、RAG 的可追踪、可评测与工程化落地。
求职状态
寻找 AI 应用开发实习机会
硕士在读 · 可联系 · 持续更新作品
把 Agent、RAG 和后端系统，做成可验证的产品。
技能优势
Agent：Agent Loop、Tool Calling、上下文管理、Plan 与状态推进、权限控制、失败恢复和结果验证
RAG：文档入库、结构化 Chunking、Embedding + BM25 混合检索、Query Rewrite、Rerank、上下文工程、引用与评测
AI 编程：使用 Claude Code / Codex 完成代码理解、功能开发、问题定位、测试补全、重构和结果验证
Agent 系统：使用 OpenClaw / Hermes，理解工具调度、上下文传递、执行循环、状态管理和结果回写
后端工程：Java 业务分层、Redis 缓存、MQ 异步处理与系统解耦，以及 FastAPI / React 项目开发
当前重点
Agent Runtime · RAG Evaluation
2 个完整 AI 项目
56 篇技术文章
5 个内容系列
AI Projects
把复杂的 AI 工作流做成系统
两个完整项目，覆盖 Agent 编排、RAG 证据链、工具调用、运行追踪和后端工程。
Notes
技术文章与项目复盘
从 Agent Runtime 到 RAG 评测，把项目里的关键决策整理成可回看的技术记录。
2026年7月2日
5,197 字 / 11 分钟
Coding Agent 是怎么跑起来的：从用户目标到结果验证
预计 11 分钟读完拆解 Coding Agent 接收目标、规划任务、调用工具、处理失败并验证结果的完整运行链路。
2026年7月5日
1,549 字 / 4 分钟
如何评测 RAG：用 Golden Set 证明系统真的变好了
预计 4 分钟读完介绍如何构建标准问题集，并用检索命中、引用准确性和答案质量持续验证 RAG 改动。
2026年7月8日
2,922 字 / 6 分钟
如何把博客自动发布跑稳：多平台上传、测试与失败恢复
预计 6 分钟读完复盘自动发布工具从“能够运行”到“稳定运行”的过程，包括登录状态、浏览器自动化、测试和异常处理。