把 AI Agent 能力
做成真实可用、可演示、可交付的产品

问题：传统报表开发需要频繁提需求、补接口、等数据，业务人员很难快速追问复杂问题，分析效率和灵活性都不够。

方案：基于 LangChain4j 设计查询、统计、趋势、图表、异常预警五类工具，让 Agent 通过 ReAct 自主规划调用链路，并输出数据结论、图表和分析说明。

我负责的部分：负责 Agent 工具集设计、Prompt 结构化工程、多轮对话记忆、权限控制、Token 成本治理，以及前后端联调和在线演示体验打磨。

• 工具描述采用“正向能力 + 反向排除”结构，降低相似工具语义混淆。
• 通过 ThreadLocal 传递用户角色信息，把数据权限校验从模型推理中彻底解耦。
• 图表工具用 CHART_JSON 前缀协议与前端联动，无需额外图表接口。

问题：传统需求梳理和原型制作流程割裂，前期大量时间消耗在沟通、确认和反复修改上，导致需求落地慢、原型交付效率低。

方案：对接国产大模型，设计需求提交、AI 梳理、用户二次编辑、PRD 原型生成与导出打包的完整流程，支持在线预览和持续调整。

我负责的部分：在实习期间主要负责 AI 交互与原型生成模块，包括模型接入、统一调用封装、需求到原型的一键生成逻辑，以及接口超时和重试机制优化。

• 将需求梳理、交互优化和原型产出串成统一工作流。
• 在高并发使用场景下重点优化了模型调用超时、重试与稳定性。
• 这个项目更能体现你在企业环境中做 AI 模型接入与产品交付的能力。