AI智能体

Designs reliable LLM agents: tool contracts, planning loops, guardrails, state machines, and evaluation of multi-step tasks.

Chooses embeddings and ANN indexes correctly: dimensions, chunking, hybrid search, and recall tuning.

Decides between prompting, few-shot, RAG, and fine-tuning; if fine-tuning, designs dataset, method (LoRA), and eval.

Builds an eval harness for LLM features: golden sets, metrics, red-team cases, and CI regression gates for prompts/chains.

Designs a production retrieval-augmented generation system: chunking, embedding, hybrid retrieval, reranking, evaluation, and guardrails. (LLM-native dev category.)

构建生产级 RAG/Agent：切块、检索、评估、成本与防注入一站式设计。

构建AI编码工作负载的token成本优化系统，通过模型级联、语义缓存、上下文裁剪与 预算护栏降低单位任务成本，同时保证任务成功率不退化。

构建以机器可读规格为源头的AI开发工作流，覆盖规格澄清、计划生成、代码实现、 验收验证与变更影响分析，保证需求到代码的双向可追踪性。

构建由智能体驱动的检索增强系统，支持查询规划、多跳检索、工具化读取与带引用 综合，面向代码库、文档与工单的工程知识问答。

构建集中式Prompt注册表，支持版本化、Git评审流、变量校验、自动评测与多语言 渲染SDK，统一管理所有智能体提示词的生命周期。

为智能体编码管线构建追踪与评测平台，覆盖全链路追踪、离线回归评测、在线抽样 LLM裁判评分与CI质量门禁，防止提示词与模型变更引入退化。

构建专职化编码智能体（规划、编码、评审、测试、研究）协作系统，基于任务DAG与共享 黑板完成仓库级开发任务，支持失败重规划与人工门禁。

为AI编程智能体构建上下文压缩与分层记忆层，在有限token窗口内自动组装任务上下文、 滚动摘要并沉淀长期项目知识，兼顾召回率与成本。

提示词与 MCP 工具 Schema 的版本发布平台，支持内容寻址版本、破坏性差异检测、 评审门禁、灰度放量、A/B 实验、运行时血缘与一键回滚。适用于制品繁多、需可控发布的场景。

基于 Elicitation 的交互式 MCP 工具库与运行时，让工具在执行中按需动态收集结构化输入， 覆盖危险确认、缺参修复、多方案抉择与 Diff 人机评审。适用于提升工具成功率与安全协同的场景。

面向 MCP 的 OpenTelemetry 全链路可观测平台，贯通智能体决策、工具调用与上游依赖， 提供根因定位、token 成本治理与质量分析。适用于多智能体多工具的规模化运维场景。

位于智能体与 MCP 服务集群之间的上下文路由器，按意图分类、混合检索与信息价值预估 挑选工具并装配压缩上下文。适用于工具众多、窗口有限且要求决策可解释的场景。

主管-工作者模式的多智能体编排平台，所有工具经 MCP 统一接入，支持并行扇出、归并、 人工检查点、补偿动作与基于事件日志的全轨迹回放。适用于复杂任务多角色协作研发场景。

支持语义检索的 MCP 工具注册与发现中心，自动摄入工具清单、指纹比对检测 Schema 漂移， 并按任务意图综合成功率、延迟与可信等级推荐工具。适用于工具数量激增后的统一治理场景。

（完整prompt、响应、token拆分、延迟），按model、tags、user、error、cost 搜索过滤，追踪回放（相同输入重跑LLM调用）；

LLM调用的手动装饰器/上下文管理器，Span属性（model、prompt、completion、 tokens、latency、cost），跨服务传播W3C…

构建可观测LLM链路追踪系统，追踪LLM调用、工具调用、Token与成本，支持回放、 调试与性能分析，适用于LLM应用的可观测性与成本治理。

延迟、错误率），结构化日志含请求/响应捕获；

读取，Prompt模板作为MCP prompts暴露，每工具限流与配额；