职业概况
专注于大语言模型在医疗领域的可靠落地与可解释推理，具备扎实的提示词工程、RAG 优化、AI 安全风控与上下文工程实战经验。擅长将临床逻辑结构化为可执行的 AI 推理流程，构建安全、合规、高准确率的数字医生系统。具备全栈工程能力与产品思维，致力于通过可信 AI 解决高价值临床挑战。
工作经历
- 数字医生赋能 (Digital Doctor Enablement)：
主导开发“数字医生智能体”，将电子病历 (EHR) 中的真实医生经验转化为可计算的数字资产。
- 经验抽取系统：设计 “Visit-Trajectory-Knowledge” 三层经验卡体系以结构化临床逻辑，作为智能体决策的认知核心。
- 安全与证据控制：实施“可控 RAG” (Controlled RAG) 与严格的证据引用机制，确保医疗建议可追溯、基于事实且无幻觉。
- PromptOps 基础设施：建立持续评估与版本控制流水线 (PromptOps)，在复杂诊断场景中迭代提升智能体的推理准确性。
- 独立完成商务整合平台12个应用程序的.NET 8升级项目
- 使用Postman进行REST API端到端测试，通过ServiceNow管理IT工单
- 参与网络安全团队的渗透测试和数据防泄漏（DLP）技术实践
- 初探数据驱动决策机制与企业级数据战略
- 熟练运用Agile开发方法论，积极参与Scrum会议和软件开发生命周期
- 协助教授人工智能、数据结构、计算机组织原理，函数编程等核心课程
- 指导学生掌握Java、C、Python、Haskell等编程语言
- 负责作业批改、答疑辅导和实验课教学
项目
以下是我曾经独立完成或参与过的项目
医疗AI专家系统
- 开发了一套基于RAG架构的医疗AI系统，整合多模态数据（Excel/影像）实现智能检索与分析。核心MVP在3小时内完成，展现了高效的全栈开发能力。
- 快速交付：3小时内完成ETL、后端及Streamlit UI的端到端开发。
- 多模态融合：统一清洗结构化病历与非结构化医学影像数据。
- 智能功能：集成ChromaDB与Qwen模型，提供复杂语义查询与交互式图表。
数字医生经验卡系统
- 构建基于 "Visit-Trajectory-Knowledge" 三层架构 的可泛化医生经验卡系统，旨在解决医疗大模型在私有知识应用中的“黑盒”与“幻觉”痛点。
- 三层架构：从EHR中精准抽取结构化临床切片(VisitCard)，聚合生成时序病程轨迹(TrajectoryCard)，沉淀可复用医学知识(KnowledgeCard)。
- 可控RAG：采用代码级Embedding Policy确保索引纯净，融合语义向量与临床特征重排(Clinical Scoring)优化检索。
- 闭环可解释性：生成端强制执行严格的证据引用机制，实现从诊断建议到原始病历的逐级溯源。
主动脉瓣关闭不全快速诊断系统（AI医学影像分析）
- 基于nnU-Net开发AI影像分析流程，实现CT扫描中主动脉根部和瓣膜的自动分割，优化诊断指标以区分正常与病变病例。
- 自动分割：利用nnU-Net实现主动脉根部和瓣膜的高精度自动分割，提升主动脉瓣关闭不全检测准确性。
- 诊断优化：结合XGBoost与临床指标分析，有效区分正常与病变病例。
- LLM应用：通过微调模型优化LLM在健康领域的应用，增强问题理解和计划生成能力。
自动语音识别（ASR）系统
- 实现基于连接时序分类（CTC）的深度前馈神经网络，结合动态规划和维特比搜索优化语音流对齐。
- 核心算法：构建深度前馈神经网络，利用CTC损失函数处理不定长语音序列。
- 解码优化：采用束搜索(Beam Search)解码与强制对齐策略，显著提升识别准确率。
- 训练效率：应用动态训练策略优化大规模语音数据集的训练过程。
基于CycleGAN的多模态MRI合成
- 复现2D CycleGAN模型，实现T1与T2 MRI模态间的高质量转换，解决跨模态数据稀缺问题。
- 模型架构：采用PatchGAN判别器和残差生成器，显著提升图像纹理细节与转换质量。
- 训练优化：结合Adam优化器和指数衰减调度策略，有效解决GAN训练不稳定的问题。
- 应用价值：实现不同MRI模态间的无监督转换，辅助医学影像分析与数据增强。
Netflix 数据整理、探索分析与元数据增强
- 对Netflix数据集进行全流程数据分析与挖掘，结合外部API丰富数据维度，提炼关键业务洞察。
- 数据清洗：利用Pandas/NumPy处理缺失值与重复值，建立标准化的数据预处理流程。
- 可视化洞察：使用Matplotlib/Seaborn/Plotly揭示内容分布、发布趋势及年龄评级关联。
- 特征增强：集成OMDb API引入外部评分，通过特征工程丰富数据维度，支持高预测性能模型。
出版物
以下是我在学术研究期间发表的作品，涵盖了计算机科学、音乐创作等领域的研究成果。
University of Iowa, Autumn 2023