面向后端多 SDK 协同任务，设计并实现“LLM 规划 + 后端可靠执行”的 Agent 工作平台，将自然语言任务转换为可执行计划，重点解决大规模 Tool 场景下的工具选择、如何动态注入LLM从而减少幻觉率与Tool误选。

针对 CI 质量门禁生成的测试报告后的代码定位与修复场景，为 AI 编程智能体系统 Harness 建设 Test Repair Agent。重点解决第三方测试报告结构复杂、上下文噪声高及源码定位不稳定导致的 LLM 分析偏差问题，负责失败上下文构建、Test Repair Skill 及效果评测。

以个人用户画像为核心的智能体助手，通过被动对话理解用户、通过长期记忆沉淀用户偏好与状态，并在合适时机主动回复，实现从“回答问题”到“持续理解和服务用户”的交互闭环。

设计一套自动化扫描检测软件，核心负责机器人路径规划模块，面向 2000 万+ 点云数据和 100+ 候选视点；针对传统 TSP （IACO、LKH -3）方法求解效率较低的问题，设计基于 Actor-Critic 的深度强化学习路径规划方法，实现对 17 米级大型目标的规划优化，从294s变为1s(忽略预训练)。