作为一名大三本科在读的计算机专业学生，我具备扎实的技术能力，能够为各类项目提供高效的技术支持。

在后端开发方面，我掌握 Springboot 和 FastAPI，能够快速搭建稳定、高效的后端服务，处理复杂的业务逻辑和数据交互。对于前端交互，我熟悉 WebSocket 技术，能够实现流畅的实时数据传输和用户交互体验。

在机器人技术领域，我具备机器人导航（Nav2）、计算机视觉（OpenCV）、机械臂运动控制及底盘协同算法的实战经验，熟悉 ROS1/2 框架，能够开发和优化机器人系统。

此外，我还成功将多模态大模型（如 Qwen-VL、Moonshot）集成到实际项目中，并在服务器上进行了本地部署，熟悉 RAG 知识库构建与视觉分析流程，能够有效提升项目的智能化水平。

在校期间，我积极参与机器人和网络安全竞赛，积累了宝贵的实践经验。我还作为后端开发人员，为学校部署了 AI 监控智能预警系统，并通过在本地服务器部署 Qwen-VL32B 模型，有效减少了 API 调用的开销，提升了系统的性能和效率。

项目名称：AI Watchdog 校园监控 AI 预警系统
核心目标：构建基于 AI 视频分析的实时校园安全监控系统，自动识别危险行为（如摔倒、霸凌）并提供智能交互。
技术实现：

后端架构：使用 FastAPI + Uvicorn 搭建高性能 Web 服务，处理实时视频流输入与分发，确保系统能够高效处理大量数据。
AI 模型集成：
将视频流实时传输至 Qwen-VL 多模态大模型进行图像识别与分析，检测预设危险场景。
将预警信息、事件日志结构化存储为本地 RAG 知识库，便于后续查询和分析。
通过 WebSocket 实现与前端实时双向通信，接收用户输入，调用后端服务与 Moonshot API 交互，基于本地知识库生成上下文相关的安全响应。
数据处理：设计并实现预警信息、分析结果、用户交互日志的存储与检索方案，确保数据的完整性和可追溯性。