Agent Systems
把论文里 ReAct / Tool-Use / Memory 真正搬进可运行的系统：投标合规、财报问答、对话记忆。
AI Engineer · Agents · LLMs · RL
Hi, I'm KBber 👋
我做 Agent 系统、LLM 应用工程 与 强化学习微调；偏好把论文变成能跑、能测、能上线的系统。
// 三大主线
LLM Engineering
结构化抽取 · GraphRAG · 上下文检索 · LoRA SFT · 规则引擎兜底 — 让 LLM 在工程上可控、可审、可回滚。
Reinforcement Learning
GRPO / RLHF 微调小模型；在博弈 / 决策场景里观察策略涌现，从实验里读懂对齐与推理。
// Featured Builds
TenderGuard v0.3
Evidence-Grounded · Rule-Governed Tender Compliance
LLM 理解招标文件 + Codeified Rule Engine + Evidence Pipeline + Human Review。61 条 CK、17 个确定性算子、AuditReport 三级 trace。
GitHub ↗pd-grpo
Nash Equilibrium via GRPO on Iterated Prisoner’s Dilemma
用 GRPO 微调 Qwen2-0.5B，从 Tit-for-Tat 老好人收敛到 Always-Defect 理性人，300 步全训练过程 + 5 张数据图。
GitHub ↗graphrag-financial-report
Typed GraphRAG over Chinese Annual Reports
DeepSeek 三元组抽取 → Neo4j 知识图谱 → Leiden 社区检测 → Local/Global Search 双模式检索与对比评测。
GitHub ↗react-llm-memory-agent
ReAct Agent with Persistent Short-Term Memory
ReAct 双实现对比 + 实体追踪 + 指代消解 + 36 个单元测试 + 端到端集成，金融年报多轮对话问答场景。
GitHub ↗// 最近文章
// 最近随笔
-
终于把博客重构完了。 Liquid glass 在浅色模式下意外地好看 — 之前一直担心背板太刺眼， 加了淡淡的 backdrop blur 之后舒服多了。
-
思考了一件事 — 我做的工具里有多少是自己真正在用的。 答案是不到一半。所以接下来一段时间，强迫自己每个项目都要连续用两周再决定要不要公开。
-
下了一场很突然的雨，鞋湿了。 但是空气很舒服，闻起来像小时候那种味道。