// 01. about
关于我
目前就读于电子信息专业，硕士研究生阶段。 主要方向是将大语言模型与工程实践相结合， 构建具备实际可用性的 AI 应用系统。
在 AI 应用开发 方向， 关注 LLM Agent 架构设计、RAG 知识检索、Function Calling 与 MCP 协议、 以及面向实际业务场景的可交互 Demo 构建。
在 智能优化调度 方向， 研究强化学习（DRL）、演化算法与 DAG 建模在工作流调度问题中的应用， 结合事件驱动仿真进行多场景实验评估。
同步积累 Python 工程实践、Linux 开发环境配置、计算机基础与面试准备笔记， 持续整理为可复用的学习资料。
电子信息
硕士在读，研究方向聚焦 AI 应用与系统优化
LLM & Agent
关注 Agent Workflow、Function Calling 与 RAG 检索增强
智能调度
探索强化学习与演化算法在复杂调度场景中的应用
Python 工程
重视工程化实践：模块化设计、测试覆盖与 CI/CD
// 02. skills
技能栈
AI / ML
Python 工程
优化 & 算法
工具 & 环境
// 03. work in progress
项目方向
以下是目前正在深耕的三个方向，相关项目持续迭代中。
LLM Agent Applications
AI 应用开发
关注 Agent Workflow 设计、Function Calling 与外部 API 工具调用、RAG 知识检索与增强、长期记忆管理，以及可交互 Demo 的工程化构建。探索 LangChain / LangGraph 框架与 MCP 协议在实际任务中的落地路径。
Scheduling & Optimization
调度与智能优化
关注工作流调度问题的建模（DAG）与求解，结合强化学习（DRL）和演化算法（GA/PSO）设计智能调度策略。使用事件驱动仿真框架进行多场景实验评估，系统比较各类方法在不同负载下的表现。
Engineering Notes
技术笔记与工程积累
持续整理 Python 工程实践、Linux 开发环境配置、LLM Agent 开发经验、计算机基础（操作系统、网络、数据库）与算法面试备考笔记。目标是形成系统化、可复用的技术参考资料。
// 04. notes
学习笔记
持续整理技术笔记，以覆盖广度为先，逐步加深每个方向的体系化程度。
LLM & Agent 开发
覆盖 Prompt Engineering、Agent 设计模式、RAG 架构、LangChain / LangGraph 实践要点与踩坑记录。
Python 工程实践
包含项目结构设计、依赖管理（Poetry/uv）、异步编程、测试策略、FastAPI 开发与性能调优。
Linux 开发环境
整理 Ubuntu 配置、Shell 脚本、终端工具链（tmux/zsh/nvim）、SSH 与服务器运维常用操作。
计算机基础
覆盖操作系统、计算机网络、数据库原理与 SQL 优化，以经典面试考点为导向，系统梳理核心知识。
// 05. contact