马锦程

简介

我叫马锦程，在湾区做软件工程师。我擅长把 AI Agent 用到质量管控的各个环节，从需求、用例设计到代码评审和发布；也做研发效能工具。

上一份工作在 TikTok，我做了一套在 CI 里运行的多 Agent 代码评审系统，接进了 30 多个内部仓库；还搭了一条从 PRD 生成测试用例、再生成自动化脚本的流水线。再往前，我在芝加哥的 INFI.US 独立做了内部数据质量平台，硕士是在伊利诺伊理工读的。现在正在找新的软件工程师工作。

工作之外，我是个抱石爱好者，目前在爬 V6；也爱拍照，一些作品放在 Unsplash 上。

金门大桥插画，背后是旧金山的城市天际线，海湾上有一艘帆船。 — 插画由我拍摄的照片经 AI 重绘而成。

工作经历

TikTok · 测试开发工程师 · 研发工具与 Agent 基础设施
2025.07 – 2026.09

把 AI Agent 用到代码评审和用例设计上，并搭建配套的 CI 卡点和研发工具，覆盖 30 多个仓库。
展开
- 做了一套在 CI 里运行的多 Agent 代码评审系统，覆盖 30 多个内部仓库的全部合并请求。由一个协调器同时调起 7 个评审，分别看安全、性能、代码质量、文档、发布和内部规范，汇总去重后给出一份结论，遇到严重问题直接拦下合并。评审周期缩短约 50%，累计发现 100 多个 P2 及以上问题。
- 让它便宜、稳定到每个合并请求都能跑：按 diff 大小和敏感路径决定开几个评审、用哪档模型；几个评审共用一份缓存好的上下文，不再各拷一份，Token 开销降了 30% 以上；每次运行都有按模型的降级链路、超时和防提示注入的输入过滤。再按任务统计 Token 和成本，用来比较不同模型的质量、延迟和花费。
- 搭了一条 AI 用例生成流水线，从 PRD 到测试用例再到自动化脚本，用例编写效率提升 60%，脚本开发用时减少 70%。
- 把信任与安全产品的后端接口、集成和 E2E 测试接入 CI/CD 发布卡点，P0/P1 回归自动化率从 80.21% 提升到 95.82%。
- 依据线上指标和 On-call 趋势推动可靠性治理，线上问题减少 30%，巡检稳定性从 93.94% 提升到 99.99%。
- 对比美国与非美国数据中心的部署差异，范围包括应用代码、运行时配置、中间件和第三方依赖。梳理出 19 类区域特有场景和 60 组配置，转成分层的 CI 校验，尽早发现跨区域的配置漂移。
INFI.US · 软件工程师
2025.01 – 2025.06

一个人把内部数据质量平台从零做到上线，也负责发布前的 E2E 测试。
展开
- 用 Next.js 和 TypeScript 做了内部数据质量平台：每天定时对 50 多张表跑 150 多条 SQL 检查，结果汇总到看板上，发现异常就通过 Webhook 推送到团队频道。
- 搭建 Playwright E2E 框架和 Android 端测试流程，接入 CI/CD，覆盖核心流程的回归。
家乐福中国（苏宁易购） · 后端开发工程师 · 管培生项目
2021.07 – 2022.03

给零售数据平台写 Go 后端。
展开
- 用 Go 开发、调优数据平台的 REST 查询接口，支撑自助查询和 BI。平均响应 80 ms，经过接口和并发调优，吞吐提升 35%。
- 负责权限模块，基于 OAuth 2.0 和 JWT 设计角色权限组，管住哪些团队能查哪些数据集和看板。
- 加了 Redis 缓存（命中率 85%），又优化了 PostgreSQL 索引，关键查询耗时降低 40%。在 GitLab CI 上搭了构建、Lint、测试、Docker 的流水线，加上接口自动化测试，发布周期缩短 30%。