帮我改改发的图片版简历

回群友 6814： 我按图里的内容改了一版，没验证项目本身。凡是带【】的地方是占位，请你按真实情况填，没有数据就删掉，别编。 Numen｜面向动态游戏环境的 LLM Agent 执行引擎 技术栈：Java 21、LuaJ、MCP、JSON-RPC、Gradle、JUnit、Minecraft GameTest 角色：【个人项目 / 团队项目，写清你负责的模块】 项目简介：开发运行在 Minecraft 中的 LLM Agent 引擎。模型通过自然语言驱动游戏内的探索、采集、建造和机器自动化。项目重点解决长任务、安全执行和结果核验这几类通用 agent 问题。 1. Agent Runtime：游戏中的环境事件和用户输入同时到来，模型容易被打断或处理过期信息。我设计了事件驱动的 ReAct 循环，按紧急度、数量和等待时间决定何时触发推理。同时用单一入口和运行编号校验，丢弃过期的回调结果。再配合上下文压缩和持久化消息队列，支持连续交互。 2. 工具沙箱：让模型直接生成多步程序，存在死循环和越权风险。我基于 LuaJ 做了脚本沙箱，在 Java 虚拟线程中执行，限制指令数、字符串分配和执行时长，并支持中断。工具描述、参数校验和类型转换由注解与 Java Record 统一生成，跨客户端 / 服务端调用时能返回结构化错误。 3. 长任务执行：模型决策和每 tick 的身体控制耦合会阻塞游戏。我把两者解耦，加了任务受理前校验、异步任务槽和主动收尾机制，支持任务替换、本能抢占和持久化重放。重放时根据当前世界状态重新理解任务，并向模型反馈实际进度、部分完成结果和失败原因。 4. 权限与结果核验：模型常把动作调用成功当成任务完成。我做了规则驱动的动作权限层，挖掘、放置、攻击等操作需要用户确认或任务授权，并区分明确拒绝和未获同意。服务端会校验背包数量、指定方块和邻域状态，把预期与实际的差异反馈给 agent，驱动后续修正。 5. MCP 扩展：基于 HTTP / JSON-RPC 实现 MCP 服务端，支持工具发现、调用和事件长轮询，可接入外部 agent。另外开发了 AE2、Mekanism、JEI 适配器，并接入离线文档检索。 6. 测试与可观测：用 JVM 单元测试和 Minecraft GameTest 分层验证，覆盖事件循环、沙箱预算、网络分片和权限副作用。结合第一视角观战与任务回放展示执行过程，CI 自动跑构建和测试。 改动说明： 1. 每条都改成了"问题、做法"的结构，面试官一眼能看到你为什么这么做。 2. 去掉了"整合社区贡献的快照回放"这类细节，信息量小，容易被追问。 3. MCP 那条压缩了，第 2、3、4 条是重点，面试多准备这三块。 4. 效果指标现在还缺。建议跑一批真实任务，自测后补一句，比如"【N】个任务集合上完成率【X%】"，或者"中断响应【X ms】"。有真实数字再加，没有就别写。 如果你告诉我自己负责哪些模块、有没有测过数据，我可以再收紧一版。