郭鑫

• 主修数据结构、数据库系统、机器学习、数据挖掘、大数据处理、软件工程等课程，系统学习算法建模、数据处理与工程实现，并在课程设计与项目实践中完成数据分析、建模和后端开发项目。

• 参与公司核心模型的微调训练与日常模型效果测试评估，协助完成训练数据准备、多版本模型效果对比与评测报告输出，建立模型训练与效果评测的实践能力。
• 完成聊天大模型推理服务部署验证与性能压测，覆盖显存占用、响应延迟与吞吐量等关键指标，输出测试结论支持上线决策。
• 参与推理服务调优与稳定性排查，梳理部署排障清单与性能评估方法，建立可复用的测试流程与工具链，提升后续模型的验证效率。

• 从 0 到 1 搭建保险条款智能解析产品线，独立完成底层抽取引擎、配套审核平台及模板工具体系的架构设计与核心开发，累计支撑 500 万+ 字段抽取、准确率 96%。
• 主导新闻流 AI 处理系统的架构演进与稳定性治理，重构消费背压模型，建设多维度监控告警体系，保障日均 5 万+ 条新闻的稳定处理与异常快速响应。
• 设计并落地新闻日报/周报自动生成系统与新闻持续追踪后端，打通从数据消费、多 Agent 协作聚合到结构化交付的完整内容生产链路，帮助用户节省约 60% 新闻阅读时间。
• 独立建设企业级 GitOps 交付平台（Kubernetes + ArgoCD + Kustomize），统一多环境配置治理、声明式部署与镜像不可变发布策略，并将高频运维流程抽象为 Agent 可调用的领域 Skill。
• 统一建设跨系统的任务调度、状态管理、异常恢复与可观测性机制，推动多条 AI 产品线从单点开发升级为可运营的生产级服务。

技术栈: Python, FastAPI, Celery, Redis, SSE, PostgreSQL, OpenAPI, TypeScript SDK, LLM, Prompt Engineering, Rule Engine, HTML Parsing

• 将保险条款抽取拆分为“产品识别-字段抽取”两阶段流程：先识别保险产品最小单元并支持人工确认，再按产品执行异步深抽取与合同层聚合，降低一次性抽取的上下文复杂度，减少无效字段干扰与人工审核噪音。
• 设计并落地 7 状态抽取状态机，后端持久化关键流程状态，前端结合 SSE、工作流状态查询与 sync-status 自愈机制，覆盖任务运行中、完成未同步、失败回退、Redis 过期等异常路径，实现页面刷新、断线重连后的自动恢复。
• 构建 FieldMetadata + FieldHistory 双层字段审计模型，完整记录字段来源、原始 AI 值、source_refs 溯源片段、确认状态与修改历史，支持字段级审计追踪、问题排查、人工复核与历史回放。
• 统一设计 46 个字段的字段注册表，集中管理字段类型、提示词、枚举、抽取分组与展示分区，形成配置驱动架构，支撑后端抽取、API 契约与前端展示联动扩展。
• 构建“LLM 优先、规则兜底、聚合补强、条件修正”的双引擎抽取体系，并基于“产品名称 + 分出责任 + 原始再保起期”抽象产品最小业务单元，结合 46 个字段注册表与字段级规则补强，保障复杂条款场景下的抽取准确性与聚合正确性。
• 实现非侵入式重抽取与字段级证据链能力：保留已确认、已修改和手工字段，结合 HTML 唯一 ID、source_refs 与前端高亮定位，支持字段原文溯源、在线确认与历史回放，减少重复审核范围并提升问题定位与回溯效率。

技术栈: Python, Kafka, AIOKafka, Redis, PostgreSQL, OceanBase, OCR, LLM, Agent, RAG

• 设计四层解耦架构，拆分 Kafka 数据接入、前处理 Worker、提取 Worker 与任务监控 API，使不同负载特征的模块可独立扩容，并与全局并发、单任务并发控制配合，提升高并发抽取任务下的资源调度灵活性。
• 搭建前处理与字段提取双工作流：前者基于 Pipeline + SubStep 完成 OCR、模板匹配、大块切分与 web_content 生成，后者基于 html_json 执行字段级 LLM 抽取。
• 实现按 task_code 分桶轮询的公平调度器，结合全局并发与单任务并发控制，降低多类型任务相互挤占风险，保障长短任务混合场景下的吞吐稳定性与调度公平性。
• 以 Redis 作为统一状态中枢，沉淀 tracked/untracked 双模式任务机制，支撑任务追踪、进度查询、回调通知与异常恢复。
• 构建基于模板聚类的自动化处理链路，并搭建包含模板编写、调试与回归测试的专属平台（Template Workbench），将模板编写、验证与回归测试流程平台化，提升多态保险文件适配效率与迭代速度。
• 构建自动化回归验证机制，基于 500 份人工标注验证集，采用布尔严格比对与字符串压缩编码/文本相似度（>80%）结合的层级校验策略，最终保障系统级抽取准确率达到 96%。
• 支持热重载与断点续做，结合数据库标志位跳过已完成步骤，使异常中断任务可从已完成节点继续执行，减少重复处理与人工重跑成本。
• 累计支撑 500 万+ 字段抽取，整体准确率达到 96%。

技术栈: Kubernetes, GitOps, ArgoCD, GitLab CI, Kustomize, Docker, Cilium, Gateway API, NetworkPolicy, Longhorn, Prometheus, Grafana, Loki, Sealed Secrets, RBAC, Python, LLM, Agent, Platform Engineering

