推动企业级 AI Agent 从能力接入到业务落地

项目背景

公司内部排障、数据分析、业务状态查询都需要访问敏感数据。直接接第三方大模型 API 成本低，但存在核心数据泄漏、权限越界、调用不可控等风险。

技术思路

• 接入内部 AI 模型 Provider，统一内部模型调用方式。
• 将排障分析、数据审查、业务状态查询封装为 Skill / Tool。
• 接入聊天渠道，让 App 端可以随时查询关键数据支撑。
• 在模型调用、数据访问、命令执行链路增加权限控制和安全校验。

负责范围

• 负责 Hermes 二次开发方案设计和核心能力落地。
• 设计数据审查、权限校验、命令执行安全控制等机制。
• 推动常见排障、数据分析、业务状态查询能力 Skill 化。
• 支持团队在问题排查中快速获取业务上下文和辅助分析结果。

项目价值

把 AI 从“个人工具”变成“企业内部可治理的平台能力”，在保障数据安全的前提下提升线上问题排查、数据查询和异常分析效率。

项目背景

预警配置和值班计划这类操作频繁、紧急、又需要权限边界。传统后台页面操作链路长，依赖熟悉系统的人处理，不利于快速响应。

技术思路

• 将预警配置、值班计划、通知策略封装为 Agent 可调用工具。
• 通过 Slack 机器人承接自然语言或指令化入口。
• 在 Agent 调用业务能力时增加权限校验、参数校验和操作安全边界。
• 将后台操作流程沉淀为可审计、可复用的 Agent 工作流。

负责范围

• 推动内部业务系统与 OpenClaw / Hermes 集成。
• 设计业务能力 Tool 化的接口边界、参数规范和权限校验机制。
• 参与预警系统与 Agent 平台联调、测试和落地推广。

项目价值

降低业务系统操作门槛，提升预警配置和值班调整响应效率，推动内部系统从传统后台操作向 ChatOps / AgentOps 演进。

项目背景

内部 AI 场景涉及敏感业务数据，需要兼顾数据安全、响应速度、成本控制和定制化能力，不能完全依赖外部大模型服务。

技术思路

• 基于 Ubuntu + vLLM 搭建内部推理服务。
• 使用 PRO 9000、RTX 5090 等 GPU 资源部署和维护模型。
• 部署千问系列多模态模型、量化模型及内部定制模型。
• 为内部 Provider、Skill、Agent 平台和业务应用提供统一模型能力。

负责范围

• 负责模型服务搭建、模型部署、版本更新和稳定性维护。
• 处理模型运行、资源占用、服务异常等问题。
• 参与模型能力评估、性能调优、资源管理和推理成本优化。

项目价值

降低对外部模型服务的依赖，提升敏感业务场景下的数据安全性，为内部 AI 应用提供可控、可维护的模型底座。

项目背景

高优先级业务事件依赖短信、邮件和三方电话触达，但实际场景里会遇到触达弱、响应慢、电话频繁呼叫被拦截等问题。

技术思路

• 设计业务侧 SDK，降低业务系统接入预警能力的成本。
• 设计服务端 Server，统一管理预警事件、通知策略、发送链路和状态追踪。
• 基于 APNS 与 VoIP Push 建设高优先级通知链路。
• 与短信、邮件、电话形成互补，提升整体通知可靠性。

负责范围

• 负责架构设计与核心开发。
• 负责业务侧 SDK、服务端 Server 和客户端通知链路设计。
• 推动预警链路与 Agent 平台、值班计划和配置系统联动。

项目价值

提升关键业务预警的触达能力和实时性，降低对单一短信、邮件或三方电话供应商的依赖。

主要工作

• 参与 ZooKeeper 从容器化部署迁移至物理节点，提升关键基础组件稳定性。
• 参与 K8s 不停机升级，保障业务服务平滑运行。
• 优化 CI/CD 流程编排，提高服务发布效率和可控性。

工程提效

• 维护和定制化开发基础服务组件。
• 参与核心服务性能分析、瓶颈定位和优化。
• 使用 Go、Python 编写自动化工具，辅助运维、排障和内部提效。