李卓豪
AI大模型应用开发 | 大模型微调 | 智能应用落地
扎根AI大模型应用领域，以数学专业为底层支撑，聚焦大模型与实际业务的融合落地。 擅长RAG检索增强生成、大模型轻量化微调、Prompt工程优化，通过Python生态实现AI技术的工程化开发， 追求将前沿AI技术转化为高效、可落地的智能应用。
下载我的简历核心技术领域
RAG技术落地
文档解析、向量存储、检索策略设计，解决大模型幻觉问题
大模型微调
LoRA轻量化微调、自定义数据集构建、业务场景适配训练
Prompt工程
模板优化、交互逻辑设计，提升大模型响应精度与适配性
工程化开发
FastAPI接口封装、LangChain生态、数据处理全流程实现
项目实践
大模型智能问答系统
技术栈：Python + LangChain + RAG + 向量存储 + 开源大模型
- 构建企业专属知识库，实现结构化/非结构化数据全流程解析与处理
- 设计高效向量检索策略，完成数据规范化存储与快速调取
- 优化Prompt模板与交互逻辑，将问答准确率提升至90%以上
- 解决大模型幻觉问题，降低非专业人员数据查询门槛，赋能业务决策
大模型轻量化微调实战
技术栈：Python + LoRA + HuggingFace + 自定义数据集 + FastAPI
- 完成业务场景化数据集采集、清洗、标注、脱敏全流程处理
- 基于HuggingFace搭建微调数据管道，实现训练数据高效迭代
- 通过LoRA轻量化微调，完成开源大模型与业务场景的定制化适配
- 将微调模型工程化封装为标准化API服务，搭建日志与监控体系
金融量化交易平台落地
技术栈：Python + Pandas + NumPy + TA-Lib + 量化策略 + 实时行情接口
- 基于数学建模构建多因子量化策略，实现股票/期货的自动化交易逻辑
- 对接实时行情数据源，搭建数据清洗、特征工程、信号生成全流程管道
- 开发策略回测系统，完成历史数据验证与参数优化，提升策略稳定性
- 封装交易接口与风控模块，实现策略的自动化执行与风险监控预警
- 结合AI大模型实现市场情绪分析，优化策略入场/出场时机决策逻辑
我的技术理念
技术的价值在于落地——这是我深耕AI大模型应用领域的核心准则。作为数学专业背景的开发者，我始终相信严谨的逻辑是技术落地的基础，而持续的实践是技术成长的核心。
在大模型应用开发中，我不追求单纯的技术堆砌，而是聚焦「业务需求」与「技术能力」的精准匹配：用RAG解决信息真实性问题，用轻量化微调降低落地成本，用工程化开发保障应用稳定性，让前沿的AI技术真正为业务创造价值。
AI领域技术更新迭代迅速，保持持续学习的热情是基本要求。我始终以「开发者+实践者」的双重身份，在项目中积累经验，在学习中优化技术，致力于成为能将AI大模型技术真正落地的应用型开发者。