技术栈：Python（pandas、NumPy、Backtrader、TA-Lib、SQLAlchemy/pymysql）、MySQL 8.0（Docker 部署）、Vue3 + Vite 前端、QMT/新浪金融数据接口、LLM Agent 编排（多角色技能路由、Prompt 工程、MCP 工具调用、语义缓存）。
擅长场景：AI Agent 系统设计与工程化落地、量化投研/策略回测平台的全栈开发、金融时序数据的批量同步与因子计算、LLM 应用的成本与质量优化（上下文瘦身、规则短路、模型混用、灰度迁移）。
解决问题：将投研、策略、交易、风控四条业务线整合为单 Agent 多角色的自动化工作流；治理数据源缺口、API 契约漂移、接口命名不一致等工程问题；建立参数校验 enforce、AST 静态守卫、契约自动生成等质量防线。

自研 AI 量化助手：独立完成架构设计与全部代码的个人量化投研平台，覆盖数据同步、因子研究、策略回测、交易计划、风控引擎全链路。技术实现包括 MySQL 8.0 存储层（Docker）、Python 后端 API、Vue3 控制台、Backtrader 回测内核（与 pandas 向量化内核完成逐位等价校验）、基于 LLM 的多角色 Agent 路由（19 个技能按用户语义分发）。成果：全 A 股量价因子评估内核向量化后单次 2.45s，配合定时预热缓存实现交易日实时请求秒回；建立 API 契约生成与 AST 守卫体系，参数校验全量 enforce 落地；四角色团队工作流实现“研报→回测→风控→人工审批→执行”全自动编排。