Chen Zihao
北京大学大数据硕士，量化研究员 × AI Agent 开发者。专注多智能体系统、强化学习投研与 LLM 工程化落地，相信 Agent 能重塑复杂决策流程。
基于 LangGraph 构建的 ReAct 多智能体协作写作系统，支持 Planning → World Building → Character Design → Plot Design → Writing → Review 的完整工作流。采用层次化 RAG（Parent Document Retrieval + BM25 混合检索）管理百万字级上下文，通过 GRPO + LoRA 微调 Qwen3.5-2B 生成写作策略，Reader Agent 基于 8 维 Rubric 评分反馈优化生成质量。支持分布式断点续写与故障恢复。
设计基于 MiningContext 的异构多 Agent 投研框架，涵盖数据收集、因子挖掘、基本面 NLP 分析、量化信号生成、回测验证、价格行为识别及动态权重决策中枢。各智能体通过中央黑板（Blackboard）协作，支持任务编排、错误自修复与人类在环（HITL）决策。全链路异步处理，测试覆盖率 92.1%。
搭建个人项目体系，深入研究 AI Agent 技术栈。主要项目包括：基于 GRPO + LoRA 微调的 AI 写作系统（KimiFiction），以及多智能体量化投研系统（futureQuant）。持续探索 LLM 工程化落地与 Agent 架构设计。
负责多智能体投研系统的设计与实现，构建基于 MiningContext 的异构多 Agent 投研框架，涵盖数据收集、因子挖掘、基本面 NLP 分析、量化信号生成、回测验证等模块。
研究方向聚焦于多智能体系统与强化学习在复杂决策场景中的应用。期间主导开发基于 LangGraph 的超长文本多智能体协作写作系统，探索 LLM 工程化落地。