01
AI Agent Workflow 设计
当前页面先使用现有内容模型中的关注方向字段，后续如果你补充更细的说明，可以直接替换为动态描述。
Available for Opportunities
关于我
从业务系统开发逐步转向 AI 应用工程，当前聚焦可落地的 Agent Workflow 与 RAG 系统交付。
Author
吴长龙
当前首页只实现静态结构与内容容器。请将姓名、背景摘要、项目案例与联系方式替换为本人真实信息，再继续扩展项目页、博客页和关于我页。
Title
AI Agent / RAG 应用工程师
Location
城市待补充
Current Focus
AI Agent Workflow 设计 / RAG 检索质量优化
Background
转型与演进路径
阶段一
业务系统开发基础
主要负责中后台功能交付，积累了需求拆解、接口协作和上线保障经验。
阶段二
AI 应用工程转型
开始主导 LLM 功能接入，关注 Prompt、检索链路、工具调用和失败恢复机制。
阶段三
AI Agent 工程实践
围绕多步骤任务自动化、可观测性和质量评估，持续沉淀可复用实现方案。
关注 Agent Workflow、RAG、Tool Calling 与业务系统交付，强调可维护、可验证、可解释的工程实现。
Core Focus Areas
02
RAG 检索质量优化
当前页面先使用现有内容模型中的关注方向字段，后续如果你补充更细的说明，可以直接替换为动态描述。
03
Tool Calling 与外部系统集成
当前页面先使用现有内容模型中的关注方向字段，后续如果你补充更细的说明，可以直接替换为动态描述。
04
Prompt 评估与回归验证
当前页面先使用现有内容模型中的关注方向字段，后续如果你补充更细的说明，可以直接替换为动态描述。
Methodology
工程实践方法论
不追求夸张的 Demo 展示，重点是让 AI 系统在真实业务环境里可解释、可维护、可持续迭代。
01
先定义输入输出与边界，再进行链路设计
02
所有关键环节保留观测点，优先排查真实瓶颈
03
将复杂方案拆成可验证的小迭代，降低落地风险
04
坚持内容与实现一致，避免不可解释的结果描述
岗位匹配度
基于当前内容模型中的目标岗位字段，先展示方向匹配。后续可以扩展成更具体的岗位标签或经历对照。
AI 应用工程师LLM 应用开发工程师Agent Workflow 工程师