面向政务数字化场景，具备从需求分析、技术选型、系统设计到全栈落地的完整能力。核心擅长将大语言模型与政务业务深度结合，构建可私有化部署的智能客服与知识问答系统。
在大模型开发讲师方向，能够将复杂的 AI 工程实践转化为系统性、可落地的课程内容。具备丰富的项目实战背景，所授知识均来源于真实政务系统的开发经验，而非纯理论推导，能有效帮助学员跨越"懂原理但不会落地"的鸿沟。
教学能力亮点：
第一，由浅入深的知识拆解能力。能将向量数据库、LangGraph 状态机、SSE 流式输出等复杂概念，用餐厅、流水线、快递员等生活化比喻精准类比，让零基础学员快速建立认知框架。
第二，以项目驱动的教学设计。以甘肃省政务智能客服系统为主线案例，贯穿数据入库、工具封装、Agent 编排、接口开发全流程，学员边学边做，每个阶段都有可验证的交付物。
第三，工程坑点的系统性总结。在实际开发中积累了大量一手经验，包括：阿里云 Embedding 批量限制的解决方案、LangChain 版本冲突的精确锁定策略、口语化问法与标准政务用语的语义跨越处理、多轮对话上下文指代消解等，能帮助学员提前规避高频陷阱。
第四，可复用的课程体系设计。能独立设计"大模型+政务"完整课程，从环境搭建、数据处理、RAG 架构、Agent 编排到生产部署，形成模块化课程包，适配不同层次学员（开发工程师 / 产品经理 / 政府信息化人员）。
深入研究并掌握的核心方向：
RAG 架构设计、LLM 私有化部署、政务知识库建设、多工具 Agent 编排、全栈系统集成、向量数据库原理与调优，以及面向非技术背景学员的 AI 工程知识转化与教学设计。

基于 LangChain + LangGraph + PGVector 构建的政务智能客服Agent系统，私有化部署，对接阿里云百炼大模型API。覆盖政务事项与32类政策文件，支持事项查询、政策问答、办事指南三大场景。
技术架构
数据层 事项清单+ 政策文件库，全量向量化，检索相似度均在0.75以上
工具层 TOOL-01关键词检索 / TOOL-02A文件召回 / TOOL-02B片段抽取 / TOOL-03分类兜底 / TOOL-04办事指南
AI核心 LangGraph状态图编排（9节点/2条件路由）+ 意图识别 + 上下文理解 + 多轮对话管理
接口层 FastAPI + SSE流式输出 + 会话管理 + CORS跨域 + 自动降级策略