Algorithm Engineer & Full-Stack Developer | 专注于 AI Agents、涌现式世界模拟与全栈系统架构的探索者。

我在校期间及工作履历中积累了极具深度的算法工作经验。扎根于 Linux 环境，我不仅熟练驾驭 Python/C++ 等核心编程语言，更在 PyTorch/DeepSpeed 框架下主导过大规模神经网络的训练与严苛的性能调优，沉淀了犹如磐石般的技术基底与工程直觉。

在大模型认知与应用层面，我具备从模型底座到应用层架构的全局把控力：

• 深入践行 SFT, DPO, PPO (RLHF) 以及 LoRA, p-tuning 等前沿微调策略，成功落地于语音识别指令对齐与多模态任务的数据流构建。
• 对主流大模型架构（如 GPT 系列、DeepSeek 模型等）拥有敏锐的剖析能力与丰富的使用经验，精通极具深度的 Prompt 工程设计与高稳定性的检索增强生成 (RAG) 管线系统设计。
• 熟练在 LangChain / LangFlow 生态中遨游，专注于构建具备高级"思考链"的高效智能体 (Agent) 协同应用底层。

无论是对前沿 NLP 论文的快速复现，亦或是对开源技术边界的执着试探，我始终保持着极客般的狂热与极致的团队协作力。期待将我的多模态技术积淀与坚实的算法工程能力相互融合，在挑战性能与智能极限的赛道上创造卓越的价值增量。

• 核心编程语言: Python, C/C++, JavaScript/TypeScript, Go
• 大模型工程与智能体 (LLMs & Agentic Systems):
  • 复杂推理架构: 深度参与 LangChain / LangGraph 生态，主导构建基于"思考链 (CoT)"与多智能体协同运行的高级 Agent 操作系统底层。
  • 多模态与定制化 RAG: 熟练应用LLM驱动跨模态任务（视频理解、自动化标签体系）；精细化调优企业级高稳定 RAG 全链路工程。
  • 模型对齐与强化学习: 具备完整的从 SFT (监督微调) 到 DPO/PPO (偏好优化) 的端到端训练经验。深入运用 RLHF / LoRA / p-tuning 在 Whisper (语音指令对齐)、Stella/BGE (检索增强) 等多场景实现显著性能飞跃。
• 高性能计算与算子调优 (HPC & Infrastructure):
  • 熟悉算力集群开发，在 Linux 系统下熟练通过 PyTorch & DeepSpeed 引擎进行超大规模神经网络组网分布式训练与显存调优。
• 全栈架构与现代化前端 (Modern Full-Stack):
  • 熟练运用 React / Next.js (App Router) / Tailwind CSS (v4) 构建具有极致交互（极简设计语言、高帧率动效）的 Web 3.0 时代界面方案。
  • 精通 Electron 跨平台容器与 Vite 构建工具，搭配 FastAPI 提供高吞吐量异步后端支持，具备从零到一的复杂 AI 原生应用（AI-Native Apps）全栈架构交付能力。

• 🌱 SeedWorld: 涌现式世界模拟引擎。给 LLM 一个世界设定，它自动生成角色、建立恩怨关系，然后放手——故事从混沌中自然生长。12 个机制系统（声誉、资源竞争、戏剧张力、模因传播...）形成 LLM 反馈闭环，角色的背叛、联盟、谈判全部涌现而非编排。"Plant a world. Watch it grow."
• Open-Cowork: 跨平台 AI 协同工作空间。从 Python Agent 的推理引擎底层到基于 Electron+React 的全栈界面架构实现。通过深度结合本地文件系统与智能化交互，提供极速响应、"执行过程全透明"的高级智能助理体验。
• memfog / memfog-py: 个人知识信息雾化与大模型增强记忆系统。旨在使用现代搜索与结构化抓取技术，为 RAG 和 AI Agent 构建高价值、可追溯的个人智能数据中枢。
• microclaw: 轻量且高效的网络信息抓取微服务。专注于为具有高时效性需求的大模型和检索增强生成（RAG）管道提供稳定、清洗过的可用语料输入。

目前我正全力投入于 🌱 SeedWorld —— 一个涌现式世界模拟引擎。核心理念：不写故事，种故事。

给 LLM 一段世界描述，引擎自动生成有性格、有目标、有恩怨的角色群，然后每个 tick 由 LLM 独立驱动决策。12 个机制系统（声誉传播、资源竞争、戏剧张力、模因扩散、知识图谱...）构成完整的反馈闭环，让三方博弈、暗中交易、集体背叛等复杂社会行为从混沌中自然涌现。

近期核心方向：

• 涌现式叙事: 不预设剧本，通过丰富的角色上下文（欲望、关系、压力）让 LLM 自发产生有戏剧张力的互动
• LLM 反馈闭环: Agent 决策时自评社会影响（声誉/资源/张力/模因），反馈路由到机制系统，形成 世界→Agent→系统→世界 的完整闭环
• Chat 影响世界: 用户通过对话注入世界事件，LLM 解读后触发 tick，角色自然反应
• 泛化引擎: 修仙、赛博朋克、中世纪——任何世界设定都能跑，零硬编码

如果您对 涌现式 AI 叙事、多 Agent 模拟、或是 LLM 驱动的世界构建 感兴趣，非常欢迎交流！

✨ 欢迎访问我的 全新个人技术博客，这里记录了我的全栈开发与 AI Agent 探索之旅。

• 🌍 个人技术博客: zmzhace.github.io
• 📧 邮箱交流: zmzhace@gmail.com
• 💬 探讨方向: AI Agents, 涌现式模拟, RAG架构, Next.js / 全栈开发

最后更新于: 2026-04-05 01:12:45