项目名称：天一智能知识库问答系统（RAG）
技术栈：LangChain + Milvus + DeepSeek + FastAPI + Docker + React

项目背景：
公司内部技术文档、产品手册、规章制度分散，员工查找信息效率低，客服回答不统一。

我的职责：
- 独立负责系统架构设计和核心模块开发
- 设计文档解析流水线：PDF/Word/Excel→文本提取→分块→Embedding→向量存储
- 实现RAG检索链路：Query理解→向量检索→重排序→上下文组装→大模型生成
- 开发管理后台，支持知识库增删改查、检索效果调试、用户问答日志分析

技术细节：
- 使用BGE-large-zh模型做Embedding，Milvus存储向量，召回Top-5候选
- 引入RRF（Reciprocal Rank Fusion）重排序，结合BM25关键词检索提升准确率
- 提示词工程：设计"系统角色+检索上下文+用户问题+输出格式"四段式模板
- 对接DeepSeek-V2 API，配置流式输出和Token用量监控
- 前端React实现对话界面，支持Markdown渲染、引用溯源、点赞点踩反馈

成果：
- 知识库覆盖10万+文档，问答准确率85%
- 客服响应时间从平均15分钟降至30秒
- 获得公司内部创新奖


项目名称：铁路轨道缺陷智能巡检系统
技术栈：YOLOv8 + PyTorch + NVIDIA Jetson + MQTT + n8n + MySQL + 钉钉API

项目背景：
传统铁路巡检依赖人工目视检查，效率低、漏检率高、数据记录不规范，需要AI辅助实现自动化巡检。

我的职责：
- 负责AI视觉模块和巡检数据流架构设计
- 基于YOLOv8训练轨道缺陷检测模型，支持裂纹、扣件缺失、轨面擦伤等8类缺陷识别
- 开发边缘推理服务，在巡检车Jetson设备上实时处理摄像头视频流（4路并发，FPS 30）
- 设计巡检数据同步机制，弱网环境下本地缓存+断点续传
- 使用n8n编排告警工作流：缺陷识别→AI分级（严重/一般/轻微）→自动派单→钉钉通知→维修反馈

技术细节：
- 数据标注：使用LabelImg标注5000+张轨道图像，数据增强后训练集扩充至2万张
- 模型优化：TensorRT加速，INT8量化，推理速度提升3倍
- 边缘架构：Jetson Xavier NX + Docker容器化部署，支持OTA模型更新
- 云端工作流：n8n连接MySQL工单库、钉钉机器人、邮件系统，实现巡检-告警-维修闭环
- 开发数据看板，可视化巡检覆盖率、缺陷分布、维修进度

成果：
- 系统覆盖XX公里运营线路，日均巡检200公里
- 缺陷检出率92%，人工复核工作量减少70%
- 巡检数据结构化存储，支持历史趋势分析和预测性维护
- 获得铁路局科技进步奖