About
我能解决什么问题
从想法到系统原型
能够独立完成 AI 产品原型的后端设计、检索增强、记忆管理、评估闭环与前端联调。
从文本到结构化知识
能够把网页、文档与半结构化数据转成可检索、可分析、可扩展的知识系统与图谱底座。
从实验到工程部署
具备 Git、Linux、Docker 工程化能力，能完成多服务编排、环境部署与模块化拆分。
Skills
技术能力
LLM 应用开发
Prompt Engineering、RAG、Embedding、向量检索、Function Calling、ReAct、Agent 基础链路。
Python 后端开发
Python、FastAPI、MySQL、Redis、RESTful API、业务接口设计与服务集成。
数据与知识库
Pandas、ChromaDB、Neo4j、Cypher，支持文本处理、知识抽取、图谱建模与查询分析。
工程化与协作
Git、Linux、Docker、Docker Compose，了解 PyTorch 与 React，具备全链路联调能力。
Projects
代表项目
情感陪伴 AI 聊天系统
毕业设计
Python · FastAPI · LangChain · ChromaDB · MySQL · Redis · React 18
面向情绪陪伴场景，独立设计并实现多轮对话、RAG 检索增强、长短期记忆、Agent 原型与回复评估闭环的 AI 对话系统。
12 个路由文件
119 个 API 端点
12 个工具注册项
8 个容器服务
- 1. 将系统拆分为对话生成、知识检索、记忆管理、结果评估 4 个核心模块，并进一步沉淀为 6 个模块域，降低原型期逻辑耦合。
- 2. 基于 LangChain + ChromaDB 搭建 RAG 检索链路，对心理学与危机干预资料完成切分、向量化与 Top-K 召回，默认支持 Top-5 检索。
- 3. 设计 MySQL 会话历史 + Chroma 长期记忆的长短期记忆机制，支持 10 条工作记忆窗口、30 天范围检索与相关记忆召回。
- 4. 实现包含 Planner、Memory Hub、Tool Caller、Reflector 的 Agent 原型链路，覆盖提醒、量表评估、情绪日志、日程查询等能力。
- 5. 接入单条评估、批量评估、Prompt 对比 3 类评估流程，从共情性、自然度、安全性提升回答质量可观测性。
医疗症状知识图谱构建与可视化
项目负责人
Python · Requests · Lxml · Pandas · Py2neo · Neo4j · Cypher
围绕医疗知识组织与关系检索场景，完成数据采集、清洗建模、关系抽取、图数据库入库与可视化查询全流程。
18 个科室页面
7037 条症状记录
40,815 个节点
48,987 条关系
- 1. 适配按科室与子科室组织的网页结构，累计沉淀 6846 个去重后症状实体。
- 2. 使用 Pandas + JSON 完成字段标准化、缺失值处理、实体去重与关系拆分，最终生成 50,230 条三元组。
- 3. 构建“症状 - 科室 - 病因 - 检查 - 预防 - 鉴别诊断”等关系映射，为 GraphRAG 类场景提供结构化知识底座。
- 4. 基于 Cypher 实现症状关联检索、科室反查与一阶 / 二阶邻居探索，提升医学知识检索效率。
Education
教育经历
哈尔滨工业大学 · 人工智能专业
全日制本科（第二学士学位）
核心课程：Python 程序设计 97，人工智能程序设计实践 97.5，智能系统设计与实践 95，模式识别与机器学习 88。
郑州轻工业大学 · 计算机科学与技术专业
全日制本科
GPA 排名 9/154，前 5%；连续三年获校一等奖学金；CET-4 549，已通过 CET-6。
Contact