你好，我是 潘杰，一位
智慧水务 × AI 工程师
水务预测 · RAG Agent · AI 工程化 · 智慧水务方向 2027 届硕士
污水厂现场、水质时序预测、水务知识 RAG Agent、企业 AI 安全边界设计——让 AI 从实验室变成企业生产力。
我的 岗位匹配
北控水务杭州「大模型与智能体开发工程师（J14604）」：知识问答 / 智能问数 / 流程自动化——三件事我都做过。
知识问答 / RAG
水务知识 RAG 检索管线（Qdrant BM25+稠密+rerank），国标/案例/手册自然语言查询，引用门控输出，每条结论附来源依据。个人体系另有 FAST/RESEARCH/DEEP_REVIEW 三档检索 + 图谱&向量融合查询。
智能问数
SCADA/Excel 异构数据清洗、结构化、趋势分析实战；AquaOps 安全问数：只读工具+权限白名单+审计闭环，异常用 MAD(168h 窗口)，预测用 persistence+残差区间(24h)。
流程自动化
网易实习：8.5万条/日自动化日报（Crontab+Webhook）；个人 40+ SOP 固化流程+审批/验收闭环。
MCP / 多智能体
MCP 协议暴露 3 个只读工具；总调度+角色化子agent分工（规划/执行/审批/审查/验收）。
模型与评估
时序预测 R²=0.970-0.978（简历口径），无时间泄露滚动验证（925 次训练-测试边界检查 0 违规），不确定性量化（95% 区间）。
GraphRAG
明确向量 RAG 与 GraphRAG 差异：向量 RAG 做语义相似度召回，GraphRAG 把实体/关系建成图，支持多跳推理和全局问题；实体抽取、图存储与图向量融合检索处于原型验证阶段，已有明确补强计划。
关于 潘杰
浙江科技大学环境与资源学院（机器学习交叉），2027 届硕士，导师郑兴教授。从通信工程主动转型智慧水务：懂工艺语言、能做 AI 系统，是「业务与技术之间的桥梁」。在网易与安道麦辉丰实习过——有算法代码能力，也有国企业务的工程化思考。
水务场景积累
化工园区污水厂一线巡检、SCADA 数据整理、出水异常溯源；深知「数据质量决定模型上限」。
时序与数据治理
无时间泄露滚动验证（925 次边界检查 0 违规）、滚动重训（120 天窗口/7 天间隔/KS 漂移检测）、不确定性量化（共形预测）；3 篇论文（2 一作 + 1 JCP 修订中二作）。
AI 工程化落地
把 AI 封装成可控业务流程：审批红线、验收闭环、引用门控、fail-closed——拒绝黑盒 Demo。
核心 项目
智能体管家体系
个人 AI 生产力系统：六层架构（入口路由→流程固化→规则约束→触发调度→多智能体协作→治理审计）。40+ SOP 固化流程，总调度+20+ 角色化子agent，审批/验收闭环。
了解更多
水务知识 RAG Agent
安道麦辉丰实习：LangGraph 安全 Agent 图+引用门控，Qdrant BM25+稠密+rerank，MCP 3 只读工具，Docker Compose 一键部署，8 模块测试（agent/rag/data/private/api/mcp 等）。
了解更多
水质预测研究
小时级 R²=0.970-0.978（简历口径）；日尺度灰箱 H=3: R²=0.990 / H=14: 0.849；95% 部署级预测区间；3 个真实水厂数据集（径山 6744h / 南浔 1096d / 秦皇岛日级）。
了解更多实习 经历
从网易数据工程到化工园区一线再到水务 RAG Agent，每个阶段都在往「智慧水务×AI」走。
智慧水务实习生（Agent 开发 + 一线工艺）
负责 Agent 系统架构设计与核心模块开发：水务知识 RAG 检索管线、安全 Agent 图、MCP 协议接入与 Docker 部署；同时参与化工园区污水厂一线工艺巡检、SCADA 数据整理、进出水化验与 2 次出水异常溯源。
Python 实习生
自动化日报系统开发与定时部署：Pandas+Requests 清洗 8.5万条/日电商数据，Openpyxl 生成 Excel 日报，Crontab+企业微信 Webhook 推送，27 个 Pytest 单测。
我读懂了BECloud
北控的开放智慧水务运营管理云平台（与和利时 HolliCube 联合打造）——已完成「业务数据化」，缺的是「数据智能化」这一层。这正是这个岗位要做的事。
BECloud 已完成数据采集、在线监测、数字孪生、1+N 组团水厂、余杭精确加药（仿真+模型+前馈+反馈+大数据）；它不只是信息化系统，是北控从重资产扩张转向轻资产技术输出的核心抓手。我不是再造平台，而是在你们的底座上补 AI 应用层：知识问答、智能问数、流程自动化、预测优化——四个切入点我都有对应实践。
安全红队实测过竞品
基于 OWASP LLM Top 10 设计 10 类 × 4 级缺陷测试矩阵，红队实测企业对话 Agent——发现真实缺陷，并知道怎么防。
两个真实缺陷
① 询问系统提示词触发后端异常直接抛 Python 报错（技术栈泄露 + 错误处理粗糙，而非优雅拒答）；② 安全护栏分级不一致——明确违法拒得严、模糊违规拒得松。
诚实结论：它对危险化学品、数据造假等高危请求的安全警告是正确的——注入/越权/幻觉/误导防护全部优秀。
补上这两个洞
① 脱敏错误：不暴露内部实现与技术栈，异常统一 fail-closed 明确拒答；② 边界一致的策略：意图白名单→一次性授权→证据复核，系统提示词分级保护，危险操作人工确认。
设计原则：原始数据不进上下文、只读工具 + 权限白名单、固定 ABC 输出（Answer/Basis/Caution）、哈希绑定工件物化——从架构上拒绝「黑盒 Demo」。
论文成果
小时级进水水质预测（第一作者 · 已完稿）
日尺度灰箱 STL-RF 模型（第一作者 · 已完稿）
H=3 天 R²=0.990 / H=7 天 R²=0.919 / H=14 天 R²=0.849，BSM2 基准工艺响应评估。
信号分解 Informer 残差学习（第二作者 · 已投稿）
VMD+ARIMA+Informer 残差学习：3d R²=0.990 / 14d R²=0.849，ACF+FFT 识别亚周振荡周期。