AI Agent Engineer / Backend Systems
Agent Runtime·Memory·Eval·Agentic RL·Go
我是 Quinn，现在做 AI Agent 工程，主要和视频 Agent 的编排、工具调用、记忆、评测，以及外部生成模型接入打交道。
我从后端工程走到 AI 应用层。2023 年起，我在百度健康做过搜索商业化、AIGC 内容生产平台和智能问诊 Agent，之后转向视频 Agent 场景。Go 是我最熟悉的语言，Python 更多用于评测、实验和模型侧工具。
我在解决什么问题
我习惯把 Agent 当作一套长期运行的系统来看。模型输出要进入状态机，工具调用会超时或失败，记忆需要有来源、更新和删除机制，线上 trace 还要能支持复盘与评测。这些是我现在最愿意花时间的地方。
最近的关注点是 Agent Memory / Personalization、LLM-as-judge、Eval / Reward 和数据闭环。我也在系统学习 post-training 与 Agentic RL，计划按 SFT、DPO、GRPO 的顺序完成一次小模型训练，再把它用到多模态 Agent 的决策优化上。我的工作方式偏 build-first：先做出能跑、能测、能复现的版本，再决定是否值得引入更复杂的训练和基础设施。
做过的一些事情
- 在百度健康参与健康管家与 AI 问诊 Agent，做过多 Agent 编排、MCP 工具体系、三级记忆和流式协议；此前也负责过 FSM 事件驱动的 AIGC 内容平台与语义检索系统。
- 作为队长和核心开发者参加 Higress AI 网关开发挑战赛，获得全国第二、RAG 赛道第一。项目使用 Go 构建增强 RAG / CRAG，在 HotpotQA 评测中达到 72.02% 回答正确率，并将单次上下文从约 6000 tokens 压缩到 1600 tokens。
- 工作之外，我在维护 MemXplore：一个用 Go 编写的 Agent Memory 参考实现与研究工作台，覆盖记忆形成、演化、检索、评测和治理，并为实验保留可复现的报告与 trace。
我也会在这个博客记录源码阅读和工程实践。目前主要写 Claude Code、Agent、RAG 和 Go，文章尽量留下结构、取舍与验证过程。
找我聊
如果你在做 Agent 系统、Memory / Personalization、Eval / Reward、AIGC 应用或多模态产品，欢迎交流。技术合作、开源项目和工作机会都可以。
- GitHub：qingbo1011
- Email：qingbo1011@gmail.com
- QQ：
2981549946，添加时请简单备注来意