主讲内容

Dify平台：模型管理、⼯作流编排、应⽤发布
Prompt⼯程：提示词设计、约束控制、结构化输出（JSON）
RAG技术：⽂档分段、Embedding、向量检索、混合检索、重排
数据库与SQL：MySQL结构设计、⾃然语⾔转SQL、查询优化
⼯作流设计：多节点流程、分⽀判断、循环控制、代码节点
⼤模型应⽤：LLM问答、数据分析解释、结果⽣成
数据可视化：ECharts图表⽣成（折线图/柱状图/饼图）
系统⼯程：AI应⽤架构设计、多模块集成、业务落地能⼒

主讲内容

配置管理与项⽬初始化：使⽤Pydantic统⼀管理系统参数（数据库、模型路径、切块参数等），避免硬编码，确保全局配置安全可验证
⽂档处理与切块：实现多格式简历加载、⽂件哈希去重、LLM结构化信息提取（姓名、性别、年龄、⼯作年限）以及⽗块-⼦块分层切分，⽀持图⽚OCR提取
向量存储与混合检索：基于Milvus（稠密+稀疏向量）+Elasticsearch（BM25全⽂搜索+MongoDB（元数据存储），结合CrossEncoder重排序和doc_hash去重，实现⾼效混合检索与过滤
RAG链构建与⽣成：使⽤LangChain构建异步查询改写、检索上下⽂格式化与LLM⽣成链，⽀持结构化JSON推荐输出
智能Agent意图优化：实现意图识别、招聘参数提取、追问处理与对话历史管理，路由不同场景（招聘需求、闲聊、追问等）
Web应⽤与数据初始化：基于Streamlit开发聊天交互、简历上传、候选⼈卡⽚展示与在线查看功能，实现端到端⽤户体验

主讲内容

LangChain1.0：核⼼基座，整个项⽬是⼀个Langchain1.0框架下的⼯程，提供项⽬架构，Agent基座，中间件编排，⼦Agent编排等
LangSmith：可视化观测⽇志与调试项⽬，使Agent可在⾼效的体系下调试。
Tavily Search：联⽹搜索集成，使Agent可获取实时信息
SiliconFlow API：多模型服务接⼊，提供了LLM、VLM及图像⽣成能⼒的统⼀接⼊，且有免费额度，因此该项⽬得以在基于免费资源开发
MinIO：对象存储，通过对象存储，传递Agent制作的⽂件给⽤户
Agent Chat UI：开箱即⽤的前端界⾯，与LangChain⼯程⽆缝衔接，使得Agent可以有⼀个直观的可视化界⾯
Docker：项⽬整合与部署，整合⼯程与数据库依赖，使项⽬最终可以⼀键部署
MCP：连接外部⼯具，连接了Excel-mcp, Tavily Search,ppt-mcp等⼯具，丰富Agent的能⼒
PostgreSQL：关系型数据库，存储历史对话与状态信息等LangChain⽣产级⼯程指定数据库, 现有协议使得开发⾼效

主讲内容

LLM 路由服务器（意图识别）
天⽓代理服务器（查询天⽓数据库）
票务代理服务器（查询票务数据库）
MCP⼯具服务器（数据库接⼝）
数据采集脚本
Streamlit前端客户端

主讲内容

Orchestrator 路由服务器（意图识别与动态路由）
Product_Tech_Agent（产品技术咨询 Agent）
Finance_Order_Agent（财务账单查询 Agent）
ICP_Service_Agent（备案与合规服务 Agent）
Deep_Research_Agent（深度研究与报告⽣成 Agent）
Ops_Marketing_Agent（营销推⼴与内容⽣成 Agent）
MCP ⼯具服务器（Base Tools / RAG Tools / Dify Tools） Agentic RAG服务（混合检索与知识增强）
A2A协议通信层（跨 Agent 协作）
三级智能缓存与Saga分布式事务层
全链路监控与可观测性层（Phoenix + LangSmith + Grafana）

