技术方向
视觉检测、制造分析与后端服务
关注视觉检测、OCR校验、制造质量数据分析、半导体传感器数据分析，以及承载这些能力的FastAPI / Flask后端系统。
职业技术档案
以AI工程为核心的专业作品集
结构化说明技术定位、项目方法和持续探索方向，保持专业作品集的表达方式。
定位
连接制造现场、AI模型与软件系统
我的技术定位是AI工程与制造业数字化实践：理解制造场景中的质量、效率、追溯和知识管理问题，并用Python、视觉算法、数据分析和后端系统将问题转化为可验证、可维护、可迭代的工程方案。
项目方法
从问题定义到工程闭环
先明确业务指标和现场约束，再梳理数据来源、模型或规则策略、接口边界、异常处理、验证方式和后续维护机制。
关注领域
制造质量、产线视觉与知识自动化
重点关注配置检测、缺陷识别、质量指标体系、扭矩状态监控、设备文档问答和制造知识库建设。
工程原则
克制、可解释、可维护
优先选择能够稳定解决业务问题的方案，重视清晰的数据链路、明确的系统边界、可解释的指标和便于团队协作的代码结构。
正在探索
下一阶段方向
视觉模型的轻量化推理与现场部署
制造质量数据的异常检测和指标治理
制造知识库RAG的评测与权限边界
LangGraph在工程任务流中的Agent编排
FastAPI内容系统的SEO、i18n与运维实践
Power BI与后端数据服务的协同设计