熟悉 Java 面向对象设计与开发,掌握分层架构设计(model/dao/service/ui),能够独立完成从需求分析、UML建模到编码实现的完整流程,熟悉 Swing 桌面应用开发与文件持久化方案(CSV/序列化)。

熟悉 Python 数据处理与机器学习应用,能够搭建数据采集、特征工程、模型训练与自动化回测的完整链路,熟悉 scikit-learn 常用分类/回归模型,了解概率校准(Platt scaling)等模型可靠性优化方法,能够处理时间序列数据中的异常值与复权/拆分等工程细节问题。

熟悉全栈 Web 开发,掌握 Vue3 前端框架(组件化开发、Canvas绘图交互)与 Node.js/Express 后端开发,熟悉 SQLite/MySQL 数据库设计与操作,能够独立完成前后端接口联调与部署。

擅长大模型 API 集成与 Prompt 工程,具备将 AI 能力(如智能问答、内容生成、自动批改)融入实际业务系统的工程经验,理解 Prompt 设计对输出稳定性与准确性的影响,能够针对具体业务场景调优大模型调用策略。

具备扎实的工程规范意识,注重代码可维护性与分层解耦,善于定位并解决复杂环境配置类问题(依赖管理、编码兼容、接口稳定性等),能够独立排查并解决开发过程中遇到的各类技术难题,交付可持续迭代的工程代码,而非一次性脚本。

项目一:图书管理系统(Java桌面应用)
独立完成一套面向对象的图书管理系统开发,涵盖图书信息管理、借阅归还流程、在线书源检索等核心功能。采用抽象类与接口设计(如图书条目抽象、可插拔的在线数据源接口),支持多态扩展。集成公开图书数据接口实现搜索与元数据获取功能。完成需求文档、UML设计图、Swing图形界面与完整技术文档交付,项目结构清晰、分层规范、通过完整功能测试。

项目二:ETF量化择时系统(Python)
针对小资金、高交易成本场景,设计并实现一套低频量化择时策略。搭建了数据采集、特征工程、机器学习模型训练与自动化回测的完整流程,并引入概率校准方法解决模型预测过度自信的问题,显著提升了策略在真实交易场景下的可靠性与稳健性。项目包含每日自动化信号生成与消息推送模块,具备完整的工程化运行能力。

项目三:AI学习辅助平台(Vue3全栈+大模型集成)
设计并开发了一套面向学习场景的全栈Web应用,前端基于Vue3实现知识图谱可视化与交互式学习面板,后端基于Node.js构建接口与数据库服务,并集成大模型API实现智能问答与内容生成能力。从数据库设计、接口开发到前端交互实现均独立完成,项目具备完整的配置管理与自检机制,工程稳定性良好。