你好，我是 Xi Feng。我希望从事 AI Agent 与大模型应用相关工作，关注如何将模型能力组织成可运行、可评估、可验证的智能体系统。
下面的项目记录了我如何从实际问题出发，通过实验定位瓶颈、设计系统边界，并将 Agent 接入知识发现、内容审计和真实工具环境。
三个经过完整评测的项目，覆盖真实游戏编辑器审计、院内部署的技术转移系统与 ACL 2025 多模态评测基准。
Game Agent Evaluation & Runtime Verification
将 Agent 接入真实游戏编辑器，先发现教程中的技术或教学疑点，再通过独立复核、Lua 探针和运行日志逐项确认；支持全文冷启动与 Git Diff 增量审查。
通过游戏编辑器 CLI 自动执行 Lua 探针，读取日志、对象状态和运行结果；当教程、API 文档与编辑器表现冲突时，以受控实验确定真实行为，并纠正模型对 API 可用性的误判。
独立设计技术正确性与教学质量两条审查流程，由第二个 Agent 重新阅读原文、查阅资料或运行实验后确认、驳回或保留判断；抽样反馈后，多个问题经教程维护人员确认真实存在。
Deployed Technology Transfer Agent
在深圳先进院实习期间独立负责方案设计、检索优化和 Agent 实现。系统已在院内部署使用，并由团队以“天机星大模型”在深圳首家“科技成果超市”活动中公开发布。
面向 39,901 篇论文与专利、193.2 万个 Chunk，构建混合检索与三路 Query；审计高排名训练样本后发现不安全负例率达 42.2%，据此微调 Qwen3-Embedding，使 Chunk Recall@100 从 0.78 提升至 0.86。
连续主 Agent 负责需求规划、全局搜索和专家聚合，并行文档子 Agent 完成单文档主题核验与缺失约束补证；Runtime 管理 ID、预算、状态、证据与失败恢复，输出可追溯至原文的结果。
ACL 2025 Main · Multimodal Benchmark
以共同第一作者发表于 ACL 2025 Main，构建并公开包含 698 张中文语境图像、800 道深层寓意多选题的多模态评测基准，覆盖六类领域与六种图像类型。
针对纯人工标注速度慢、质量不稳定及题目区分度不足的问题，由我提出 LLM 生成候选含义、标注者筛选改写复核的流程；相较纯人工版本，同一批模型平均准确率降低 15.0 个百分点。
评测 18 个多模态模型与 3 个文本基线，最佳模型仍落后人类 13.8 个百分点；CoT 与 Few-shot 未带来稳定收益，并揭示信息忽略、过度推断与文化知识不足等缺陷。
工具、源码研究与个人实验。完整列表可在 GitHub 查看。
macOS 上的 LLM 增强中文拼音输入法。
Claude Code 源码分析百科全书，173 页源码路径映射。
Claude Code 插件更新检查、自动应用与通知。
2026 秋招 LLM / Agent 岗位自动抓取、逐岗读判与筛选。
国产模型生成马里奥游戏的对比仓库。
像素风修仙炼丹游戏，基于 Godot 4.6。
macOS 上的 galgame 播放器。
将 Markdown 简历生成为可投递的 PDF。
中科大 2023 春「智能计算系统」课程实验与作业。