简历

何梓强 · 大连交通大学轨道智能工程学院 · 软件工程 2023 级
推免申请 · 意向方向：人工智能、软件工程等相关方向

教育 · Education

2023 – 2027: 大连交通大学 · 轨道智能工程学院 · 软件工程 · 工学学士（2023.09 入学，预计 2027.06 毕业）
前六学期首次考试必修课平均学分绩 89.53 / 100，专业排名 10 / 215（前 4.65%）；CET-6 432。
主要课程: 离散结构 97 · 数据库原理 96 · 数据结构与算法 95 · 操作系统 94 · 概率统计 94 · 高等数学 93
另有 C++ 96、Java 95、计算机组成 95、大数据分析方法 90、线性代数 89。

2026.07 至今

Agent Workbench · 可审计、可恢复的 AI Agent 执行平台（个人独立项目，GitHub 公开）
Python · FastAPI · LangGraph · PostgreSQL · Qdrant · Docker

自研 Agent 执行循环：把「调模型 → 请求工具 → 执行工具 → 交回结果」做成统一循环，每轮先查预算、超时与重复调用；只读工具并发执行并按原序交回，每次调用有且只有一个结果。
记忆、工具、沙箱与子代理：对话历史存入 PostgreSQL，过长时摘要压缩；内置、MCP 与子代理工具统一注册并过权限检查；文件工具限定在项目目录，模型写的 Python 在一次性 Docker 容器里断网、只读、限时限内存运行。
长任务断点续跑：每步状态写入 PostgreSQL 检查点，Worker 崩溃后可换进程从最近一次已提交的检查点继续；写入前校验租约，避免旧进度覆盖新进度。
工具权限与审计：调用前依次查注册、参数与策略，默认拒绝；高风险操作挂起等待审批，提议、决定、执行与结果全程记入事件流。
知识库检索与架构守卫：文档切块后做语义向量与关键词两路检索、按倒数排名融合，并写 recall@k / MRR 脚本对比方案；53 条架构守卫测试自动检查分层依赖方向，作为 CI 门禁。

2026 春

Steam 游戏口碑影响因素分析 · 《大数据分析方法》课程学期项目（独立完成）
Python · pandas · scikit-learn · XGBoost · SHAP · VADER

识别数据泄漏并做消融实验：评论情绪、推荐比例与「好评率」标签同源，主模型只保留价格、类型、年龄等游戏自身属性；加入同源特征后 XGBoost 的 ROC-AUC 从 0.716 虚高到 0.911，证实是泄漏而非模型改进。
多源数据采集与特征构建：自写脚本经 Steam 公开接口采集 400 款游戏元数据与约 4 万条评论，清洗后构造好评率、游戏年龄、类型 One-Hot 等特征，并用 VADER 给每条评论打分、按游戏聚合成情绪特征。
模型对比、SHAP 解释与聚类：分层划分对比 Logistic 回归、随机森林与 XGBoost（ROC-AUC 0.72–0.74），SHAP 显示独立游戏类型与游戏年龄最重要；K-Means 按轮廓系数选 4 簇并生成各簇画像标签。

Obsidian: obsidian-pdf-export
借 Obsidian 自带的渲染器把笔记导出为 PDF（macOS），支持单篇、批量与合并导出。
学习通: chaoxing-pdf-dl
把没有下载按钮的学习通课程文档完整导出为 PDF，零依赖的 Python 脚本。

语言与 AI: Python、Java，熟悉 C/C++；LangGraph、大模型工具调用与流式输出、断点续跑、RAG 检索。
数据与机器学习: pandas、scikit-learn、XGBoost、SHAP；关联规则、回归、决策树、聚类、离群点检测。
后端与工程: FastAPI、Spring Boot；MySQL、PostgreSQL、Redis、Qdrant；Git、Linux、Docker Compose、GitHub Actions，习惯写单元测试与静态检查。也用 Claude Code、Codex 等 AI 编程工具辅助开发。
英语: CET-6 432；可顺畅阅读英文论文与技术文档。

志愿服务: 大连北站铁路青年志愿服务（沈铁青年志愿服务）
累计参与 4 次、服务 32 小时以上，承担旅客引导、咨询解答与现场秩序维护；2024 年国庆假期客流高峰连续上岗，获评「日服务明星」。