PaiCLI Agent 如何写到简历上，类似Claude Code的Java版本 CLI Agent

PaiCLI Agent AI应用开发 2026-05 ～ 2026-06

项目描述：类似 Claude Code 的终端 Agent CLI，支持 ReAct 推理、Multi-Agent 协作、MCP 工具集成、三层记忆系统、RAG 代码库检索等，可在终端中通过自然语言驱动代码开发和调试。

技术栈：Java 21、JLine 4、SQLite、JGit、Chrome DevTools Protocol、Jieba、OkHttp、Ollama

核心职责：

• 基于 ReAct 实现 Agent 推理，支持并行执行和动态 Token 预算，上下文压缩算法会在 90% 上下文占用时自动触发摘要压缩。
• 设计长任务持久化方案，基于 SQLite 存储任务状态，后台 Worker 线程池异步执行，支持进程重启后自动恢复未完成任务。
• 实现三层记忆系统：短期记忆管理当前对话、长期记忆用 SQLite 持久化跨会话知识、Compactor 做边界感知的上下文压缩，支持 BM25 + 余弦相似度混合检索。
• 集成 MCP 接入外部工具生态，支持 stdio/HTTP 双传输协议和 Schema 自动裁剪，并通过 HITL 审批机制实现工具调用的安全管控。
• 构建 Plan-and-Execute + Multi-Agent 架构，Planner 将复杂任务拆解为 DAG，Worker 并行执行，Reviewer 审核质量并支持自动重试，最大并行 4 线程。
• 基于 ReAct 模式实现 Agent 核心循环，通过 ToolRegistry 动态注册 9 个内置工具 + 60+ MCP 外部工具，工具选择由 LLM Function Calling 驱动
• 实现 Plan-and-Execute 模式，通过 DAG 拓扑排序管理子任务依赖，同批次任务并行执行，单任务失败时下游依赖自动 SKIP 不阻塞独立任务
• 同一轮多个 tool_calls 通过 ExecutorService 并行执行，按原始顺序返回结果保证 LLM 协议兼容，ReAct/Plan/Team 复用同一套调度器
• 实现动态 Token 预算管理（90% × 最大上下文窗口），采用 Map-Reduce 压缩策略保证上下文的连贯性，支持GLM-5.1的 200k 和DeepSeek V4的1M上下文
• 基于策略模式设计 SearchProvider 搜索引擎抽象层，支持智谱/SerpAPI/SearXNG，可在运行时自动选择和热切换
• 实现基于 Jsoup 的 Readability 正文提取算法，通过语义标签优先+链接密度评分的两阶段策略准确提取网页正文
• 设计 NetworkPolicy 网络安全策略，包括 SSRF 防护（scheme 白名单+host 黑名单+DNS 解析校验）和令牌桶限流
• 将 web_search 和 web_fetch 作为 Function Calling 工具注册到 Agent 的工具链中，实现了 LLM 自主判断联网时机的智能工具选择
• 在 Agent 执行中集成 Token 消耗统计，累计每轮 LLM 调用的输入/输出 token 数和耗时，方便不同模型间的成本和性能对比
• 设计并实现 Multi-Agent 主从协作架构，解决单 Agent 处理复杂任务的瓶颈，可通过斜杠命令 /team 主动开启，支持 Planner / Worker / Reviewer 3 类角色。
• 基于 BlockingQueue + ExecutorService 实现 Worker 子 Agent 的并行执行引擎，解决多步骤任务串行执行效率低的问题，并按依赖顺序推进工作流。
• 手写 JSON-RPC 2.0 客户端，基于 CompletableFuture + ConcurrentHashMap 实现请求响应异步配对，支持超时调度和通知广播
• 抽象 McpTransport 传输层，实现 stdio（子进程管道通信）和 Streamable HTTP（OkHttp + SSE 流式解析）两种传输方式
• 实现 BrowserSession 浏览器会话状态管理器，支持 isolated/shared 双模式运行时切换，采用 synchronized 同步机制保证多线程状态一致性
• 通过 CDP 自动连接机制，Agent 检测到需要登录时可通过 --autoConnect 自动发现并连接本机 Chrome 实例，从而实现 Codex 级别的 Browser Use