• 设计双仓库 GitOps 交付模式，解耦应用代码与部署配置，结合 ArgoCD 持续同步实现配置可审计、可回滚与集群期望状态统一管理。
• 基于 Kustomize 构建 base + overlays 多环境治理体系，统一管理不同环境下的镜像版本、资源配额、副本数、域名与密钥配置，减少多环境重复配置并提升配置变更一致性。
• 推动 CI/CD 职责解耦：CI 负责代码检查、镜像构建与配置更新，CD 由 ArgoCD 基于 Git 声明式配置自动同步，减少人工脚本直连集群操作，降低发布过程中的误操作与不可追溯风险。
• 建立镜像不可变发布策略，使用提交哈希作为镜像版本标识，结合声明式配置变更实现版本追踪、问题定位与快速回滚。
• 将项目接入、应用配置、网络治理、运维诊断等高频平台操作抽象为领域 Skill，沉淀面向大模型调用的模板、规则、说明文档与辅助脚本。
• 构建“意图识别 + 模板渲染 + 规则校验 + 脚本验证 + GitOps 落地”的 Agent 工程护栏，通过模板约束与自动校验减少配置生成偏差，提升生产变更的一致性、可审计性与可回滚性。
• 统一网络与安全治理体系，结合 Cilium、Gateway API、NetworkPolicy、Sealed Secrets、RBAC 等机制实现服务暴露、网络隔离、敏感信息加密和最小权限控制。
• 建设监控告警、日志聚合、发布后健康验证与故障诊断闭环，覆盖从应用交付、运行观测到异常定位的全流程，使平台能力从持续交付延伸到生产运行保障。

技术栈: Python, AsyncIO, Kafka, AIOKafka, Redis, RedisBloom, MySQL, aiomysql, Milvus, MinIO, FastAPI, LLM, Embedding, Pydantic Settings, Loguru, Docker Compose, GitLab CI, pytest

• 负责新闻流 AI 处理服务的核心架构设计与开发，基于 Kafka + AsyncIO 构建异步消费管道，串联新闻过滤、分类、评分、摘要、实体抽取、结构化入库与向量化写入等关键流程。
• 重构 Kafka 消费背压模型，关闭自动提交并引入手动 offset commit、max_poll_records 与入口 asyncio.Semaphore，将高峰期积压保留在 Kafka lag 中，避免消息无限堆积到进程内存，使积压状态可通过 Kafka lag 统一观测并提升服务稳定性。
• 设计“基础校验 → 去重锁 → 领域过滤 → 通用处理 → 领域处理 → 入库/向量化”的分阶段处理流水线，降低业务逻辑耦合，并支持一条新闻命中多个领域后生成多领域版本。
• 构建多领域 DDD 处理器体系，通过抽象基类、工厂模式与动态加载机制支持文件系统静态处理器、数据库动态处理器和混合处理器，实现领域、分类与 prompt 的运行期配置和定时刷新。
• 实现 RedisBloom + SimHash + Redis Hash + 分布式锁的多层新闻去重机制，减少重复新闻的 LLM 调用和重复入库成本，并在 RedisBloom 不可用时降级到基础 Redis 去重路径。
• 将 MySQL 结构化入库与 Milvus embedding 写入解耦，设计有界异步 vector_queue 和 Milvus 写入并发限制，使向量生成与写入波动不阻塞主新闻入库链路。
• 建设基于 Redis 的多 Worker 指标上报、集群级告警限频与 Dashboard 监控能力，覆盖 Kafka lag、活跃任务、向量队列、失败率、连续失败、平均响应时间和失败明细等关键指标。
• 完善服务工程化交付与质量保障，落地 Docker Compose、GitLab CI、健康检查接口、邮件预警、配置中心同步，并补充覆盖配置、领域处理器、Dashboard、预警和处理链路的 pytest 测试体系。

技术栈: Go, React, TypeScript, Wails, PocketBase, SQLite, SSE, Python, Git Worktree, Shell, Codex/Claude Code Agent SDK, MCP, Pencil

• 独立设计并实现三阶段文件同步引擎：目录树快照比对 → 文件变更计划生成 → 按并发度执行复制/删除操作，支持 A→B 推送、B→A 拉取、双向同步三种模式，基于 xxHash 高速哈希实现智能增量同步，仅传输实际变更的文件而非全量拷贝。
• 构建 Wails + PocketBase 双模运行架构：桌面模式下自动在后台启动 PocketBase 服务并弹出原生窗口，服务端模式下前后端分离通过 REST API + SSE 实时日志流交互，前端编译后嵌入 Go 二进制，实现单文件分发、零依赖部署，用户无需安装任何运行时或数据库。
• 实现系统托盘菜单、桌面消息通知、原生文件夹选择对话框等桌面能力，结合 SSE 实时推送同步进度与文件级操作日志，提供从任务创建、运行监控到日志审计的完整桌面同步体验。
• 在开发过程中设计并落地多 Agent 协同开发体系：设计稿自动拆解为结构化任务 + 依赖关系图 → 多终端原子认领 + 独立代码沙箱并行开发 → 编码 Agent 实现 + 审核 Agent 按四维度逐条验收 → 自动合并归档。主编排器（task-orchestrator）内建为同一二进制文件的子命令，实现"开发体系的工具就是开发出来的工具"。