王智刚 Wang Zhigang

LLM, Multi Agent, RAG, Prompt Engineering, Java, Python, Big Data

• 大数据集群异常事件的自动化诊断与根因分析
• Multi Agent 框架的架构设计与核心开发
• 基于 Agent 框架的 EMR 智能诊断助手开发
• LLM 在运维诊断场景下的工程化落地

• 主导设计并实现了 Multi Agent 协作框架，支撑多种诊断场景的智能化分析
• 完成 EMR 智能诊断助手的开发与上线，提升集群异常的响应效率
• 将实习期间的根因分析能力与 LLM 结合，实现从规则驱动到智能驱动的演进
• 沉淀了 Agent 编排、工具调用、上下文管理等通用能力，提升了框架的可复用性

Java, BigData, MySQL

• 大数据集群的异常事件自动化诊断和分析

• 根据产品需求文档，设计并开发后端接口和数据库表结构，与前端团队对接，完成后端开发
• 使用 Guava Graph 构建了故障的传播图谱，并实现了根因传播树的提取和实例化
• 基于注解和反射机制实现了事件映射和分析框架，显著减少代码重复，提升了系统的可扩展性和可维护性
• 结合模板引擎实现字段级别的 Prompt 定制，并结合 LLM 实现自动生成根因分析报告
• 独立负责并完成了 HOST 部分的根因分析

C++, Java, Python, Milvus, AspectJ, Redis, MySQL

• Milvus 集群中间件的可观测性优化和性能优化及新功能的设计与实现
• 快手向量数据库删除功能的设计与开发

• 借助 AspectJ 和注解，对部分函数进行静态代理，无侵入的增强了整个系统的可观测性
• 使用 AspectJ 和责任链模式实现动态请求过滤和限流，防止系统雪崩
• 结合 Perf 数据，优化了部分热点函数，部分函数提升了 80 倍的性能
• 基于无锁 Bitmap 实现向量数据库删除，百万级数据下搜索召回率 > 95%，latency < 5ms

Python, Flask, MongoDB, 微信小程序

• 算法 SDK 的工程化及容器化
• 微信小程序开发
• 算法模型设计、开发与部署

• 独立完成爱奇艺 AI 小程序前后端的开发与部署，单日最大调用量 2W+ 次; 30 天积累 1W+ 用户
• 重构了原有的后端代码，将不同的模块进行拆分解耦，完成算法服务的容器化
• 深度参与了 2021 爱奇艺 AI 拜年活动的开发，负责部分原子服务的封装，测试通过并上线