求职意向：FDE（Forward Deployed Engineer）— AI 应用落地方向。
人工智能专业在读，具备 4 个端到端 AI 项目全栈交付经历。熟练使用 Python / FastAPI / TypeScript / Next.js，参与多 Agent 协同架构设计、RAG 全链路落地、SSE 流式推理及企业 IM 集成。独立搭建 Claude Code 持久化记忆系统与个人 LLM Wiki 知识工程，将 Obsidian 数字花园与 AI 记忆库融合，实现 AI 能力的持续生长与版本迭代。具备需求分析（3000 份作业 → MVP 划定）、技术选型和 Docker / Nginx 部署实践。
应用层 → 基础设施层 → 方法论层
多 Agent 协同（1M+5S / 3 Agent 串行），A2A 通信，Checker-Fixer 职责分离，MCP 协议，最小权限矩阵，maxSpawnDepth 嵌套编排
文档解析 → 混合索引（BM25 + 稠密向量）→ 多路召回 → Rerank → 上下文组装；RAGAS / MRR 评估，JSON Schema 约束输出
Prompt Engineering，Function Calling / Tool Use，LangChain 框架，Coze 工作流，SSE 流式推理（六事件协议），LLM 抽象层
Python（FastAPI / Flask）+ TypeScript（Next.js 14 / React）+ Java；SQLite / PostgreSQL，Docker Compose + Nginx 一键部署
Claude Code 本地记忆系统（30+ Memory + MEMORY.md 索引），Obsidian 知识库集成，MCP Server 部署，Junction 自举架构，一键恢复脚本
3000 份学生作业 → 8 项显性需求 + 7 大隐藏需求维度 → MVP 边界划定。FDE 区别于纯研发的核心竞争力
飞书（27 Lark Skills + WebSocket 长连接），企业微信 Bot，bot-only 安全设计，密钥降级 mock，敏感数据本地化
SFT / RLHF / DPO 技术理解，LoRA / QLoRA 实操，Benchmark 评估框架，PyTorch 基础
需求分析 → 架构设计 → 全栈开发 → 部署交付 — 全部独立完成或主导完成
👆 点击项目卡片展开查看详情
田野调查 3,000+ 份学生作业 → 8 项显性需求 + 7 大隐藏维度 → 3 Agent 协同推理 → 六维雷达图可视化
2026.07 · 需求分析 + 全栈交付1 Master + 5 Specialists 联邦架构，Checker-Fixer 职责分离，27 Lark Skills 飞书深度集成
2026.07 · Agent 架构设计 + 企业 IM 集成真实香港客户，1 天从零交付可部署原型，6 模块化后端，LLM 抽象层多模型动态切换
2026.07 · TO B 全栈交付为 AI 搭建"数字大脑"——LLM Wiki 知识编译引擎 + Obsidian 双链图谱 + 语义检索引擎 + D 盘自举高可用架构
2026.07 · AI 效能基础设施 + 知识工程memory/（wiki 编译层）+ Obsidian Vault（数字花园 + 双链图谱）+ daily-brief.json（日报索引），重启后准确回忆率 100%[[wiki-link]] 交叉引用，LLM 自动提取关键事实并在对话中主动召回setup-memory-link.ps1 一键恢复（9 个链接），裸机 → 全量恢复仅 90 秒
AI 默认无状态——每次对话从零开始。RAG 每次临时检索，用完即弃；Wiki 范式则将知识编译成持久化、会生长的结构化资产。
通过 Junction + 结构化 Memory + Obsidian 双链图谱 + MCP 协议四层架构，让 Claude Code 拥有"长期记忆"——记住每一次技术决策、关联每一个历史上下文、在每一次对话中变得更聪明。
→ 本质：为 AI 搭建"数字大脑"——记忆存储 + 知识编译 + 语义检索 + 持续迭代。
所有项目均为独立完成或主导完成。部分技能（K8s / CI-CD / 大模型微调实战）正在按计划学习中。
期待在面试中现场演示：裸机启动 → 90 秒全量恢复 AI 记忆 → 精确回忆全部 4 个项目上下文。