个人概述
具备机械工程、商业策划、创新项目与工业软件实践经历，当前聚焦企业 AI 应用与工业 Agent 应用验证与落地探索。擅长从复杂业务和现场约束中识别关键问题，形成产品机制与规则边界，并利用 AI Coding 快速完成可运行原型、系统集成与验证。能够连接业务、产品与工程，推进从场景洞察、需求定义到 AI 应用实现和真实交付的完整闭环。实践技术覆盖 Python、TypeScript、Java、FastAPI、Fastify、Spring Boot、React、Vue、Android、SQL、WebSocket、Agent Harness 与工业设备接口。
近期工作
- 负责工业中控软件与 AI 应用实践，使用 AI Coding 和大模型工具完成需求拆解、原型实现、代码审查、测试与故障排查；参与 TypeScript / Java / Python 应用、数据库、PLC、机器人及现场系统集成。
- 基于真实工业运维场景设计 IRO_agent，将日志、数据库、代码、版本和网页信息接入只读 Agent Harness，探索基于证据的工业故障诊断与 AI 辅助运维流程。
- 推进数字月台、机器人产线等工业软件项目的业务流程梳理、状态机设计、系统联调、异常恢复和生产环境交付。
核心代表项目（产品证据）
数字月台 ｜ 工业中控软件与流程状态设计
已上线已验收
- 复杂业务产品化：面对自动装车现场从单屏进度展示扩展为工业中控系统的诉求，围绕订单、工位、设备和异常状态重新梳理流程，定义全局状态机。
- 系统协同与中控架构：基于 Fastify + React + WebSocket 构建中控软件，统一调度订单全局状态流；与电气/硬件团队紧密协同完成 SLMP PLC 接口联调。
- 稳定性闭环与版本回滚：定位修复调度大小写混用导致的物料误拒问题，在仓储层实现归一化合并与额度校验；建立生产版本发布与快速回滚机制。
技术栈：Node.js · Fastify · React · TypeScript · WebSocket · PostgreSQL · SLMP PLC 接口
IRO_agent ｜ 工业故障诊断 AI Agent
应用验证
- 问题定义与产品机制：面向工业现场故障排查中日志噪声、信息不完整和错误归因问题，设计证据驱动的 AI 诊断 Agent；将“一次性回答”改造成“竞争假设 → 逐轮取证 → 动态重规划 → 证据锚定”的调查闭环。
- 产品边界与安全决策：明确 Agent 严格定位为“证据调查员与诊断辅助”，只负责取证与推断，不直接修改生产系统；设置只读工具白名单与参数校验；证据不足时自动 Fail Closed 闭锁，数字证据充分且无异常后才升级现场物理排查。
- Harness 架构与评测闭环：设计 Project Learning、Investigation 与 Evaluation 三层 Harness，驱动 LLM 逐轮重规划与竞争假设流转；建立基于典型工业场景与历史缺陷的 DEV/REGRESSION 基准集与确定性 Grader，实测通过 210 项自动化测试（pytest 全部通过）。
技术栈：Python · Agent Harness · Tool Calling · Evidence Grounding · Evaluation · State Machine · Safety Guardrail
天津机器人产线 ｜ 跨系统产品落地与排障协同
已交付
- 跨系统业务状态协同：全程参与天津版本工控主程序，处理刷卡终端、产线机械取餐机构与送餐机器人的状态协同与接口通信。
- 现场排障与产品逻辑反哺：深入现场参与排查送餐机器人定位偏差与修复，协同恢复产线正常节拍；以现场真实约束反向修正系统异常恢复逻辑。
技术栈：Spring Boot · Vue · MySQL · 机器人通信接口 · 自动化产线协同