算法工程师 / AI 智能体
李扬韬
Algorithm & AI Agent
姓名 李扬韬
民族 汉
电话 18950115169
邮箱 2524278328@qq.com
出生年月 2001.04
政治面貌 中共党员
住址 福建省厦门市思明区
学历 硕士研究生（在读） - 软件工程
就读院校 大连海事大学（本科） - 苏州大学（硕士）
专业技能
大模型算法与应用能力
熟悉 Llama、Qwen、DeepSeek 等开源大语言模型，具备 LoRA 微调、推理优化与 Prompt Engineering 实践经验；熟悉 PyTorch、Transformers、vLLM 等框架，具备 RAG 系统、长文本理解及 Agent 应用开发经验。
Agent 系统开发能力
具备基于 Dify、HiAgent 等平台及纯代码方式构建智能体系统的经验，能够完成多 Agent 架构设计、任务流程编排与工具调用机制开发，并在医疗与政务等场景中实现落地应用。
工程与开发能力
熟练使用 Python，熟悉 Linux 与 Docker 开发环境，具备良好的工程实现能力；熟练运用 AI 编程工具，能够将复杂任务拆解为适合大模型协同完成的模块化流程。
技术创新与前沿探索
持续关注大模型技术发展与应用范式演进，对新的 AI 应用形态有自己的独特见解与实践动力。
实习经历
深圳自由动脉科技有限公司
算法实习生
2025年6月 - 2025年12月
- 智能体系统开发：基于 Dify、HiAgent 等平台开发面向医院与政府的智能体系统，涵盖病历质控、合同对比、辅助诊疗等应用场景，推动医疗流程智能化。
- 小模型训练与优化：参与口腔病症识别小模型的训练与优化，负责数据预处理、模型微调与评估，提升模型在医疗场景下的轻量化与准确性。
-
招投标智能体算法研发：功能涵盖招标助手、合同助手、清标助手等，攻克了实际业务中的两大核心难题：难题一 提取结构不规整且文档内容长的标书信息解决方案：bid_clarification_llm →难题二 大模型生成文档如何与原文档格式一致
科研经历
学术论文（一作）
基于源端易错词的大语言模型机器翻译优化方法
《计算机工程与应用》录用，待刊出。
任务描述
提出一种基于源端易错词的翻译优化方法。首先，通过大规模语料统计识别出显著影响翻译质量的易错词。在此基础上，设计了结合 BGE 语义检索与无监督质量评估的检索增强生成（RAG）策略，用于优化上下文学习示例选择。同时，构建针对易错词的高质量训练数据集，并采用 LoRA 微调基线模型。结果表明，该方法能够显著提高翻译质量，为提升大语言模型机器翻译的稳定性与准确性提供了一种有效途径。
技术方向探索
持续在以下前沿领域保持好奇心与探索欲：