教育背景

主修课程覆盖数据结构与算法、操作系统、计算机组成原理、计算机网络、面向对象程序设计、软件架构设计、设计模式、敏捷开发、数据库系统、分布式系统、软件安全与测试、Web 开发、移动应用开发、云计算与微服务、软件项目管理等。

外语水平：英语 CET-4
毕业论文：《基于大模型的 NLP 情感分析系统》

工作经验

• 负责大模型应用设计和开发，基于 vLLM 部署企业内大模型推理服务，支持 Qwen、DeepSeek 等主流模型的统一接入与动态调度。
• 主导文档智能生成系统的全栈开发，基于 LangChain 构建生成流程，结合 Milvus 实现知识检索与上下文增强，支持模板化、自动化文档输出。
• 推动领域知识的结构化沉淀，构建领域知识图谱，并设计 AI 智能辅导系统后端架构，融合大模型能力提供个性化学习支持。

• 参与公司内部 React 组件库的封装与维护，提升代码复用率，优化团队开发效率。
• 负责珠江啤酒、SKG 等企业级电商平台的前后端开发，采用 React + Ant Design 构建前端界面，使用 Spring Boot 开发后端接口。
• 实现响应式布局、动态路由、状态管理（Redux/MobX），并参与 CI/CD 流程搭建，基于 Docker 实现阿里云自动化部署。

项目经验

• 围绕初升高衔接阶段的个性化教学场景，设计 AI 老师模块，覆盖个性化管理、手写内容识别、答题分析与错误引导。
• 前端采用 React，后端采用 Go，大模型选用 Gemini-2.5-pro 与 Qwen-Max，实现高质量教学交互。
• 负责 AI 老师模块的完整设计与开发，完成后端 API、模型服务集成、错题分析流程与引导策略设计。
• 项目验证了 AI 在教育中“因材施教”的可行性，为后续智能教学产品积累了技术经验与用户反馈。

• 设计融合 OCR 与大模型的多模态识别方案，解决病历归档中识别效果差、流程复杂、缺乏专业语义理解等问题。
• 使用微调后的百度飞桨 Handwriting v1 进行初步识别，并调用 Qwen2.5-VL 结合病历来源、科室、疾病类型等信息生成上下文提示词。
• 通过 reasoning 模型（如 DeepSeek-R1）合并分析两路识别结果，输出电子病历表与结构化 metadata，并集成“文转表”批量归档功能。
• 主导整体方案设计与后端架构搭建，负责技术选型、核心代码审阅、阿里云部署及医疗部门交接。
• 项目上线后大幅提升病历归档效率与准确性，获得医疗部及合作医院高度评价，成为标准化归档工具。

• 面向军方合作内网环境，部署 Qwen2.5-72B 与 vLLM 推理服务，构建专属知识库与自动更新机制。
• 采用 React + FastAPI 快速搭建应用，知识库使用 Milvus + MySQL，对文档抽取 metadata 并写入 MySQL，embedding 向量写入 Milvus。
• 设计从主题、背景信息、参考信息到大纲生成、交互式修改、章节生成、在线 AI 辅助编辑与 Markdown/DOCX 导出的完整流程。
• 主导前后端开发与 AI 模块实现，负责 FastAPI API、Milvus + MySQL 知识库、LangChain 管线编排、CKEditor AI 编辑能力集成。
• 项目历时 6 个月完成，满足军工项目对数据安全与合规性的要求，已稳定服务于多个项目团队。

• 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，让业务人员通过业务逻辑描述参与系统构建。
• 采用 Next.js 全栈架构作为模板，抽象 BO（Business Object）与 DO（Data Object）概念，构建从业务逻辑到数据库建模再到 React 组件生成的端到端管线。
• 负责 BO-DO 映射环节的核心设计与实现，设计从客户端输入到 AI 处理再到数据库建模的数据桥接流程。
• 编写并持续调优 Prompt，设计大模型二次检查机制，提升生成结果的稳定性与一致性。
• 系统显著降低开发与沟通成本，实现了“业务即代码”的闭环。

自我评价

我是一名具备强工程落地能力的大模型应用工程师，专注于 AI 与业务场景的深度融合。在多个从 0 到 1 的 AI 项目中，我始终以解决实际问题为导向，不仅关注技术实现，更重视对业务需求的理解与价值闭环。

我具备扎实的全栈开发能力，熟悉 React、Next.js、Go、FastAPI 等前后端技术，能够独立完成系统架构设计与开发落地。在大模型方向，我深入实践了 vLLM 部署、LangChain 管线编排、RAG 增强生成、多模态识别、Prompt 工程优化等核心技术，具备将大模型集成到复杂系统中的实战经验。

我具备良好的系统思维与跨团队协作能力，能够与算法、产品、业务方高效沟通，将模糊需求转化为清晰技术路径。同时，我持续关注大模型领域的前沿进展，具备快速学习与技术选型能力，致力于构建可维护、可扩展、可解释的 AI 应用系统。