主讲内容

Gateway 接收层（WebSocket + HTTP 统⼀⼊⼝与 Event Bus）
Multi-Channel 消息插件层（Feishu / Slack / WhatsApp / Discord 等适配器） Routing 路由层（resolve-route.ts + 多租户 Session 隔离）
Agents 执⾏核⼼层（Pi-embedded-runner + Subagent 注册与孵化） Memory ⻓期记忆与 RAG 增强层（LanceDB + hybrid 混合检索）
Context Engine 上下⽂引擎（静态 Workspace + 动态 Session + RAG 融合） Hooks 扩展钩⼦系统（前置/后置消息处理）
Skills 插件化技能系统（ClawHub 市场 + SKILL.md 动态加载）
Sandbox 安全沙箱执⾏层（Podman/Docker 隔离）

主讲内容

业务MCP Server冷启动阶段，基于FastMCP框架实现电池⼯⼚业务⼯具开发，使⽤ SQLite承载产线、⼯单、班次三类真实⽣产数据，并通过SSE协议对外暴露标准业务⼯具
HeiMaClaw平台接⼊阶段，安装MCP可选依赖，通过CLI命令完成业务服务器注册，并配置企业级元数据（传输⽅式、⻛险等级、租户作⽤域、超时等），再校验远端⼯具列表可达
实现MCP⼯具到ToolRegistry的安全桥接，通过桥接层⾃动拉取远端⼯具列表，采⽤安全命名规则⽣成本地⼯具名，并封装调⽤逻辑、归⼀化返回结果，同时携带权限元数据下沉到⼯具级别
实现意图识别与槽位填充，通过CLI把MCP Server启⽤到⽬标Agent，⾃动追加⼯具到⽩名单；运⾏时由Agent编排引擎把⾃然语⾔解析为标准⼯具调⽤，⼯具返回数据后再由LLM总结为业务话术
实现租户与权限闭环，每次⼯具调⽤携带租户、⽤户、⻆⾊等上下⽂，由权限策略管理器完成租户隔离与响应策略；⽀持全局开关与Agent级⼯具可⻅性动态收敛
实现⻜书渠道与⽣产部署闭环，完成⻜书⻓连接与回调接⼊，通过多进程启动⽅式，完成⽣产环境或智能体应⽤

主讲内容

招聘领域⼤模型微调：LoRA/QLoRA微调；SFT监督微调；DPO强化学习对⻬；训练数据清洗、去重、隐私处理；微调显存优化（ZeRO、梯度检查）
⼤模型服务化部署：vLLM/SGLang推理加速框架；KV Cache缓存机制；模型量化（FP16/INT4）；⼤模型服务监控、压测与⾼并发优化
LangGraph智能体开发：State/Node/Edge 核⼼组件；线性 / 条件 / 循环⼯作流构建；⼯具调⽤（Tool Call）；招聘职位实体要素抽取及职位实体图谱构建智能体。
招聘知识图谱构建：职位实体（岗位、结算⽅式、⼯作类型、⼯作时间等）抽取；实体关系泛化与图谱建模；职位要素分类与意图图谱构建；缓存与ES联动更新
搜索意图识别：⽤户搜索词意图分类；多意图表达识别；⻓尾搜索词优化；意图与职位要素匹配策略
检索系统核⼼技术：Kafka实时数据流处理；近实时职位⼊库与ES检索
搜索推荐（Sug）：ES Completion Suggester原理；FST数据结构；前端防抖与实时推荐；基于实体图谱的搜索词补全
企业级⼯程实践：模块化设计与代码复⽤；配置与环境管理；⽇志与错误处理；分布式部署、负载均衡；Docker/K8s部署思路
项⽬优化与评估：检索badcase优化；意图识别准确率提升；⻓尾问题处理；模型与检索效果评测指标
就业导向能⼒：⼤模型⾯试考点（Transformer、微调、部署、图谱）；业务场景拆解与⽅案设计