简历事实与表达边界

基线为用户本次上传的两页《黄健科-AI应用开发-11年研发经验(5).pdf》。网站不复制手机号、邮箱等个人联系方式。

范围	简历明确写到	不能据此推出
教材生成	LangGraph双Agent，生成/评审/局部修订/复审，上下文隔离，工具权限，JSON Schema	历史代码就是本次Python实现；具体框架版本；历史吞吐与通过率
检索适配	pgvector，按等级/语言/地区过滤并保留来源，术语与地区规则，跨章节一致性	使用过特定Embedding、Reranker、HNSW参数或某个向量维度
素材制作	Function Calling，图片/TTS/视频，依赖异步执行，失败恢复，内容更新及交付校验	外部服务具有exactly-once保证；历史计费和性能数据
学习互动	口语会话、剧情推进、拍照识别路由/重试，MQTT课堂同步和重入恢复	已使用本网站讲解的所有模型协议或所有MQTT可靠性机制
工程与协作	Umi/TS/Ant Design、Flutter混合、组件、策略/模板模式、团队管理、Jenkins	GitHub Actions就是历史公司CI；有明确测试覆盖率数字
开源	简历记录累计约5.5k Stars、fish-redux模板插件被官方收录	Stars为当前在线值；下载量或影响力等同Stars

三种回答标签

• 简历事实：有简历支持的职责与结果，例如“教材制作由从零编写转为系统生成后教研复核为主”。谈到技术细节时，以自己确实做过、能解释的部分为准。
• 学习复现：本次代码、测试和实验。说“在我为学习实现的版本中……”，不要说成历史线上改进。
• 假设方案：扩展设计，例如多租户、大规模ANN、分布式工作流调度、Reranker。说明约束、预期与验证方法。

面试前需要补齐的事实卡

1. 你的真实职责范围、与同事/教研的分工、真实上线流程。
2. 真实采用的模型、部署方式和框架版本；若记不清，先查资料再回答。
3. 一个实际故障：触发、日志证据、定位、修复、复盘。没有记录时不要编造事故。
4. 质量数据的统计口径、样本数量、测量时间；没有数据就讲流程改变，不补一个百分比。
5. 实际使用过的自动化测试与发布工具。Jenkins来自当前简历，GitHub Actions是本次新增示范。

本次不需要等这些信息才能开发。它们影响的是历史项目叙述的准确性；题库会给出可替换的事实位置，而不会凭空补齐。