关于

北京邮电大学 · 北京

我在 GitHub 上以 Zhong0118 发布代码,技术笔记和过程记录写在 MocLab 博客。这个页面只列出能在公开仓库中核对的内容;学位、导师、论文与经历在作者确认前不显示。

近期的公开项目集中在三个方向:LLM Agent 工具调用阶段的安全监督、依据执行证据演进的多智能体组织,以及 AIGC 内容的检测与溯源。此外也有一些自己日常使用的桌面与 Agent 工具。

工作方式

  1. 界定问题

    先写清要处理的风险或协作问题。例如 AgentGuard-Chain 把安全边界放在工具调用生成之后、真实执行之前。

    AgentGuard-Chain

  2. 做可运行的原型

    用最小的可运行系统落地想法:安全网关、策略演进循环、带来源的记忆存储。

    AgentGuard-ChainEvoTeamMARS

  3. 用证据检验

    用脚本化用例、单元测试或验证门槛检查结果,并在 README 中写明当前状态与局限。

    AgentGuard-ChainEvoTeam

  4. 公开记录

    代码放在 GitHub,过程与工具笔记写在 MocLab 博客。

研究方向

公开项目覆盖的三个方向,每个方向都对应可查看的仓库。

  • 01

    智能体安全

    LLM Agent 生成的工具调用在真正执行之前,如何发现越权和跨多个步骤才显现的风险行为链?

    在工具调用与执行之间放置安全网关,对文件、命令、API 与外发行为做审计、评分、阻断和留证。

    相关项目

  • 02

    多智能体协作

    多智能体团队的角色结构和协作策略,能否依据跨任务的执行证据、经过验证后再改变?

    EvoTeam 用可版本化的 Strategy 和验证门槛约束演进;MARS 尝试把协作讨论整理成带来源的记忆。

    相关项目

  • 03

    AIGC 识别与溯源

    如何判断一段内容是否由模型生成,并追溯它来自哪个模型?

    aigc_detector 仓库按检测、溯源与数据接入划分模块;目前只公开了仓库描述,没有公开效果数据。

    相关项目

技能

只列出在公开项目中用到的技术,不标熟练度。选择一项可查看对应项目。

编程语言

前端与桌面

后端与数据

智能体与原型

使用证据

Python5 个项目

在项目目录中筛选“Python”

教育

暂未列出公开条目

研究与工作经历

暂未列出公开条目

奖项与荣誉

暂未列出公开条目

联系

目前通过 GitHub 和 MocLab 博客联系。

MocLab 近期文章

摘自 MocLab RSS,抓取于 2026 年 10 月 28 日