操作系统与环境：精通 Linux（Debian/GNOME），熟练使用 Docker、conda、venv、pip 进行环境管理与部署。
编程与数据处理：精通 Python，熟练使用 SQL、NumPy、Pandas、JAX（CPU/GPU）进行数据处理与科学计算。
AI与深度学习：熟悉主流框架 PyTorch、Flax、Haiku，可独立完成深度学习网络搭建与训练。
大数据与工程化：掌握 DuckDB 处理超大数据集，了解 CI/CD 与数据调度。
爬虫与数据采集：熟练使用 Requests、BeautifulSoup，实现数据采集并入库存储。
开发工具与版本控制：日常使用 VSCode、JupyterLab，熟练使用 Git（GitHub/Gitea/Gitee）进行代码管理。

　　所用技术：包含知识图谱数据分析、对比学习嵌入模型训练（BGE-M3）、FAISS 向量检索、Qwen LLM 微调和多指标评估

　　1、使用爬虫对原始数据进行爬取，清洗后制作成[症状][对应关系][中医药]三元组的rag数据仓库。

　　2、使用大模型微调的方式将迁移学习后的大模型拼接到原先召回模型。原先召回率提升18%

　　3、最后使用静态向量库进行了模型固化方便进行网页部署。