25 年软件开发经验，近 3 年专注 AI 应用落地。独立完成企业数据智能问数平台、古籍全文检索系统等 5 套可现场登录的系统：从语义层建模、Agent tool-use 链路、MCP 工具集成，到 RAG 知识库工程化、私有化离线部署，全部由我一人从需求做到上线运维。不做模型训练，专长是把模型能力变成业务里可用、可查、可维护的功能。
一句话概括：既能把大模型用起来，也能把它交付出去。
手动 tool-use 循环、工具白名单与超时重试，不依赖框架黑盒；每一步工具调用都留执行轨迹，出错能定位到具体一步。
先把业务口径固化成语义层，Agent 只在只读层取数；不做 Text2SQL 裸奔，答案旁边附实际执行的 SQL 与证据行。
Langchain-Chatchat 工程化交付：离线依赖固化、模型路径治理、PyInstaller + Inno Setup 安装包与 Windows 服务化运维脚本。
古籍平台收录 10,559 部，全文索引 + DeepSeek 语义检索双通道，逐句定位原文；已获软件著作权与发明专利。
Python FastAPI、.NET、Vue3、PySide6、安卓 PDA 都能独立完成；从数据库设计到前端交互、再到现场联调，不转包、不外包。
Docker、Linux、Windows 服务化；完全离线内网与信创环境（银河麒麟 + 达梦）都实际交付过。
按 AI 相关度排序，五套系统都可现场登录，卡片上的演示账号直接可用；每套另有详情页，含功能模块与界面截图（部分含操作录屏）。
Semantic-Layer Analytics Agent
旁挂在业务库之外的企业问数平台：先把散在几十张表里的业务口径固化成一层语义层，LLM Agent 只在只读层取数；每个答案都附执行轨迹、实际执行的 SQL 与证据行，问错了能从第一步复现。
AI 相关：手动 tool-use 循环 · 三道只读防线 · MCP 工具集成 · 答案附 SQL 与执行轨迹
要个数得等 IT 排期出报表，导出来自己透视，口径还各说各话 → 直接问一句就出答案，图上、表上、SQL 上互相印证，口径写在页面上，答不了也会明说差在哪。
与其余系统不同：这套不改原有系统、不动业务库，只是旁挂一层语义层，把「在库、在借、超期、部门分布」这类口径先讲清楚，再让 Agent 只在这一层取数 —— 所以它没有一堆菜单页，价值全在「问一句 → 答案 + 轨迹 + 证据」。
查看详情 功能模块 · 界面截图（含越界问法） →
Classics Full-text Search
收录 10,559 部古代文献的全文检索系统：全文索引与 DeepSeek 语义检索双通道，逐句定位原文；含小程序与安卓端，已获软件著作权与发明专利。
AI 相关：DeepSeek 语义检索 · 全文索引 + 语义双通道 · 小程序 / 安卓多端
想知道一句话出自哪部书、哪一卷，得一册册翻 → 10,559 部古籍逐字检索，输入关键词直接跳到原文那一句。
1,186 部核心典籍另做了静态全文页，搜索引擎与 AI 可直接逐部读取 → 古籍全文 · 九藏总目。
查看详情 收录规模 · 检索能力 · 界面截图 →
Smart Warehouse Console
工器具借还与出入库管理平台：RFID 逐件识别 + 人脸核验 + 视频联动，Web / 桌面 / PDA / APP 四端同源；硬件 SDK 联调与现场实施由我独立完成。
AI 相关：人脸核验与视频联动接入业务流程 · RFID 逐件识别 · 四端同源（Web / 桌面 / PDA / APP）
工器具借还靠纸质台账、季度盘点靠人对 → RFID 逐件识别加到期预警，借还一次一扫，盘点对着系统盘，账面和实物对得上。
查看详情 功能模块 · 界面截图 · 录屏 →
Supply · Processing · Distribution
医院物资采购、库存、结算与 GSP 质控的一体化系统：多租户数据隔离、批次与效期管理，Docker 容器化交付，演示数据由完整业务链路造出。
工程亮点：复杂业务域建模（采购—库存—结算—GSP）· 多租户 · Docker 容器化交付
耗材从采购到结算要在几套表格之间来回倒 → 采购、库存、结算、GSP 一条链走完，账实对得上、证照到期有提醒，院长要的数随时能拉出来。
查看详情 功能模块 · 工作台导航 · 运行数据 · 界面截图 →
Inventory & Trade Management
进销存管理系统：进货、销货、退货、库存、往来对账与利润报表由单据审核驱动；.NET 8 全栈开发，负责到生产发布。
工程亮点：单据审核驱动库存与利润核算 · .NET 8 全栈 · 生产发布与现场实施
进货销货记在 Excel 里，月底算利润靠手工对 → 单据审核才动库存和账，谁欠谁多少、这批货赚了多少，库存和利润表随时能看。
查看详情 功能模块 · 界面截图 · 录屏 →五套系统都是一个人从需求、架构、开发、测试做到打包部署与后期维护，不转包、不外包 —— 所以你现在看到的界面、录屏与演示账号，背后没有第二个人的手笔。 下面这些是五套之外的 AI 项目。
近三年的重心。做法是先把工程问题解决掉再谈模型 —— 口径要固化、依赖要能离线、交付物要能装能卸，不做「接个模型就完事」的集成。（企业数据智能问数平台已单列为上面的重点系统，这里不重复。）
按 AI 应用开发岗位的常用分类列出，全部在项目中实际使用过。
如果贵团队正在把大模型接进业务系统，需要有人把它做成能上线、能维护的产品，欢迎聊聊。
部署与平台设计上的具体问题，这两篇讲得更细。
