PeopleSearchBench —— 首个面向 AI 找人智能体的开源评测基准
提出 Criteria-Grounded Verification：把一个查询拆成若干可独立核查的判据，逐条对外部信源验证，而不是让模型直接打分；在 119 条多语言查询上与人工标注的一致性达到 Cohen's κ = 0.84。
// 简历
张帅
深圳 后端 AI Agent 全栈 数据治理
AI Agent 研发工程师，具备后端、大数据与智能体全链路工程能力，能独立推进 Agent 架构、工具与上下文工程、效果评测到线上稳定性的完整落地。现于超线性科技负责找人 AI Agent（Lessie AI）核心系统，主导多 Agent 架构、工具调用优化与评测体系建设，开源评测基准 PeopleSearchBench 被 EMNLP 2026 Industry Track 录用（通讯作者）。此前深耕后端与大数据，先后在扬腾自研仓储 WMS、在腾讯做亿级数据采集与风控。
教育经历
深圳大学 本科 数学科学学院 数学与应用数学
开源与论文
lessie-skill —— 面向 Claude Code / Codex 的找人与信息增强 Skill
把人物与公司的发现、资质判断与信息增强封装成编程智能体可直接调用的 Skill。
Lessie CLI 与 MCP Server —— 已发布的开发者入口
在命令行完成找人、信息增强与网络调研，已发布 14 个版本并提供 macOS / Linux / Windows 预编译二进制；MCP Server 则把同一套能力以自然语言接入 Claude Desktop。
工作经历
深圳超线性科技有限公司 AI Agent 研发工程师 研发组
Lessie AI —— 找人 Agent 核心系统
- 主导 Agent 工具调用（tool calling）效果优化：重构工具的组织方式、对 Skill 知识做渐进式披露、通过 middleware 注入运行时上下文——在 KOL 找人场景的评测中，工具调用通过率从 26% 提升至 63%
- 主导核心产品的架构演进：从早期流程编排升级为基于 LangChain 与 LangGraph 的多 Agent 协作架构，并持续做上下文工程优化
- 负责搜索 Agent 的工具对接与生命周期管理——打通异构数据源、搜索 API 与各类 enrichment 工具，构成 Agent 在找人场景下的能力底座
- 落地三条端到端垂直搜索场景——KOL 达人营销、科技圈 B 端客户搜索、学术圈专业搜索，每条都有针对性的召回与排序策略
Agent 评测体系与效果驱动迭代
- 主导 People Search Bench 开源评测基准从 0 到 1：设计跨平台评测维度，提出 Criteria-Grounded Verification——把查询拆成可独立核查的判据逐条外部验证，与人工标注一致性达 Cohen's κ = 0.84
- 把评测接入日常迭代，让"Agent 效果"成为可回归、可对比的指标，而不是靠主观感受判断——上述工具调用优化正是在这套评测下量化出来的
Agent 可靠性与模型层
- 主导模型评测与选型，覆盖 Claude、Gemini、GPT 全系列与 MiniMax、Kimi、DeepSeek、通义千问等国产模型，从成本、速度、效果三维度为不同业务场景选型；并负责 OpenRouter、AWS Bedrock、GCP Vertex AI 的供应商路由策略，随性价比变化持续调整
- 基于 LangChain ReAct Agent 设计模型兜底机制——模型超时或报错时由备用 Agent 自动接替失败任务，显著提升线上可用性
- 以 AI Native 方式实现线上效果问题、系统错误与 Bug 的自动识别与修复，参与数据治理与项目成本上报
开发者入口 —— CLI / MCP Server / Skill
- 把找人与信息增强能力沉淀为三种可分发形态：命令行工具 @lessie/cli（已发布 14 个版本，含 macOS / Linux / Windows 预编译二进制）、接入 Claude Desktop 的 @lessie/mcp-server、以及面向 Claude Code / Codex 的 lessie-skill
- 同一套 Agent 能力对外暴露为 CLI、MCP 与 Skill 三个入口，让人类用户与编程智能体都能直接调用
内部研发效能与知识 Agent 体系
- 基于开源自托管框架 Multica 自建团队内部 agent 体系，接入 Codex、Claude Code、Hermes 等多种编码与执行 agent，打通代码管理、服务部署、日志分析、case 跟进的全流程
- 建设内部知识 harness agent：持续维护内部知识库与 Skill 体系，把散落在各人手里的上下文沉淀为 agent 可直接调用的能力，打破团队知识壁垒
- 显著缩短新人 landing 周期——新成员直接向 agent 提问和派活，不必在每个环节逐个找人
2023.08 - 2025.05
IT 技术部
WMS 仓储系统 — 自建替换 Odoo
- 主导从开源 ERP 系统 Odoo 到自建 WMS 的迁移，支撑日均 3 万+ 仓储操作；负责数据模型与采购入库、上架、盘点、拣货出库全链路，在分布式事务下保障库存一致性
- 主导拣货路径优化引擎，基于 Floyd-Warshall 在 5000+ 库位下实现毫秒级调度，拣货路径平均缩短 37%；同时交付一线使用的手持 PDA 作业端
- 对接德国站点的三方智能仓储机器人（GPS 导航），设计 WMS 与硬件之间的跨系统调度层，提升入库与拣货出库效率
上市审计合规与工程质量
- 支持公司上市德勤审计：重构 RBAC + ABAC 混合鉴权模型满足 GDPR 合规，并落地覆盖入库到出库全环节的统一日志，提供审计级可追溯性
- 主导慢 SQL 专项治理（大数据量、索引失效、业务语法不当），慢查询减少 80%，关键响应从 3.2s 降至 0.8s；搭建 SonarQube + CI/CD 与分支规范
2022.07 - 2023.08
CSIG · 安全产品二部
互联网广告监测
- 搭建广告采集主链路（Kafka + K8s 动态扩容），承接每小时数十 GB 数据流，支撑日均 1 亿级广告数据采集，覆盖 Web、APP 与小程序多端；并交付落地页截图存证服务（水印 + 时间戳确保证据链法律效力），对接政府监管平台
- 建设移动端 / 小程序采集集群：Airtest + ADB 50+ 设备并发 + MitmProxy 解密 HTTPS，自动化处理虚拟机重启、APK 安装、登录态与微信账号池调度，稳定输出 APP 广告 500 条/天、小程序 1500 条/天
- 针对日均 1 亿+ 唯一 URL 调优 Redis 布隆过滤器（m/n ≈ 14.4、k=10，按数据源分片规避单 key 512MB 限制），误判率稳控 0.1% 以内
金融风控与品牌保护
- 基于天眼查 1 亿+ 企业主体数据构建 Trie 匹配服务，从违规文本中毫秒级提取企业实体并与监管规则联动；金融传销线索检出从 50 条/天 提升至 2000 条/天，有效广告主体识别率从 30% 提升至 95%
- 负责金融舆情大数据治理——由 SQL 与 PySpark 脚本构成的复杂数据画布与依赖编排，运行于腾讯云；并用 Go 开发维护腾讯云品牌保护平台后端，将小程序广告监测能力迁移至品牌保护场景，平均每品牌产出有效侵权线索 50 条/天