Available for Opportunities

关于我

9年前端与全栈开发经验，近一年聚焦 AI 应用工程，围绕非结构化数据处理、RAG 检索、工作流编排与结果可视化，推动 LLM 能力在业务场景中落地。

Background

转型与演进路径

7 年前端开发经历，主导企业级业务系统的交互界面与数据展示，培养了对业务流程的深刻理解与用户体验的把控能力。

近一年聚焦 LLM 场景落地，参与招聘筛选与城市治理等业务场景建设，完成结构化抽取、RAG 检索、流程编排与结果可视化等完整链路开发。

具备前后端一体化开发能力，完成模型接入、服务封装、流程编排与结果可视化，构建可交付、可复核的 AI 应用系统。

拥有 9 年前端与全栈开发经验，近一年聚焦 AI 应用工程——完成过非结构化文本抽取、结构化处理、RAG 检索、AI Workflow 编排、结果解释与材料输出等完整链路开发，能够推动 AI 能力落地业务流程。

Core Focus Areas

基于 LLM + Prompt + Schema 实现 JD、简历、工单等非结构化文本的结构化抽取，支持技能、年限、学历、地域、事件类型、责任部门等关键字段识别。

实践 RAG 检索链路，结合 Embedding、向量检索与业务规则完成语义召回、条件过滤与排序优化，提升结果可用性与准确性。

基于 n8n 搭建多步骤 AI Workflow，完成分类、摘要、去重、推荐等任务编排，并与业务接口、规则判断和人工确认流程联动。

前后端一体化开发能力，覆盖 Python / FastAPI、Node.js、Java 后端服务与 React 前端可视化，将模型结果转化为可理解、可操作、可人工复核的业务界面。

Methodology

从非结构化输入到可交付输出，构建完整的 AI 应用链路。

基于 LLM + Schema 将非结构化文本转化为可处理的结构化数据。

Embedding、向量检索与业务规则结合，完成语义召回与条件过滤。

基于 n8n 编排分类、摘要、去重、推荐等多步骤 AI Workflow。

封装 OpenAI / 本地模型调用，统一处理 Prompt 构建与异常兜底。

将模型输出转化为可理解、可操作、可人工复核的业务界面。

结构化解析、规则校验、异常兜底与人工确认机制，提升结果稳定性。

基于我的技术栈与工程经验，我能胜任以下岗位：

全栈工程师（AI 方向）AI 应用开发工程师AI Agent / Workflow 工程师RAG / LLM 应用工程师