项目
精选作品
其中两个可直接在浏览器中运行;其余展示广度:产品仪表盘、分布式系统、操作系统内核、应用机器学习。
方法
我如何构建
作为工程师,我优先考虑什么——四句话说清。
- 我偏好端到端的类型契约——数据在边界处就被转换为定义明确、经过校验的结构,并在整个系统中保持类型,而不是到处传递原始数据块。
- 我把警告当作缺陷,把边界情况当作需求的一部分。防御性默认值、确定性的资源清理和显式的错误路径,胜过在恶意输入下崩溃的“聪明”代码。
- 我以小而可评审的单元交付,并放在真实的 CI 门禁之后。lint、类型检查和构建必须全部通过才能进入生产,部署刻意做到平淡无奇。
- 我喜欢跨技术栈、跨角色工作——UI 细节、后端系统、基础设施,以及和非工程师聊清楚我们到底要做什么。
技能
我的技术栈
按它们在日常工作中出现的位置分组。
语言
TypeScriptJavaScriptPythonJavaC / C++SQLShell
前端
ReactNext.js(App Router)Tailwind CSS表单与校验SVG / Canvas 可视化无障碍
后端与数据
Node.jsExpressREST APIWebSocketPostgreSQLMySQLSnowflakeETL 流水线查询优化
云与系统
AWS(EC2、RDS、CDK)LinuxNginxDockerPM2 / systemd分布式系统并发操作系统ROS
机器学习与 NLP
PyTorchHugging FaceRAG检索对比学习
工程实践
严格类型CI/CD 门禁Playwright 端到端测试文档可复现流水线
经历
近期经历
研究助理 — Chris Callison-Burch 教授· 宾夕法尼亚大学
2025年5月 – 2025年8月
为 DARPA SciFy 与 OpenScholar 构建并评估检索增强生成(RAG)流程:基于打分的过滤、对比模型训练与领域数据准备。
Python 开发实习生· CambioML
2023年12月 – 2024年3月
基于 Danswer AI 构建 LLM 驱动的数据门户,覆盖 AWS、Datarade 与 Snowflake 数据集的采集、索引与面向用户的发现流程。
实验室助理 — 视觉辅助自动驾驶 F1Tenth 赛车· 圣路易斯华盛顿大学
2023年8月 – 2024年5月
通过有针对性的数据增强、实验跟踪与评估,提高模型在强光与阴影条件下的鲁棒性。
研究
精选研究
联系
在招全栈工程师?
我于 2026 年 5 月在宾夕法尼亚大学完成硕士学位,目前正在寻找全职机会——已具备美国工作许可(绿卡),可接受搬迁。最快的联系方式是 siruichen2023@outlook.com。

