Hire this AI Trainer
Sign in or create an account to invite AI Trainers to your job.
Text
Image
Prompt + Response Writing (SFT)
Question Answering
Function Calling看看云智慧 智能体Java开发实习生｜自动化认证智能体（语音转文字+视觉模型+UI自动化）. Brings 2+ years of professional experience across complex professional workflows, research, and quality-focused execution. Core strengths include Don't disclose, Claude Code, and Superpower. Education includes Master of Science, Shenyang University of Technology (2026) and Bachelor of Science, Shenyang University of Technology (2023). AI-training focus includes data types such as Computer Code, Programming, and Text and labeling workflows including Prompt + Response Writing (SFT), Question Answering, and Function Calling.
Function Calling在AI CEO-员工能力评估平台的全栈项目中，构建企业场景下的AI辅助评估系统，包含AI对话与实时通知等模块。通过终端级人机协同开发，利用Claude Code与Superpower加速PRD与技术方案等文档生成。面向可测试性与交付质量，集成Playwright与ChromeDev MCP搭建端到端自动化测试流水线以支撑评估与审批链路。• 使用createskills封装豆包API为标准化可复用Skill单元，支持动态参数传递与统一调用范式。• 借助Superpower生成系统PRD与接口设计说明，缩短从构思到开发启动周期。• 集成Playwright CLI与ChromeDev MCP实现评估流程、会议跟踪与证照审批的自动化测试。• 通过自动截图与DOM状态校验，使回归测试耗时缩短70%+。
Prompt + Response Writing (SFT)在智能体Java开发实习期间，参与语音驱动自动化认证智能体的端到端实现，包含UI自动化与多步业务编排。围绕复杂页面元素的识别与交互控制，集成视觉模型并通过prompt优化与坐标校准提升关键元素定位与执行成功率。为降低重复AI调用的延迟与成本，设计并落地模型预测缓存（MPC）策略以复用相似页面的识别结果。• 设计图像预处理与智能压缩流程，将图片控制在≤50KB以提升API调用效率。• 集成qwen-vl-plus视觉模型，完成按钮/输入框等关键元素的精准识别，准确率达95%以上。• 通过策略模式构建AI服务层，支持配置文件动态切换底层模型以提升可扩展性。• 研发MPC缓存机制，将模块响应时间降低60%。
TextQuestion Answering在出入境公证服务平台实习期间，负责在小程序内嵌AI智能问答顾问的实现与优化。通过RAG知识库与混合检索（向量语义检索+关键词匹配）对用户咨询进行回答，提升回复准确率并促进下单转化。引入大模型流式响应与缓存策略以改善交互体验与系统性能。• 基于SpringBoot与Spring AI构建智能问答引擎，实现对公证类型、流程、费用与周期等咨询的解答。• 设计RAG知识库：管理后台上传文档、用Tika解析，并将文本向量化存入PostgreSQL的pgvector进行相似度检索。• 采用响应式编程实现DeepSeek大模型流式响应，缩短用户等待时间。• 使用Redis分布式缓存提升检索性能，使接口响应时间从500ms降至200ms内。
Master of Science, Communication Engineering
Bachelor of Science, Electronic Information Engineering
Full-Stack Developer (AI Application)
AI Agent Backend Development Intern
