Derek Wang

参与 CALL-E goal-oriented 语音外呼 Agent 运行时的核心链路设计与开发（核心代码 120+ Python 模块、35 份版本化 spec、33 个数据库 migration），系统服务 1w+ 线上用户。

技术栈：Python、FastAPI、SSE、OpenAI Agents SDK、PostgreSQL（SQLAlchemy AsyncIO / asyncpg / Alembic）、Redis、RabbitMQ、Taskiq、Pydantic

• 多角色 Agent 边界与副作用确认门：MainAgent 持有用户会话（单 Foreground Turn 串行化），GoalAgent 经独立 goal-scoped session 持有长任务生命周期，两者仅通过 Runtime 的 typed event 通信，禁用 SDK handoff / agent-as-tool；外呼等真实副作用 100% 经结构化 Goal Confirmation 确认门（spec 级不变量），授权主体由服务端持有并重新校验，杜绝模型伪造授权。
• Goal → RunSpec → Run 持久化执行模型：Goal 持有不可变、版本单调递增的 RunSpec，Run 钉死精确版本与输入快照；终态 Goal Status 与 Goal Result（summary + evidence_refs）在同一 PostgreSQL 事务（Durable Boundary）原子提交，commit 后才经 Redis Streams 做 SSE 实时投递，支撑 1w+ 用户的会话与结果投递，丢失或重复不影响正确性。
• Execution Lease fencing 与 Provider Reconciliation：Taskiq worker 以带单调递增 fencing epoch 的 Execution Lease 认领任务，durable write 前精确比对 lease 身份，隔离僵尸 worker；外呼提交结果不确定时按稳定 provider task name 做 Provider Reconciliation 而非盲目重拨，worker 故障恢复路径的重复外呼降为 0（机制保证）。

作为核心开发，负责内部运维 Agent 平台后端研发，将告警诊断端到端耗时从 15–30 分钟压缩至 60 秒内。

技术栈：Java、Spring Boot、Spring AI、DashScope、Milvus、SSE、ReAct、Function Calling

• 三级 Agent 协作架构：基于 Plan-Execute-Replan 设计 Planner → Executor → Supervisor 协作链路；Supervisor 校验结果并触发自动重试与策略切换，在 200+ 条真实告警样本下将工具调用成功率从 70% 提升至 95%。
• Agentic RAG 检索优化：基于 Milvus 搭建内部知识库，融合 MQE 多路召回、小块检索与父块返回的双层索引、Reflection 结果校验与 query 改写；在 150 条内部问答评测集上，召回率提升约 25%，检索准确率从 65% 提升至 90%。