个人优势：

1，熟悉dify、毕昇等工作流开发平台及底层架构，有基于开源版本进行企业级版本深度开发的经验和能力；精通大模型微调、推理部署，累计部署推理过deepseek-v4-flash、qwen3.5-122b、qwen3.6-35b、bge-m3、mineru等十余个模型；微调过qwen3.5-122b大模型。
2. 精通TensorFlow、Pytorch和paddlepaddle等深度学习框架及API，熟悉Faster RCNN、Mask-RCNN、YOLOv5及最新的YOLOv12等目标检测算法，对ResNet、MobileNet、InceptionNet和GhosNet等卷积神经网络有深入理解。在网络训练及网络结构优化方面具备专业知识，能够进行数据标注、数据清洗处理、网络分布式训练、网络结构优化改进及超参数调优训练。同时，熟练使用onnx及tensorrt推理框架，并有推理量化落地经验。

3. 熟悉Transformer网络结构特性，了解其编解码结构及多头注意力机制。有基于pytorch框架的GPT2、BERT等模型的训练经验，成功适配DCU平台的ktransformers推理框架，并在Linux docker容器中完成深度推理部署测试。具备大模型、视觉模型及其他AI生态组件的快速上手能力，并且熟悉CLIP和LLaVA多模态AI模型，能够使用huggingface-cli下载模型文件，并配置微调部署；熟悉LORA微调技术；熟悉BEVFusion、Occupancy多模态框架；熟悉ChatBI技术有相关项目技术支持经验。

4. 熟悉AI Agent基本架构及技术栈，有faiss及milvus等向量数据库的使用及技术支持经验。了解NLP大模型微调过程及技术栈，能够进行开源大模型微调及分布式训练，熟悉Prompt Engineering、Fine-tuning、RAG等技术。独立完成过智能体开发部署。熟悉阿里云百炼平台及dify平台，熟悉langgraph、langchain

5. 熟悉深度学习编译器TVM，对TVM优化过程、适配编译及API底层数学库调用有深入理解。能够使用TVM对深度学习模型onnx格式权重进行autotune，并完成resnet50部署推理测试。

6. 熟练掌握Linux开发环境、docker使用及Pyth

Qwen3.5-122B-A10B MoE（256 Experts） ms-swift DeepSpeed ZeRO-3 LoRA SFT 12×H100
独立编写完整训练启动脚本与预检流程（CHECK_ONLY 模式），覆盖环境/模型/数据/GPU 全链路校验；设计训练指纹机制（SHA256 + 超参合成）防止训练漂移；实现 ZeRO-3 Checkpoint 可恢复性自动校验与精确路径续训；配置BF16 + Flash Attention 2 + NF4 量化（3.6bit 最优），序列长度 8192 tokens，12×H100 全速运行；构建 2095 条轨道交通领域 SFT 数据集（含CoT 格式）。
毕昇/Dify/LangGraph 三级开发体系 FastAPI SQLModel React 18 + TypeScript Redis Celery DDD 分层 异构算力训推一体
Docker
主导 1.3.1→2.6 架构升级，完成 8 个 P0~P2 模块迁移方案定稿；引入 DDD 分层架构重构 FastAPI 异步后端，设计前端双 SPA 分治（platform/client），制定 4 条 ADR；主导跨部门智能体共享审批流、可观测资源监控（psutil + Redis Stream + WebSocket）、可信登录 trust_token 等核心模块；构建毕昇低代码、Dify 半开发、LangGraph 全代码三级智能体开发体系，覆盖低代码·半开发·全代码全场景，并对接异构算力底座实现训推一体资源调度；规划 20 周里程碑与 CI/CD 质量门禁。