蒋新波

• 发行素材自动化业务：面向短剧出海投流业务，主导搭建短剧 AI 素材生产平台，打通长视频理解、高光提取到批量剪辑渲染全链路，素材日产能峰值达 1,200 部，成片合格率提升至 85%。
• 业务线技术对接：作为 50 人出海短剧业务线技术接口人，深度参与剧本、分镜、生成、本土化全业务流程；挖掘业务卡点转化为系统需求，推进 AI 工具落地，统筹技术排期与交付。
• Agentic 剪辑架构落地：攻坚工业级视频 Agent 剪辑稳定性问题，落地 Planner-Critic 闭环与自愈重切机制，解决长视频时间戳漂移、吞字断句、黑帧等工程问题。
• 内容生产协同工具流：独立全栈开发 AI 协作平台，落地 MCP 驱动的人机协同（HITL）流转，累计支撑团队人机协同交付超 200 部短剧内容。

• 架构设计与团队管理：带领 5 人小组主导 PaaS 平台与 AI 业务架构设计；建立 PR/MR 代码评审准入机制，降低系统故障率，保障团队高质量交付。
• 研发基建效能提升：推动团队向云原生 + 敏捷工程转型；搭建私有 NPM 依赖仓库、Docker CI/CD 自动化流水线，打通构建—质检—灰度发布链路，发版频率由每周 2 次提升至每日多次，缩短产品交付周期。
• 跨职能协同与产品落地：兼任技术 PM，借助快速原型验证将需求验证周期缩短 50%；跨部门协调业务与运维资源，端到端推动企业级容器化 PaaS 及数字化业务系统稳定上线。

技术栈　Next.js (TypeScript)、Pi Agent (pi-agent-core)、DeepSeek、PostgreSQL、pgvector、Neo4j、阿里云 Embedding、Langfuse、Docker

项目背景　AI 流水线生成百集海外真人剧转绘剧本，内置基础质检无法覆盖人物关系、本土化、神话等复杂题材校验修复；业务人员使用通用大模型复核超长剧本，存在上下文丢失、注意力稀释、漏检率高问题，搭建 GraphRAG + Agent 全自动质检工作台完成深度校验修复。

• Agent 编排架构：基于 pi-agent-core 搭建 Agent 执行闭环，将图谱查询、质检判定、报告生成能力封装为标准化 Tool，由 DeepSeek 自主规划调用，输出带证据的结构化质检清单；对比传统 Python 微服务，部署成本降低 40%、冷启动延迟优化 50%+。
• GraphRAG 全局上下文支撑：为 Agent 构建“语义向量 + 知识图谱”双源上下文，依托 Neo4j 维护人物关系、题材设定实体，弥补纯向量检索缺少全局逻辑的短板，支撑跨集人物关系、本土化、特殊题材一致性校验。
• Agent 上下文压缩优化：参考 Hermes Agent 上下文管理思路，定制短剧分镜专属压缩策略；保留首尾关键信息，中间内容做摘要压缩，并剪枝冗余 Tool 调用分支，精简推理上下文，降低 Token 开销。
• 长链路 Agent 韧性调度：基于 PostgreSQL 状态机实现带 Checkpoint 的 Agent 调度，工具调用做幂等隔离，支持异常断点续跑，解决批量任务中大模型限流、网络抖动引发任务中断、Token 浪费问题，保障长链路质检稳定执行。

业务成效　百集剧本深度质检覆盖率 100%；单部剧本质检时长由人工 8 小时缩短至 15 分钟以内，节省 90%+ 复核人力；累计识别并辅助修复各类设定冲突 300+ 处，质检准确率 92%+。

技术栈　React、TypeScript、React Flow、Golang、MySQL、Redis、OSS、MCP、LLM Agent

项目背景　外部商用工作流平台流程固化、工具割裂、调用成本高，面向短剧内部业务研发适配内部 SOP 的无限画布系统，并完成 Agent + MCP 智能化改造。

• 业务建模与 Golang 调度网关：基于 React Flow 实现角色、场景、分镜可视化节点建模，实现业务资产复用；Golang 封装多家生图、生视频异步 API，通过状态机处理异构参数、重试与异常，支持镜头快速切换模型渠道。
• 大工程加载与存储优化：放弃单一大 JSON 存储，采用 Snapshot + Command 增量命令架构，支持大工程快速打开、细粒度 Undo/Redo；结合 OSS 截帧、IndexedDB 本地缓存，优化首屏加载，压降 OSS 带宽开销。
• Agent + MCP 智能化改造：基于强类型 Schema 的 MCP 协议标准化接入 LLM 与业务工具，实现 Agent 上下文压缩、分镜自动排版、事务级一键撤回，打通“AI 预编排分镜 + 人工微调”人机协同链路。

技术栈　Python、FastAPI、LangGraph、Gemini、ASR、FFmpeg、Langfuse、PostgreSQL、React、Next.js

项目背景　短剧买量业务需要规模化产出投放素材，人工剪辑成本高；多模态模型存在时间戳漂移、断句吞字问题，传统线性工作流缺少反思自愈能力，废片率居高不下。

核心成效　系统单日处理产能从 200 部提升至 1,200 部；单批 60 条买量素材交付仅需 20 分钟；素材可直接投放率超 90%。

• LangGraph Agent 自愈剪辑工作流：基于 LangGraph 搭建 Planner-Critic 规划—质检反思状态机；剪辑结果不达标自动回退、调整剪辑边界实现闭环自愈，视频生成良品率稳定在 90% 以上。
• 音画同步工程优化：针对大模型时间戳漂移，落地 ASR 词级强制对齐、VAD 静音检测，搭配自适应缓冲策略，消除吞字爆音，实现毫秒级台词切分。
• 视频渲染性能优化：设计 Smart-Cut 局部重编码方案，兼顾帧级剪辑精度，视频导出速度提升 6 倍，降低转码算力消耗。
• LLMOps 观测与自动化评测体系：基于 Langfuse 做全链路 Trace 追踪与 Token 成本核算；落地 LLM-as-a-Judge 自动化质检流水线，高分放行、低分预警，减少 80% 人工复核，加速 Agent 工作流迭代调优。

技术栈　React、TypeScript、WebSocket、K8s、Docker、Golang

项目背景　降低内部研发使用原生 K8s 门槛，解决开源控制台在海量容器、高吞吐日志场景页面卡顿、缺少终端安全审计的痛点。

• 实现可视化集群管控、安全 Web 终端会话审计；针对大规模容器实例、高并发日志流做前端渲染性能优化，解决海量数据场景页面卡顿问题。
• 集成 K8s Schema 智能编辑器，修复 YAML 格式化 Diff 误报等产品体验问题。