0
被预约次数
0
被收藏次数
0
被评价次数
7年教育行业经验 + 大模型应用开发能力，具备"教育领域专家+AI技术应用"双重背景
熟练掌握LangChain/LangGraph框架，能独立开发基于RAG的智能问答系统和多Agent协作应用
深入理解教育场景的AI落地需求：自适应学习、智能错题分析、AI教研、学情诊断等
熟悉主流大模型API（OpenAI、智谱GLM、通义千问、文心一言），具备多模型选型与调优经验
Prompt Engineering实战经验丰富，能设计高质量Prompt体系实现复杂教育任务的自动化
AI物理错题助手 Agent（个人项目）
基于LangChain + RAG架构，开发面向K12学生的智能错题分析系统，具备错题录入、错误原因分析、针对性练习生成、掌握度追踪等完整功能链路
设计ReAct Agent：集成知识库检索（Chroma向量库）、计算工具（Python Repl）、网络搜索（Tavily）三大Tool，Agent可自主推理选择合适的工具链解题
搭建物理学科知识图谱：将初高中2000+知识点结构化，配合文档分块策略与混合检索（向量+关键词），检索召回率提升至85%
设计"错因分类+难度分级+知识点关联"的三维Prompt体系，错因判断准确率达90%+
使用Streamlit搭建Web界面，支持学生自然语言交互，项目在GitHub开源（300+ Stars）
智能教研助手 Multi-Agent 系统（个人项目）
基于LangGraph实现多Agent协作架构：教研Agent（内容生成）+ 审核Agent（准确性校验）+ 优化Agent（难度调整），通过Supervisor模式协调任务分发
教研Agent：输入课程主题后，自动生成教案大纲、讲义内容、分层练习题、知识点思维导图，单次生成耗时<30秒
审核Agent：基于Few-shot Prompting + 规则引擎，对生成内容进行学科知识准确性校验与格式规范检查，准确率95%
优化Agent：根据用户反馈自动调整内容难度（布鲁姆认知层级），实现"千人千面"的个性化内容输出
支持GLM-4、GPT-4o、Qwen等多模型切换，通过A/B测试持续优化各Agent的Prompt效果
可兼职时间
可兼职地点
0条评论 雇主评价