面试官好，我叫蔡平。我有11年研发经验，职业经历覆盖企业应用开发、平台架构设计以及大模型与Agent应用落地。
Java后端与企业应用开发，建立扎实的工程基础。
微服务、支付平台与数据治理平台架构设计。
大模型与Agent平台规划、架构、核心研发和团队建设。
面试官好，我叫蔡平，到现在大概有11年的研发经验。
我最开始做的是Java后端和企业应用，后来慢慢开始负责微服务、支付平台和数据平台这些架构工作。最近几年，我的工作重点转到了大模型和Agent应用，主要负责技术规划、平台架构、核心功能开发，也会参与团队建设。
2020年加入上家公司，担任AI应用架构师和主程，负责AI业务规划、技术架构、核心研发和团队建设。
我是2020年加入公司的，担任AI应用架构师和主程。简单来说，我主要做了三层事情。
最底层是文化天府数字化平台，它负责用户、内容、活动这些真实业务，也沉淀了大量业务数据。中间是我主导建设的智枢基础设施平台，它把模型接入、知识库、Agent运行这些公共能力统一起来。最上层就是具体的AI应用，比如智能客服、内容运营和AI销售。
这样做的好处是，底层有真实数据，中间的技术能力可以重复使用，上层业务也能更快交付。
统一协议、动态路由、热切换、Token统计与成本管理。
Planning、Tool Calling、状态管理、异常恢复与运行时治理。
多租户知识库、短期会话记忆、长期用户画像。
第一个项目是智枢基础设施平台。
当时公司做的AI应用越来越多，但每个项目都要重新接模型、做知识库、管理Prompt、开发工具调用，重复工作比较多。所以我就主导做了这个公共平台。
可以把它理解成公司内部的AI技术底座。不同厂商的模型先统一接到模型网关，再根据场景选择合适的模型；Agent运行、知识库、上下文记忆、工具调用这些能力，也都由平台统一提供。业务团队开发新Agent时，就不用每次都从头开始。
目前我们接入了DeepSeek、智谱、阿里百炼、火山方舟、月之暗面、硅基流动和OpenAI，一共7个平台、50多个模型服务，基本覆盖了文字、推理、图片、视频和音频这些能力。
平台现在日均调用大约2万次。新Agent的交付时间从原来的4周左右缩短到2周，Token成本也下降了大约25%。我觉得这个项目最大的价值，就是把原来比较零散的AI项目，整理成了一套大家都能复用的能力。
这几个项目是一步一步演进出来的：先让客服能够自动回答和实时交流，再用真实销售数据不断优化回答方式和转化效果。
模型能力与业务工具双抽象；推理、工具选择、执行、观察、再规划；FEC和自适应Jitter Buffer改善弱网体验。
语义切片、Metadata、混合检索；商品、库存、订单、营销策略封装为Agent Tool。
销售对话沉淀、Prompt/RAG、SFT与模型对齐、自动评测、能力发布。
第二个项目是智能客服、AI数字人和AI销售。其实这几个项目不是完全分开的，而是一步一步演进过来的。
第一步是先把客服做智能化。我主要负责Agent运行和实时语音这部分，让Agent不仅能回答问题，还能查询商品、库存和订单，也能调用营销工具。语音方面，我们把语音识别、Agent处理、语音合成和WebRTC实时通信整条链路打通了，在网络不太好的情况下也能尽量保证对话流畅。
第二步是补充知识和业务能力。我们把历史销售沟通记录整理成企业知识库，并把商品、库存和订单服务封装成Agent可以调用的工具。最后实现了文字、语音和数字人几种交互方式，最高一天承接了4000人咨询。
客服能回答问题以后，我们又继续做AI销售优化。因为“回答正确”和“会销售”其实是两件事，所以我们整理了大约1.5万条销售对话，其中3000组用于模型对齐，同时把产品知识、销售话术、异议处理和成交技巧沉淀下来。
为了知道优化有没有效果，我们还建立了一套评测题库，覆盖20类销售场景和300个常见问题。经过几轮优化，回答准确率从72%左右提升到86%，销售策略符合度从65%提升到87%，销售线索转化率提升了大约8%到12%。这样就形成了一个从真实对话中发现问题、再优化Prompt和模型、最后重新发布的循环。
把一篇内容从活动分析、策划、文案、配图到审核发布，拆成一条可以重复运行的AI工作流。
支持不同文化馆复用通用流程，同时保留独立编排能力。
PostgreSQL Checkpointer实现状态持久化、断点恢复与异常重试。
接入LangSmith，追踪节点状态、Token消耗与响应时间。
第三个项目是文化内容运营Agent，主要是帮助文化馆提高公众号和新媒体的内容生产效率。
以前运营人员做一篇内容，要自己整理活动信息、想选题、写文案、找图片、审核和发布，整个过程比较花时间。我们就把这些步骤拆成了一条AI工作流，让不同的Agent分别负责分析、策划、文案、图片和审核。
技术上我使用了LangGraph来编排流程，同时做了任务保存、失败重试和运行监控。这样即使一个比较长的任务中途出错，也不需要从头再来。
目前平台接入了16个文化馆和新媒体账号，每个月辅助生成大约2000篇图文。单篇内容的制作时间从原来的2小时左右缩短到30分钟，初次审核通过率大约80%，整体效率提升了60%左右。
我主导平台从单体应用向Spring Cloud微服务SaaS架构升级，完成用户、新闻、活动、课程和报名等领域服务拆分。
通过Redis、分布式锁和消息队列解决高并发报名问题。更重要的是，平台沉淀了真实的用户、内容、活动和运营数据，为智能客服、内容运营和销售优化提供持续反馈的数据基础。
前面这些AI项目之所以能真正落地，和文化天府数字化平台有很大关系，因为它提供了真实的业务场景和数据。
这个平台我也参与得比较深。我主导过它从原来的单体系统升级成Spring Cloud微服务架构，把用户、新闻、活动、课程和报名这些功能拆成独立服务。像热门活动集中报名这类高并发问题，我们通过Redis、分布式锁和消息队列来解决。
目前平台有200万以上用户，日活超过10万，覆盖成都16个区县文化馆。也正是因为有这些真实用户、内容和运营数据，后面的智能客服、内容运营和销售优化才不是单纯做一个演示，而是能在真实业务里不断验证和改进。
传统企业架构经验 + Agent、RAG与大模型应用落地经验。
从业务问题出发，贯通数据、模型、平台、应用和反馈优化。
既能做技术方案和核心研发，也能推动团队协作、技术评审和生产交付。
继续深耕AI应用架构和Agent平台方向，把模型能力转化为稳定、可评估、可持续优化的企业级产品能力。
最后简单总结一下，我觉得自己主要有三个特点。
第一，我既做过传统的企业级系统，也做过Agent、知识库和大模型应用，所以在做AI项目时，我会比较关注系统怎么真正落地，而不只是模型效果。
第二，我习惯先看业务问题，再决定怎么使用数据、模型和技术，不会为了用AI而用AI。
第三，我不只是做方案，也会参与核心代码、技术评审和团队协作，能够把项目一直推动到正式上线。
下一阶段，我希望继续做AI应用架构和Agent平台方向的工作，参与更复杂、也更有实际业务价值的项目。
以上就是我的自我介绍，谢谢各位面试官。