林翰平

职业概述

3 年+ AI 应用与软件研发经验，持续在教育、医疗、军工等场景推进大模型能力落地，参与过实时语音测评、AI 学习托管、RAG 文档生成、多模态 OCR、AI 代码生成等项目。擅长把业务流程拆成可实现的 AI 工作流，完成模型接入、Prompt 设计、结构化输出校验、后端服务开发和最终交付闭环。

核心技能

• 大模型应用：Qwen、DeepSeek、Gemini，多模型协同，Prompt Engineering，结构化输出与结果校验，AI 报告与规划生成。
• AI 工程：vLLM，LangChain，RAG，实时语音交互（WebSocket / RTC），异步 AI 任务链路，HTML / PDF 报告交付。
• 多模态与数据：Qwen2.5-VL，OCR，Milvus，MySQL，MongoDB，Redis。
• 工程开发：Go，FastAPI，React，Next.js，TypeScript，Ant Design，Docker，CKEditor 二次开发。

工作经验

• 负责 1-6 年级教育场景 AI 应用研发，参与 AI 家庭教育测评平台与 AI 学习托管平台建设，覆盖家长端 H5、管理后台和 AI 服务链路。
• 构建从测评 / 训练数据到学生画像、每日家长反馈、阶段报告、企微回复建议的多阶段 AI 工作流，推动 AI 输出进入真实运营流程。
• 围绕实时语音测评、结构化行为数据、Prompt 模板化、异步 AI 任务、HTML / PDF 交付等方向完成后端与算法能力落地。

• 负责大模型应用与 AI 基础能力建设，参与 vLLM 推理服务、RAG 文档生成、多模态 OCR、AI 代码生成、AI 教育辅导等项目研发。
• 搭建 Qwen / DeepSeek 模型统一接入与动态调度能力，支撑内网文档生成、知识检索增强、推理服务等上层应用。
• 主导内网文档生成平台后端与 AI 模块开发，参与医疗场景 OCR + VL + reasoning 融合方案设计与交付。

• 负责 ToB 电商平台前后端开发，参与 React 组件库封装、Spring Boot 接口开发、状态管理与工程化部署。
• 参与 Docker + CI/CD 自动化部署与 Git 协作流程实践，具备扎实的全栈工程基础。

代表项目

• 面向 4-6 年级学习托管场景，建设 Admin 后台 + Go 服务双端系统，覆盖机构、班级、学员、训练课程、家长反馈、企微用户等 10+ 业务模块。
• 设计课堂训练结果结构化方案，沉淀 20 天训练体系、20+ 行为指标和多轮训练数据，为 AI 画像、日报、阶段报告提供统一输入。
• 搭建课后异步 AI 任务链路，落地学生画像、每日反馈、阶段报告、横向对比、家长回复建议 5 类 AI 能力，并通过 Prompt 模板化与 JSON 校验提升输出稳定性。
• 支持阶段报告 HTML 发布与家长端交付，形成“训练数据 -> AI 内容生成 -> 运营触达”的完整闭环。

• 面向 1-3 年级家庭教育场景，建设“家长问卷 -> 分龄测评 -> 语音互动 -> 结果报告 -> 年度规划”闭环产品。
• 基于 WebSocket + Agora RTC + LLM 构建实时语音测评链路，支持 3 套分龄测评版本、3 类测评单元和测评状态恢复 / 自动重连。
• 设计 TalkUnit / InteractUnit / SelectUnit 单元模型，结合 Goal、Prompt 和上下文实现目标判断、引导回复与下一单元过渡语生成。
• 基于大模型自动完成测评项评分、综合总结与客服话术生成，输出家长版 / 服务版报告及年度规划书。

• 面向军工内网环境，基于 4 张 A100 部署 Qwen2.5-72B + vLLM 推理服务，构建可私有化运行的文档生成平台。
• 搭建 Milvus + MySQL 知识库，结合 LangChain 实现文档解析、向量化入库、检索增强和多阶段生成编排。
• 设计“主题输入 -> 大纲生成 -> 人工修订 -> 分章生成 -> AI 编辑 -> 导出”的工作流，支持章节级生成、TOP3 检索增强、Markdown / DOCX 导出。
• 主导 FastAPI API、AI 管线、CKEditor 二次开发与编辑能力集成，推动系统在内网环境稳定交付。

• 面向医疗病历归档场景，设计 OCR + 多模态 + reasoning 三模型协同方案，解决手写识别精度和专业语义理解问题。
• 使用微调后的百度飞桨 Handwriting v1 完成初步识别，结合 Qwen2.5-VL 引入科室、疾病类型等上下文增强语义抽取。
• 通过 DeepSeek-R1 融合多路识别结果，输出电子病历表与结构化 metadata，并扩展“文转表”批量归档能力。
• 负责整体方案设计、后端架构、实验验证、核心代码审阅、阿里云部署与业务交接。

• 面向公司内部控制系统高频迭代场景，参与 AI 驱动低代码平台建设，探索“业务描述 -> 数据建模 -> 页面生成”的端到端自动化链路。
• 基于 Next.js 模板抽象 BO / DO 模型，将生成过程拆分为业务语义理解、数据库关系设计、React 组件生成和结果二次校验 4 个阶段。
• 负责 BO-DO 映射设计、Pipeline 编排、Prompt 优化和二次检查机制设计，提升生成结果的一致性与可用性。
• 项目验证了大模型在低代码和 Agent 式任务拆解场景的工程可行性。

教育背景

• 毕业论文：《基于大模型的 NLP 情感分析系统》
• 英语：CET-4