欢迎来到
我的主页。

旅游管理本科背景，正在向 AI 应用开发与 Python 后端方向求职。
与其读一页简历，不如直接问我的 Agent。

个人 Agent

有问题，直接问我

回答只基于我公开的资料，每句话都附上可以点开核对的来源；每个回答下面还有可以继续点的追问。

陈椿濠的 Agent正在读取公开知识库

连接中

回答只基于我公开的资料，并附上可查看的来源。

Enter 发送 · Shift + Enter 换行0 / 1000

主项目

面向杭州旅行社销售与客服：员工用自然语言询问线路、退改和价格规则，系统从供应商资料中检索证据并给出带引用的回答；涉及费用时由计算工具给出分项参考，最终由员工确认。

查看代码

评测驱动迭代
开发集 30 题加留出集 16 题，逐题人工复核；要点覆盖 0.882、依据分 0.922；开发集幻觉从基线的 4 题降到 1 题。
引用可追溯
回答只能引用本轮检索到的资料编号，编号不存在直接判为失败；员工可以展开原文核对。
确定性报价工具
模型负责理解需求，金额由代码计算；“未提供”与“0 元”严格区分，儿童价不套用成人价。
可观测与测试
请求编号贯穿日志，Langfuse 追踪模型和工具调用的耗时与 token；评测题存为 Langfuse 数据集复跑；326 项离线测试。
针对旅行线路的中期记忆和长期记忆
中期记忆是每条线路对话里的结构化草案：人数、日期、行程、价格和待确认事项；长期记忆把已确认的方案写入独立向量库，员工以后能查到自己做过的方案。

截图来自 Langfuse，点开可看大图。

当前限制：留出集在看过系统表现后编写，每题只跑一次，没有真实用户数据；项目未部署到公网。

读取中

Agent 只会基于这些资料回答，点开即可查看原文。