刘宇广 · AI APPLICATION DEVELOPER · CLASS OF 2027

把 AI 接进真实业务，也把系统做得可靠。

专注 Agent 工程化与 Python 后端：数据可信 → 执行可控 → 结果可证。实习期间主导 EnergyOps Agent 的运行时治理与评测闭环，个人项目 RuleArena 把规则变更验证做成发布门禁——能由代码确定性保证的，不交给模型。

近期经历

ygrowly — terminal

$whoami

刘宇广 / YgrowlyAI Application Developer · Data Systems

$ls systems/

energyops-agentai-bi-platformrulearenapaytrace [lab]

$help

projects experience writing github contact

$type help, projects, or contact

01 SELECTED SYSTEMS

运行中 · 可验证

不是功能堆叠，而是可运行、可验证的工程链路。

Enterprise Agent System · 2026

园区能耗智能运营平台：把数百台水电表的原始累计读数整理为用能、异常与结算三本可信的账，并通过 WPS Comate 提供受权限与人工确认约束的对话式 Agent 入口。

业务问题：不稳定的累计读数要变成可追溯的统计与结算，Agent 又要在不越权的前提下操作业务能力。我主导 Agent 运行时治理与评测闭环的方案和交付，Mentor 把关业务方向。

Data Quality: 7 类质量状态判定 + 可信白名单，仅可信区间进入聚合，不做无依据估算。
Runtime Governance: 数十个 MCP 工具收敛为 6 类能力包，R0/R1/R2 风险分级 + Before/After Tool Hook 链校验。
Recoverable Ops: 幂等窗口、任务状态持久化与启动自动回补，重启与乱序补数不产生聚合缺口。

累计读数质量判定区间用量多层聚合异常诊断告警闭环 Agent 调用

Python · FastAPI · PostgreSQL · MCP · WPS Comate · pytest

Enterprise AI Data Platform · 2025–2026

面向缺少专业数据团队企业的 AI 数据分析与协作平台：自然语言提问，结果绑定证据与口径，可沉淀为表格、报告与看板。

业务问题：SQL 能执行 ≠ 业务答案正确——口径歧义必须澄清，结果必须可复现。我作为初创团队核心开发，主责语义层与领域路由、查询安全与证据绑定，支撑轻量湖仓。

Semantic Layer: 行业领域包沉淀指标口径与术语别名，两级意图契约让业务理解与 SQL 实现可独立归因。
Query Safety: 权限上下文、受治理工具、SQL AST 审查与输出脱敏分层设防，租户隔离由服务端注入。
Evidence Binding: 口径歧义必须澄清；图表绑定 call_id + query_fingerprint + result_hash，失败降级不阻断。

意图路由 Schema 检索语义解析 SQL 生成安全校验证据绑定图表 / 报告

Python · FastAPI · PostgreSQL · DuckDB · Parquet · R2 · Univer · MCP

Personal Project · Independent Build

电商规则对抗验证平台：自然语言规则编译为人工确认的可执行契约，受控 Agent 搜索高风险动作序列，干净环境真实 HTTP 重放，确定性 Oracle 裁决，沉淀可回归的最小反例。

业务问题：促销、退款、积分与会员权益规则频繁变更，人工回归跟不上——Agent 负责寻找人没有想到的路径，确定性程序负责证明路径是否真的有问题。

Anti Self-Proof: 候选风险 ≠ 确认漏洞——Agent 全程无法触达 Ground Truth，只有沙箱重放 + Oracle 违规才确认问题。
Bounded Exploration: 禁止动态表达式求值，仅限固定领域原语；未确认规则不进入攻击运行。
Regression Assets: 最小反例绑定完整证据链，一键导出 pytest；修复版本自动重放历史反例与正常用例。