南洋理工大学网络安全硕士在读，专注于 AI、安全与产品设计的交叉领域。我擅长把技术能力转化为可落地的用户解决方案 —— 涵盖 LLM 应用、RAG 架构与后端系统，强调在敏感领域中的可靠性、可扩展性与数据隐私。
关于
工作经历
工作经历
AI 产品助理（实习）
交付 LLM-as-a-judge 评测流水线（TTS 合成 → 多模型盲评转写 → 三票多数裁定），把语音 Agent 在 349 条本地地名词典上的发音准确率从 78% 提升到 93.8%，并封装为具备安全批量纠正能力的可复用后端组件。主导「语音 Agent 穿越电话菜单（DTMF/IVR 导航）」能力的 0→1 可行性与架构设计，以 8 个 Agent 的对抗式代码评审提前捕获 4 个阻塞上线的缺陷。端到端交付面向客户与现场活动的产品：发布活动上线的 PII 加固二维码线索采集应用、为合作伙伴客户 Demo 按期交付的单文件可视化原型，以及为政府 AI 竞标项目完成的需求到语音技术栈映射。在生产级语音 AI 平台上撰写约 50 份产品方案、可行性研究与 PRD，持续把模糊需求转化为可决策的文档化范围。
研究员（兼职）
搭建面向内部员工的 RAG 智能问答系统，覆盖政策与流程文档；在长文档语料上设计 KNN 检索方案，构建场景化评估框架，达到 96% Recall@N 与 4.4/5 答案相关度。
研究员（兼职）
围绕大规模微服务调度问题展开基于 A2C 的多智能体强化学习研究，在字节跳动与阿里巴巴真实数据集上验证有效性，合著论文已发表于 Expert Systems with Applications。
产品经理（实习）
带领 6 人跨职能团队设计并交付仓储库存管理系统原型，直至通过企业导师验收，负责需求梳理、优先级排序、任务分配与测试。标准化入库、出库、库存查询、缺货预警、对账与异常处理等流程，并亲自实现认证、基于角色的权限控制、工作流配置与大模型驱动的每日库存报表共 4 项前后端与 AI 核心功能。
教育经历
南洋理工大学
新加坡
西安交通大学
中国西安
出版作品
Ma, N., Tang, A., Xiong, Z., & Jiang, F. (2025). A deep multi-agent reinforcement learning approach for the micro-service migration problem with affinity in the cloud. Expert Systems with Applications, 273, 126856.
代表项目
壹
MindGap · Claude Code 插件
一个 Claude Code 插件，把每个 turn 的等待时长拆成三段：模型思考、自动化工具、需用户响应的工具。零依赖 Node.js 钩子将 UserPromptSubmit / PreToolUse / PostToolUse / Stop 四类事件落到 JSONL，配套的 skill 按需聚合并展示每个 turn 的发呆分布。已以 MIT 协议发布到 Claude Code 插件市场。
贰
AI 数据可视化工作流工具
端到端的 LLM 工作流，统一处理 PDF / Excel / CSV 等异构数据的解析、清洗、分析与可视化；将原本数小时的分析压缩至 ~10 分钟，以飞书机器人形态部署，零配置即用。基于 Coze 搭建。
技能索引
- 01 Product Management
- 02 LLM
- 03 RAG
- 04 AI Agent
- 05 Prompt Engineering
- 06 Workflow Design
- 07 Coze · FastGPT
- 08 TypeScript
- 09 Java
- 10 Spring Boot
- 11 PostgreSQL
- 12 MongoDB
- 13 Cybersecurity
悬停查看关联结构