应用统计学本科毕业，具备近一年的大模型算法工程师全职工作经验。工作期间深度参与了大模型应用落地全流程，涵盖文本分类、RAG知识库搭建、Agent多智能体协作等核心模块。性格细致严谨，具备较强的逻辑分析与问题拆解能力，善于在工程实践中平衡模型效果与资源消耗。目前寻求兼职或远程协作机会，可灵活安排工作时间，确保项目按期高质量交付。

技术栈

大模型框架与工具：熟悉 Qwen、DeepSeek、ChatGLM、BERT 等主流模型的使用与微调；熟练运用 LangChain 构建问答链与 Agent 流程；掌握 LoRA/QLoRA 等高效微调方法。

RAG 检索增强：精通文档解析（PyMuPDF、OCR）、语义切分（AliTextSplitter）、向量化（BGE-M3）、混合检索与重排序（BGE-Reranker）全链路技术；熟练使用 Milvus 向量数据库与 Redis 缓存加速。

工程化部署：能够基于 FastAPI/Flask 构建 RESTful 与 SSE 流式接口；掌握 Docker 容器化部署与 MySQL/Redis 协同服务搭建。

多模态与推理加速：了解扩散模型与 GAN 原理；熟悉模型量化、KV Cache 优化及 DeepSpeed 推理加速框架。

可提供服务

RAG 知识库问答系统搭建：面向企业私有知识库、产品手册、教育课件等场景，提供从文档清洗、向量入库、检索优化到大模型生成的一站式开发服务。

大模型微调与行业适配：针对特定领域术语与话术，提供基于 LoRA/QLoRA 的指令微调服务，提升模型在垂直场景下的回答准确率。

Agent 智能体开发：基于 LangChain 或 A2A 协议，开发具备工具调用、记忆管理与多智能体协作能力的任务型对话系统。

模型推理部署与加速：提供模型量化、Docker 封装及 API 服务部署，降低推理成本，满足生产环境上线需求。

NLP 文本分类与信息抽取：承接新闻分类、情感分析、实体识别等传统 NLP 任务，兼顾模型精度与推理效率。