领域	技能
Backend
Frontend
AI / Agent
DevOps

"代码是我的画布，Agent 是我的画笔。"

我是 Zewang，华东师范大学软件工程在读。我不只是写代码的人 —— 我是系统架构师、Agent 设计者、安全猎人。

我的日常：

• 🌅 早上：用 OpenClaw 编排 Multi-Agent 工作流
• ☕ 下午：在 Spring Boot 里调优高并发链路
• 🌙 晚上：让 Agent 自己在互联网上"游荡"收集情报
• 🧪 偶尔：用 Agents-Debate 让两个 AI 吵一架，产出更靠谱的 PRD

当前状态： 同时维护 6 个活跃项目，专注于 Multi-Agent 系统与全栈产品开发

技术信仰：

优雅 > 复杂，逻辑 > 补丁，通用 > 特例。 不写只对自己有效的代码。

以下是我投入最多心血的项目，每一个都是从 0 到 1 的独立构建。

让 AI 扮演角色，让玩家分不清真假。

核心架构：

• 🧠 四级 Agent 协作：DM（主持人）→ Player（玩家）→ Judge（裁判）→ Summary（复盘），每个 Agent 有独立 System Prompt 和记忆上下文
• 💾 混合记忆引擎：Caffeine L1 缓存 + Milvus 向量数据库 RAG，解决 LLM "金鱼记忆"，支持跨会话长期记忆
• ⚡ 流式剧本生成：Spring Boot 3 + Reactive Streams，剧本边写边播，WebSocket 实时推送到前端
• 🎨 沉浸式前端：React + 剧本 UI 组件库，自动渲染角色对话、线索卡、投票面板

技术栈： Java 21 · Spring Boot 3 · LangChain4j · Milvus · React · WebSocket

一只在互联网上游荡的 Agent，自主觅食、消化、沉淀。

设计哲学： 不是爬虫，是"猎犬"—— 有目标、有判断、有记忆、有反思。

能力矩阵：

• 🎯 自主目标设定：基于用户兴趣画像，Agent 自主决定"今天去哪逛、逛什么"
• 🔍 多源信息采集：浏览器自动化 + API 调用 + RSS 聚合，覆盖技术博客、GitHub Trending、论文站点
• 🧠 智能筛选过滤：本地 LLM 评估信息价值，自动丢弃低质量内容
• 📚 知识沉淀：有价值的信息自动分类、摘要、入库，构建个人知识图谱

技术栈： TypeScript · Playwright · LangChain · SQLite · Docker

从第一个 commit 到第一笔订单，一个人、全栈、上线。

• AI 内容优化：基于 LangChain4j 的帖子润色、智能客服 Agent
• 向量检索：pgvector 实现语义搜索，精准匹配家教与家长需求
• 多端覆盖：Spring Boot 后端 + Vue3 管理后台 + Flutter App
• 生产级部署：Docker Compose + Nginx + Let's Encrypt HTTPS + CI/CD

技术栈： Spring Boot · Vue3 · Flutter · PostgreSQL · pgvector · Redis

两个 Agent 吵架吵出来的需求文档，比你一个人写的更全面。

两个 LLM Agent 分别扮演"产品经理"和"技术负责人"，围绕同一个产品概念展开多轮辩论。通过对抗性思维，自动暴露逻辑漏洞、边界情况和潜在风险，最终生成一份经过"压力测试"的 PRD。

技术栈： Python · LangChain · Multi-Agent Debate

基于视觉感知的层次化多智能体框架，让 AI 像人类一样操作电脑。

• 层次化架构：Planner（规划）→ Perceiver（感知）→ Actor（执行）三级 Agent 协作
• 视觉感知：OCR + 元素检测，精准定位按钮、输入框、菜单
• 场景覆盖：Chrome 自动化、Word 文档处理、微信消息发送等
• Electron 桌面端：可视化任务编排，支持多设备同步

技术栈： TypeScript · Electron · Playwright · OpenCV · OCR

[██████████████░░░░░░░░░░] 55%  Cyber-Stray Knowledge Graph
[████████████░░░░░░░░░░░░] 45%  AI-Jubensha Mobile App