李鹏斌|AI Agent 开发工程师

English Version

AI Agent 开发工程师 · 应用型 AI 研究者

岩手大学硕士研究生,主要关注 AI Agent、检索增强生成、网络安全与深度学习的交叉应用。 能够从问题定义、方案设计和实验验证推进到后端实现、评测体系、可观测性与工程交付, 重视系统效果,也重视证据、边界和长期可维护性。

查看代表项目 阅读完整简历 联系我


代表性成果

核心方向

01 · 智能体系统

设计具备任务规划、长期记忆、工具路由、反思补查、人工接管与长任务控制能力的单 Agent / 多 Agent 工作流。

关键词: LangGraph · LangChain · Deep Agents · Harness · Multi-Agent

02 · RAG 质量与评测

构建包含查询改写、过滤、重排、证据充分性判断、引用追踪、离线指标、Trace 回归与降级机制的检索链路。

关键词: ChromaDB · pgvector · Elasticsearch · Neo4j · Golden Set

03 · AI × 网络安全

将大模型与生成模型应用到授权安全评估、入侵检测、漏洞研究、安全围栏、沙箱执行与可审计工作流。

关键词: 安全智能体 · IDS · RAG · Docker · 可观测性

查看完整能力矩阵

代表项目

六个项目集中展示我在智能体编排、RAG 质量、安全控制、评测体系与深度学习应用方面的实践。

Trip Planner|AI 旅行规划系统

2026.06

面向中文用户的 AI 旅行规划系统,将快速行程生成、目的地深度研究、浮动聊天助手、地图与天气增强、 历史管理以及 Markdown/PDF 导出组合为完整闭环。

技术栈: Vue 3 · TypeScript · FastAPI · LangGraph · ChromaDB · Redis · SQLite · RAG

查看完整案例 GitHub

企业级 Java AI Agent 平台二次开发

2026.06 – 2026.07

基于 java-up-up/super-agent 持续优化,在保留企业级 Agent、RAG、文档治理与管理后台能力的基础上, 补齐工具扩展、检索闭环、评测、安全、可观测性与引用追踪能力。

技术栈: Java · Spring AI Alibaba · RAG · Neo4j · Redis · Kafka · pgvector · Elasticsearch

查看完整案例 GitHub

MyAgent|防御性安全评估智能体

2026.05 – 2026.06

基于 PI Agent 二次开发的 TypeScript CLI/TUI 智能体,在代码、命令、会话和多模型能力之上, 新增面向授权防御性安全评估的子代理、范围控制、长期记忆和报告能力。

技术栈: TypeScript · Node.js · PI Agent · CLI/TUI · Multi-Agent · Security Guardrails · Vitest

查看完整案例 GitHub

Paper Humanizer Skill|中英文学术文本人性化润色工具

2026.01

面向中英文学术写作的 Claude Code Skill / Python CLI,在严格保护事实、数据、引用、结论和专业术语的前提下, 弱化模板化 AI 写作痕迹,提升自然度与投稿可读性。

技术栈: Claude Code Skill · Python CLI · Prompt Engineering

查看完整案例 GitHub

查看全部项目案例

工作经历

Java 开发工程师 · 湖南科创信息技术股份有限公司

2023.07 – 2023.11

参与长沙市政府采购系统开发,基于 Java、Spring Boot 和 MySQL 完成后台接口与数据处理逻辑, 实现标书多格式解析、关键信息抽取与检索功能,并参与需求分析、测试和问题修复。

教育背景

设计与媒体工学 硕士研究生 · 岩手大学 · 日本

2024.10 – 至今

  • 校级奖学金 · GPA 3.2/4.0
  • 主修:计算机视觉、融合设计、计算机网络系统、计算机动画、图像设计表现、图像合成
  • 研究:使用 GAN 生成合成流量并与真实数据融合,用于提升入侵检测系统的泛化能力与对抗攻击防御能力

信息与计算科学 学士 · 中南林业科技大学 · 中国

2019.09 – 2023.06

  • GPA 3.0/5.0
  • 主修:Java/C/C++/Python、MySQL、计算机组成原理、操作系统、算法、数据结构、信息安全、大数据可视化、软件工程

工作方式

我偏问题驱动:先拆解模糊目标,定义可验证的阶段结果,再从可运行基线持续迭代到更可靠的系统。

我喜欢使用新的开发范式和 AI 编程工具快速验证想法,但同样重视测试、证据、安全边界与可维护的工程实现。

篮球让我更加重视协作中的角色分工、快速反馈、共享上下文与持续投入——这些往往和个人能力同样重要。

联系方式