BIMONTHLY REPORT

实习双月(8周)工作成果总结

刘晓枫

2025年6月 - 2025年7月

赋能AI的“工具箱”:模块化MCP工具开发

我们打造了一系列可被大模型调用的通用“工具”,极大拓展了AI的应用边界。

🧠

算法领域

🌿

Git领域

📚

知识库领域

📊

数据分析领域

⚙️

通用领域

与国昊协作,我们将这些工具进行标准化和领域划分,为后续所有AI应用的开发奠定了坚实的基础。

核心成果一:AI代码助手

加速新人上手,沉淀团队智慧,让复杂的代码变得“一问就懂”。

AI代码助手架构图

主要功能与价值

  • 梳理代码结构:快速理解项目整体框架。
  • 理解复杂逻辑:深入解释关键代码片段的用途。
  • 自动生成注释:为历史代码补充说明,降低维护成本。

技术亮点

  • 会思考的检索:AI不仅会查找资料,如果发现信息不够,还会主动、多次地寻找更多相关知识,直到能完美回答问题。
  • 会创造的AI:当现有工具不够用时,AI能自己创造新工具来解决问题,并进行测试和修正。
  • 井井有条的执行:通过“推理-行动-观察”迭代模式,将复杂工作分为多个步骤,逐步调用现有工具解决问题。

核心成果二:ReAct Agent

打通公司内部工具生态的“智能中枢”,能灵活调用现有能力完成复杂任务。

ReAct agent架构图

核心价值

  • 高度通用:像一个“万能插座”,可以接入和调用公司任何已部署的MCP工具,无需为每个任务单独开发。
  • 智能调度:面对复杂问题,它能像项目经理一样,自主规划步骤,并智能地选择最合适的工具来执行。
  • 盘活资产:让公司现有的各种工具“活”了起来,通过AI的智能调度,组合出更强大的能力,最大化现有技术投资的回报。

成果落地:与Dify平台集成

LangGraph的专业定制能力 + Dify的低代码易用性 = 让强大AI能力人人可用

1. 代码助手 “一键可用”(代码助手接入Dify,作为独立的Dify工作流)

Question:

详细分析ActionStateCallback.java文件中的onStart类

Answer:

成果落地:与Dify平台集成

LangGraph的专业定制能力 + Dify的低代码易用性 = 让强大AI能力人人可用

2. 算法问题排查 “智能化”(ReAct Agent接入Dify,作为豪佶“算法问题排查”Dify工作流的关键节点)

Question:

货架人场景,仅存在热度移位任务,且空闲车充足,但是任务均不分车,请排查原因。2025-07-12 20:59:59。版本是hotfix/3.5.5

Answer:

未来工作计划与展望

▶ 基于用户反馈,持续迭代优化现有两大Agent。

▶ 全新探索:构建面向运筹优化场景的“线性规划Agent”。

线性规划agent架构图

谢谢!

期待您的批评指正