。。。
科研助理 · 1年经验 · 南京农业大学
0
累计接单
0
用户评价
0
被收藏
技术能力
掌握的技术
类别 具体技术 掌握程度
编程语言 Python（主要开发语言）、JavaScript（前端交互） 熟练
Web 框架 Django 6.0（MVT 架构、视图、路由、模板、中间件、日志配置） 熟练
图数据库 Neo4j 5.x（Bolt 协议、Cypher 查询语言、全文索引、CJK 分词器、APOC 扩展） 熟练
大语言模型应用 DeepSeek API（OpenAI 兼容格式）、LLM Prompt Engineering（意图分类、实体抽取、结构化输出、JSON 解析容错） 掌握
NLP 工具 jieba 中文分词（关键词提取、停用词过滤） 掌握
前端技术 HTML5、CSS3（OKLCH 色空间、Design Tokens、响应式布局、WCAG 2.1 AA 无障碍标准） 掌握
数据可视化 vis-network 9.1.9（力导向布局、forceAtlas2Based 物理引擎、节点/边事件绑定） 掌握
HTTP/API RESTful API 设计、requests 库、JSON 数据交换、前后端数据协议设计 掌握
安全实践 参数化查询防注入、只读 Session 隔离、CSRF Token、大整数精度保护 了解
工具链 Git 版本控制、Django manage.py CLI、Neo4j Browser / Cypher Shell、Chrome DevTools 熟练
文档写作 技术文档（README 140 行）、产品文档（PRODUCT.md）、API 文档 熟练
类别 具体技术 掌握程度
编程语言 Python（主要开发语言）、JavaScript（前端交互） 熟练
Web 框架 Django 6.0（MVT 架构、视图、路由、模板、中间件、日志配置） 熟练
图数据库 Neo4j 5.x（Bolt 协议、Cypher 查询语言、全文索引、CJK 分词器、APOC 扩展） 熟练
大语言模型应用 DeepSeek API（OpenAI 兼容格式）、LLM Prompt Engineering（意图分类、实体抽取、结构化输出、JSON 解析容错） 掌握
NLP 工具 jieba 中文分词（关键词提取、停用词过滤） 掌握
前端技术 HTML5、CSS3（OKLCH 色空间、Design Tokens、响应式布局、WCAG 2.1 AA 无障碍标准） 掌握
数据可视化 vis-network 9.1.9（力导向布局、forceAtlas2Based 物理引擎、节点/边事件绑定） 掌握
HTTP/API RESTful API 设计、requests 库、JSON 数据交换、前后端数据协议设计 掌握
安全实践 参数化查询防注入、只读 Session 隔离、CSRF Token、大整数精度保护 了解
工具链 Git 版本控制、Django manage.py CLI、Neo4j Browser / Cypher Shell、Chrome DevTools 熟练
文档写作 技术文档（README 140 行）、产品文档（PRODUCT.md）、API 文档 熟练
项目经验
蒿草知识图谱问答系统
2025 年 9 月 — 2025 年 12 月 | 独立全栈开发
项目简介：围绕蒿属（Artemisia）植物学知识，构建了一个基于知识图谱与大语言模型的智能问答平台。用户以中文自然语言提问，系统从 Neo4j 图数据库中检索相关结构化知识，由 DeepSeek 大模型生成带来源引用的回答，并在前端以交互式力导向图实时可视化展示检索到的子图。
技术选型：Python / Django 6.0 / Neo4j 5.x / DeepSeek API / jieba / JavaScript / vis-network / CSS (OKLCH)
我的工作：
知识建模：在 Neo4j 中设计 13 种节点类型（Plant、ChemicalCompound、Location、Use、Habitat、Family、Genus、Section、Series、Alias、Adaptation、FloweringPeriod、Allergen）及关系模式，为数百条蒿属百科数据完成结构化入库，配置 CJK 全文索引。
后端核心开发：
封装 Neo4j 只读客户端（~560 行），实现「全文索引优先 → jieba 分词降级」双路径检索、节点邻域 1-3 跳展开、结果去重合并、大整数 ID 安全转换
封装 DeepSeek LLM 调用器（OpenAI 格式），覆盖超时/鉴权/限流等错误分级处理
