RESUME / CURRICULUM VITAE

张杰，
Agent 与后端开发者。

信息与计算科学本科在读，关注 Agent Harness、Multi-Agent 协作和可靠后端系统。我希望把模型的不确定性限制在工程系统能够承担、诊断和恢复的范围内。

2026.07—NOW

上海数能嘉业科技有限公司

参与 Agent Runtime 改造与 RAG 相关开发。

2023.09—2027.06

教育部直属 211 · 信息与计算科学 · 本科在读

Workflow、Agent Patterns、Harness Engineering、Context Engineering、Prompt Engineering、Tool Call、RAG、MCP、Skills 与 Multi-Agent 协作。

Spring Boot、MySQL 索引与事务机制、Redis 缓存问题排查、Kafka、FastAPI；熟悉 Java / Python，具备接口封装、异步编程和工具链开发经验。

数据结构、计算机网络、设计模式、Git、Docker、Kubernetes，以及 Claude Code、Codex、Figma 等 AI 工具的工程化使用。

2026.05—06

去中心化、共享存储驱动的信息收集多 Agent 协作系统

基于 CDP 与隔离 Python 环境实现 BrowserAgent，从动态页面采集约 17k 字可见文本；在登录、支付、提交等高风险操作前引入 Human-in-the-loop 审批。
为每个 task 提供独立 workspace、900s lease、300s heartbeat、异常释放与 technical failure 落库，支持从 checkpoint / lease 状态恢复。
以 SQLite WAL 承担事务、lease 与崩溃恢复；事务提交后按 role 唤醒 Worker，并以低频 polling 兜底 lost wakeup，将空轮询压力降至约 2Hz。
支持最多 4 个 Researcher 并行消费研究任务，同一任务耗时由 10.3min 降至 6.2min；搜索结果按 URL 去重并记录共识，失败时自动降级到 fallback 链路。
将无 tool call、JSON/schema 解析失败、重复 read/recompute、tool failure、provider 超时/限流等 bad case 收敛为统一运行时契约，区分 retry / blocked / technical_failed / needs_repair。
构建稳定交付、质量判断、成本消耗三维 Eval 数据飞轮，将部分 Token 消耗由 32035 降至 10045，降低 68.8%；同一问题 Token 消耗由早期数十万降至 34168。

2026.03—04

面向复杂仓库代码任务的 Agent Harness

设计六层 Prompt 分层结构与渐进式披露 Skills 机制，引入事件分级裁剪、工具结果压缩和任务摘要；12 组上下文配置实验中，长文本 Prompt 平均压缩 15.6%，峰值 32.2%。
针对 Agent 多轮调用中的状态丢失，实现结构化记忆、Checkpoint 恢复机制和三类运行工件，保证任务可恢复；对工具、Skills、sandbox 进行存在性与合法性校验。
构建包含自动验证器的 12 任务 benchmark，追踪上下文压力比、压缩触发层、历史裁剪、技能加载率、预算拒绝原因和 Skills sticky；当前 run-level 诊断覆盖率 58.8%，固定回归任务保持 100% 通过率。

张杰，Agent 与后端开发者。