企业知识库问答系统:基于向量化存储与检索技术，为企业搭建智能问答系统，实现内部文档、制度文件、技术资料等知识的自动解析与语义检索。项目采用向量数据库进行嵌入存储，并构建 RAG（Retrieval-Augmented Generation）流程，实现用户自然语言问题的意图识别、语义相似内容检索以及答案生成。在后端使用 Python 构建 API 服务，实现向量化、检索、排序与生成模型调用等功能。系统支持多类型文档解析、知识库自动更新、查询日志分析等，显著提高组织内部的信息获取效率，减少重复性咨询工作。项目中负责 RAG 流程设计、检索优化、意图解析模型构建以及整体系统集成。
业务数据清洗与分析脚本开发:为企业提供数据清洗、指标计算与分析自动化的 Python 脚本解决方案。项目处理的数据来源于多类 Excel、CSV、数据库表，内容复杂、格式不统一。通过编写通用数据解析模块、字段标准化程序、异常值检测算法以及自动化报表输出功能，实现了从原始数据读取、过滤、校验到结果统计与图表生成的全流程自动化。脚本支持自定义规则引擎、动态配置映射关系以及多表合并逻辑，最终生成业务部门需要的统计表、监控表与可视化结果。该方案显著减少手动统计错误，提高数据处理速度，并为后续数据分析模型提供了稳定的基础数据。