项目经验 1：基于大语言模型的智能仿真代码生成系统

负责一个面向科研场景的智能仿真辅助系统设计与开发，目标是让用户通过自然语言描述实验条件、模型参数和模拟需求，自动生成相应的仿真代码与执行流程，降低专业仿真软件的使用门槛。项目中主要负责整体方案设计、提示词工程、模型接口调用、任务流程拆解、参数解析以及代码生成模块实现，并对多个大语言模型在代码生成准确率、可执行性、稳定性和响应效率方面进行对比测试。

在系统实现中，搭建了从用户输入、条件结构化、代码模板生成到结果返回的完整链路，并结合具体科研问题进行了多轮优化。该项目体现了我在 AI 应用落地、复杂流程设计、业务抽象及 Python 工程实现方面的综合能力，也锻炼了我将技术方案转化为可交付系统原型的能力。

项目经验 2：机器学习/深度学习实验与模型开发项目

参与并独立完成过多个机器学习与深度学习相关实验项目，包括图像识别、数据分类预测、模型训练与效果评估等任务。使用 Python 与 PyTorch 完成数据预处理、模型搭建、训练流程编写、参数调整和结果分析，能够根据任务特点选择合适的网络结构与训练策略，并对模型精度、损失变化和泛化能力进行跟踪与优化。

在项目过程中，积累了较扎实的数据处理和实验复现能力，能够快速理解任务目标并完成从数据到模型的完整流程，同时也具备将算法能力与具体应用场景结合的经验。该类项目提升了我处理技术型需求的能力，适合承接数据分析、模型验证、实验辅助开发等相关任务。

项目经验 3：Python 自动化与数据处理工具开发

基于实际需求开发过多类 Python 自动化工具，包括批量数据处理、文本清洗、结构化信息提取、文件批处理、自动化任务脚本等。能够针对重复性高、人工成本大的工作流程进行脚本化改造，提高执行效率与结果一致性。项目中通常会结合 Excel/CSV/数据库等多种数据源完成读取、处理、统计和导出，并根据需求生成可直接使用的结果文件或报表。

此类项目强调交付速度和实用性，需要在较短时间内理解用户需求并给出稳定可用的解决方案。我在这类项目中注重代码清晰、异常处理、运行效率和后续可维护性，适合承接数据整理、自动化办公、批量处理、规则提取、小工具开发等类型的项目。

项目经验 4：后端接口与轻量级管理系统开发

具备中小型后台系统与接口服务开发经验，可根据业务需求实现用户管理、数据展示、表单提交、权限控制、日志记录、文件上传下载等常见功能模块。开发过程中使用 Python 后端框架完成 RESTful API 设计与实现，并结合数据库完成业务逻辑落地。对于前后端联调、接口规范整理、测试环境部署和常见线上问题排查也有实际经验。

这类项目中，我通常会优先关注需求拆解、模块边界划分和后续扩展性，尽量在保证开发效率的同时提升系统稳定性，适合承接企业内部工具、信息管理后台、轻量业务系统、原型验证等类型的项目。