01 — 为回答寻找依据
让知识留在本地， 让回答有据可循。
正在构建面向 KYC/AML 分析师的政策助手：以本地推理连接政策检索，让回答能够回到原文、引用能够被核对，并由人保留最终判断。
进行中KYC/AML RAG
01政策原文
02本地检索与小模型
03附有出处的回答
01 / 从问题出发
好的系统，始于追问。
也成于每一步求证。
数据从哪里来，答案凭什么成立，什么时候需要把判断交还给人？我常常从这些问题出发，思考模型之外的工作。从本地 AI 研究到后端服务，我希望让复杂的技术，成为清楚、可靠、能够回应真实需要的流程。
02 / 在作品中作答
把思考，做成看得见的作品。
两项仍在推进的 AI 探索，是这段旅程最近的落点。沿途还有视觉、学习与科学计算中的尝试，让同一份好奇心，走向不同的问题。
02 — 让信息通向行动
从纷繁来信里， 找到下一步的方向。
正在把招聘邮件整理成可复核的申请进度、日历提醒与每日简报。让模型读懂来信，让规则约束动作，让人工复核守住关键一步。
进行中收件箱 Agent
01招聘来信
02信息提取与复核
03清晰的下一步
问题各有不同，好奇始终如一。
原型 / 03
ArUco + MediaPipe 手部跟踪
让相机看见手部运动，也让实验留下可回看的轨迹。将标定后的 ArUco 位姿、MediaPipe 手部关键点与卡尔曼融合连接起来，支持实时可视化与实验数据记录。
已发布 / 04
EveryDay Learning AI 学习应用
让一篇收藏的文章，成为下一次温习的起点。在企业 AI/NLP 项目中，将题目生成、选项构建与七天复习调度接入 Android 学习流程。
03 / 把路径走完整
从一个好问题， 走向可靠的系统。
先看清问题。
走近数据、使用者与现实约束，把真正要回答的问题说清楚，再选择合适的模型与方法。
Python · SQL · 信息检索 · 数据管道
再接起每一环。
从推理走向完整的软件流程，把 API、状态、复核与界面连接起来，让结果抵达真正需要它的人。
Java · FastAPI · LangGraph · 后端系统
让结论经得起追问。
以明确的基线、可复现的实验与回归检查，辨认系统的能力与边界，也为人的判断留下位置。
评估 · Pytest · C++ · 数值方法
04 / 沿途的积累
领域在变， 视野在生长。
从计算机科学的基础，到真实的软件业务，再到应用 AI 与计算科学的交汇。每一段经历，都让我多理解系统的一面。
2026 年 6—9 月
Microsoft Core AI
研究实习
围绕本地小语言模型与有据可循的 RAG，探索 KYC/AML 政策支持。这段实习与帝国理工硕士研究相连，相关研究仍在推进。
2025 年 6—9 月
快手
Sales Copilot · AI 工程
参与销售助手的检索、工具路由与企业问答流程，把模型能力接入具体的业务问题。
2023 年 11 月—2024 年 4 月
MHR × 诺丁汉大学
EveryDay Learning · AI/NLP 开发
参与 Android 学习应用，将收藏的文章连接到题目生成、干扰选项与间隔复习，让阅读延伸为持续的学习。
2023 年 6—9 月
美团
后端开发实习
参与奖励业务流程与后端服务，在业务规则和数据处理之间，打磨软件运行的具体环节。
伦敦帝国理工学院
应用计算科学与工程硕士
2025—2026 · 预计 2026 年 12 月授予学位宁波诺丁汉大学
计算机科学学士 · 一等学位
2021—202505 / 故事仍在继续
下一段旅程， 从一次交流开始。
期待在软件工程、应用人工智能与研究工程的岗位上， 继续把好问题变成有用的作品。
公开简历已省略私人联系方式，可通过 GitHub 公开主页联系。