在线简历

LLM 负责意图理解，多工具执行统一任务路由、结果协议与失败边界。

• LLM 负责意图理解，问答、检索、文生图和分割由不同工具执行，需要统一任务路由、结果协议与失败边界，保证前端稳定渲染，并避免工具失败被包装为正常结果。担任技术开发负责人，与导师共同确定技术路线并统一 FastAPI 工程结构，主导代码仓库与分支管理、Jenkins 构建发布脚本、Docker/Nginx 服务器部署及日常运维，推动项目上线交付。负责统一智能入口与轻量 MoE 路由，将请求分发至问答、文生图、脚本、动作、素材和分割工具；通过统一结果协议驱动前端渲染，并以本地规则处理模型路由不可用场景。参与基于 Elasticsearch 的 RAG 知识问答功能接入，将检索结果作为上下文提供给大模型。接入 Seedream 文生图，并结合导师研究方向的 U-Net 与 SAM2 构建皮影部件分割链路。

将需求、设计、实现、评审和交付拆分为可组合 Skill，用状态机和质量门禁约束 AI 工程任务。

• 将需求、设计、实现、评审和交付拆分为可组合 Skill，用状态机、阶段证据和质量门禁约束 AI 工程任务。长任务可中断且工具具有副作用，需要保证状态可恢复、过程可审计，并避免敏感信息进入日志和模型上下文。设计 9 个领域 Skill，覆盖工程基线、架构、数据库、API、Java 实现、代码评审和交付验证；使用 JSON Schema 固化阶段输入输出，缺少需求证据、测试结果或交付材料时由质量门禁阻止继续。使用 Python 实现并发锁、原子写入、快照恢复、状态迁移和事故记录，支持失败清理、覆盖保护及按阶段续跑；将人工审批放入关键节点，降低中断后重复执行有副作用工具的风险。开发 Java 服务生成与验证能力，兼容 Java 8/17、Spring Boot 2.7/3.3，并执行真实 Maven 构建；同时实现脱敏扫描，区分命中证据与机密原文，避免密钥进入报告或模型上下文。完成 29 项自动化测试、两套兼容构建和 51 文件自扫描，验证状态恢复、权限边界和交付结果。