Soulboy — AI Agent & RAG Developer

              from langgraph import StateGraph

              from langchain import Tool

              class AgentState(TypedDict):

                messages: list[Message]

                context: str

              graph = StateGraph(AgentState)

              graph.add_node("retrieve", retrieve)

              graph.add_node("generate", generate)

              graph.add_edge("retrieve", "generate")

在真实场景中，探索 AI 的应用边界。

我目前主要关注大模型应用层开发，尤其是 RAG、AI Agent、工具调用和多步骤工作流。相比底层模型训练，我更关注如何把大模型能力接入真实业务场景，比如求职助手、智能膳食推荐、旅游规划 Agent 等。

我习惯用项目驱动学习，通过不断做 demo、拆需求、调试 Agent 行为来提升自己的工程能力。虽然还在补充软件开发基础，但擅长用 AI 工具完成项目架构设计、需求拆解、工作流编排、调试优化和产品化思考。

用对的工具，解决真实的问题。

AI Application

大模型应用层开发，让 AI 真正进入业务流程。

RAG AI Agent Prompt Engineering Tool Calling Workflow

Frameworks

构建可扩展的 AI 应用后端与 Agent 运行时。

LangGraph LangChain FastAPI

Retrieval

混合检索策略，让知识库回答更精准。

ChromaDB BM25 Hybrid Search Embedding Vector DB

Programming

全栈基础，能独立完成从原型到部署。

Python HTML CSS JavaScript

Product Thinking

不只是写代码，更关注如何把需求变成产品。

需求拆解 Agent 流程设计原型设计调试优化

Tools

现代开发工具链，提升工程效率。

GitHub Docker VS Code AI Coding

用项目说话，用落地证明。

LangGraph RAG FastAPI ChromaDB BM25

ChefRAG 智能膳食推荐 Agent

基于 Python、FastAPI、LangGraph、LangChain、ChromaDB、BM25 和 RAG 构建的智能膳食推荐系统。系统结合本地食谱库、冰箱库存、用户画像和天气时令，通过 Agent 工作流完成个性化菜谱推荐、做法问答和库存联动。

多源数据融合：食谱库 + 库存 + 天气 + 用户画像
混合检索：BM25 + 向量检索提升召回质量
Agent 工作流：LangGraph 编排多步骤推理
工具调用：接入天气 API、库存查询、菜谱生成

查看 Demo GitHub

User Query

RAG Retrieve

Weather / Inventory

Agent Response

AI Agent RAG Chrome Extension FastAPI HITL

JobPilot 求职 Agent

一个面向求职场景的 Chrome 插件 + FastAPI 后端系统，目标是构建"个人资料 RAG + 岗位 JD 分析 + 对话策略推荐 + 人工接管"的求职辅助 Agent。

多 Agent 分工：简历分析、JD 匹配、话术生成
个人知识库 RAG：简历、项目经验、技能标签向量化
JD 智能解析：提取要求并匹配候选人优势
人机协作（HITL）：AI 推荐 + 人工确认决策

查看详情 GitHub

Chrome Plugin

FastAPI Backend

RAG Engine

JD Match Score

Travel Agent Structured Data SQLite Gaode API Planning

完美旅游 Agent

一个基于自建高质量美食与景点数据库的旅游规划 Agent。核心特色是通过结构化数据沉淀真实探店与景点信息，结合用户预算、偏好、时间、位置和天气，生成更可信、更落地的旅行路线。

结构化知识库：SQLite 存储真实探店、景点、美食数据
多维度推荐：预算、时间、偏好、天气综合匹配
Gaode API 集成：路线规划、POI 搜索、距离计算
Agent 规划：动态调整行程，处理突发约束

查看详情 GitHub

User Preferences

Structured DB

Gaode API

Travel Plan

RAG FAISS BM25 bge-m3

食谱 RAG 系统

一个早期 RAG 学习项目，基于开源食谱 Markdown 文档构建问答系统，使用 BM25 + 向量检索实现混合召回，并通过问题重写、元数据过滤和父文本片段提升回答质量。

混合检索：BM25 关键词匹配 + bge-m3 向量召回
问题重写：Query Expansion 提升召回率
元数据过滤：按食材、菜系、烹饪时间筛选
父文档片段：解决 chunk 语义不完整问题

查看详情 GitHub

Recipe Markdown

Chunker + Embed

FAISS + BM25

Answer

从零开始，一步步走向真实产品。

不是直线升级，而是项目驱动下的螺旋成长。

Python 基础

掌握 Python 编程基础，开始写脚本和自动化工具。

RAG 实践

构建第一个食谱 RAG 系统，理解检索增强的核心机制。

LangChain / LangGraph

学习 Agent 框架，掌握 Chain、Tool、Memory 和工作流编排。

项目落地

ChefRAG、JobPilot、Travel Agent 从 0 到 1 完整交付。

我相信未来的开发者，要更会设计系统。

不只是手写每一行代码，而是拆解问题、设计架构、调度工具、验证结果，并用 AI 把想法快速变成可运行的产品。

Think in Workflows

把复杂问题拆成可执行的步骤，用 Agent 工作流串联每一个环节。

Build with AI

AI 不是替代思考，而是放大能力。用 AI 完成原型、调试和优化，专注高价值决策。

Ship Real Products

Demo 只是起点。追求可部署、可维护、真实用户能用的产品。

用 AI Agent，
把想法变成可落地的应用。

在真实场景中，探索 AI 的应用边界。

用对的工具，解决真实的问题。

用项目说话，用落地证明。

ChefRAG 智能膳食推荐 Agent

JobPilot 求职 Agent

完美旅游 Agent

食谱 RAG 系统

从零开始，一步步走向真实产品。

我相信未来的开发者，要更会设计系统。

正在寻找成都 AI 应用开发 / AI Agent / RAG 相关实习。

保持联系。

用 AI Agent，把想法变成可落地的应用。

在真实场景中，探索 AI 的应用边界。

用对的工具，解决真实的问题。

用项目说话，用落地证明。

ChefRAG 智能膳食推荐 Agent

JobPilot 求职 Agent

完美旅游 Agent

食谱 RAG 系统

从零开始，一步步走向真实产品。

我相信未来的开发者，要更会设计系统。

正在寻找成都 AI 应用开发 / AI Agent / RAG 相关实习。

保持联系。

用 AI Agent，
把想法变成可落地的应用。