设计并实现三阶段 QA 流水线：意图分类 + 实体抽取（单次 LLM 调用）→ 图谱检索 + 邻域扩展 → LLM 带来源编号引用的答案生成
开发 6 个 RESTful JSON API 端点（/api/ask/、/api/graph-data/、/api/graph-stats/、/api/search-nodes/、/api/node-types/、/api/nodes/）
前端交互开发：
手写 ~870 行 JS 实现问答交互与图谱可视化，包括 18 种节点类型配色系统、节点详情弹窗（智能避让定位）、双击邻域展开、类型筛选侧边栏（Ctrl+多选）、问答-图谱双向联动（引用徽章点击展开节点、追问按钮自动填充提交）
从零搭建 ~800 行 CSS 设计系统，OKLCH 色空间 Design Tokens，WCAG 2.1 AA 对比度，双断点响应式布局
安全设计：Cypher 全参数化防注入、只读 Session 隔离、JS 大整数精度保护
项目成果：完成了一个从数据层到展示层全链路打通的端到端系统，可对蒿属植物分类、化学成分、地理分布、用途等维度的自然语言问题进行带溯源的智能回答，支持交互式图谱探索。项目仓库含 140 行 README 文档和完整 API 文档。
关键收获：
理解了知识图谱「实体-关系」模型相比关系型数据库在表达语义关联上的优势
掌握了 Prompt Engineering 在实际工程中的要点（约束输出格式、禁止幻觉、强制引用）
认识到前后端数据类型不一致（如 Node ID 精度）是实际工程中容易被忽视但影响重大的问题
学会用文档驱动开发——先写 README 再写代码，减少返工和记忆成本
2025 年 9 月 — 2025 年 12 月 | 独立全栈开发
项目简介：围绕蒿属（Artemisia）植物学知识，构建了一个基于知识图谱与大语言模型的智能问答平台。用户以中文自然语言提问，系统从 Neo4j 图数据库中检索相关结构化知识，由 DeepSeek 大模型生成带来源引用的回答，并在前端以交互式力导向图实时可视化展示检索到的子图。
技术选型：Python / Django 6.0 / Neo4j 5.x / DeepSeek API / jieba / JavaScript / vis-network / CSS (OKLCH)
我的工作：
知识建模：在 Neo4j 中设计 13 种节点类型（Plant、ChemicalCompound、Location、Use、Habitat、Family、Genus、Section、Series、Alias、Adaptation、FloweringPeriod、Allergen）及关系模式，为数百条蒿属百科数据完成结构化入库，配置 CJK 全文索引。
后端核心开发：
封装 Neo4j 只读客户端（~560 行），实现「全文索引优先 → jieba 分词降级」双路径检索、节点邻域 1-3 跳展开、结果去重合并、大整数 ID 安全转换
封装 DeepSeek LLM 调用器（OpenAI 格式），覆盖超时/鉴权/限流等错误分级处理
设计并实现三阶段 QA 流水线：意图分类 + 实体抽取（单次 LLM 调用）→ 图谱检索 + 邻域扩展 → LLM 带来源编号引用的答案生成
开发 6 个 RESTful JSON API 端点（/api/ask/、/api/graph-data/、/api/graph-stats/、/api/search-nodes/、/api/node-types/、/api/nodes/）
前端交互开发：
手写 ~870 行 JS 实现问答交互与图谱可视化，包括 18 种节点类型配色系统、节点详情弹窗（智能避让定位）、双击邻域展开、类型筛选侧边栏（Ctrl+多选）、问答-图谱双向联动（引用徽章点击展开节点、追问按钮自动填充提交）
从零搭建 ~800 行 CSS 设计系统，OKLCH 色空间 Design Tokens，WCAG 2.1 AA 对比度，双断点响应式布局
安全设计：Cypher 全参数化防注入、只读 Session 隔离、JS 大整数精度保护
项目成果：完成了一个从数据层到展示层全链路打通的端到端系统，可对蒿属植物分类、化学成分、地理分布、用途等维度的自然语言问题进行带溯源的智能回答，支持交互式图谱探索。项目仓库含 140 行 README 文档和完整 API 文档。
关键收获：
理解了知识图谱「实体-关系」模型相比关系型数据库在表达语义关联上的优势
掌握了 Prompt Engineering 在实际工程中的要点（约束输出格式、禁止幻觉、强制引用）
认识到前后端数据类型不一致（如 Node ID 精度）是实际工程中容易被忽视但影响重大的问题
学会用文档驱动开发——先写 README 再写代码，减少返工和记忆成本
立即沟通
相似人才推荐：
