林则翰 (Henrick Lin)
教育背景
新南威尔士大学 (UNSW), 悉尼
2024年2月 - 2026年6月 (三年制本科)计算机科学学士 (WES iGPA: 4.0/4.0, WAM加权平均: 83.5)
相关课程: Web前端编程 (96), 软件工程基础 (96), 计算机系统基础 (87), 编程基础 (85), 数据结构与算法 (Distinction), 面向对象编程 (Distinction), 软件构建：技术与工具 (Distinction), (进阶)安全工程与网络安全, 数据库系统
工作经历
AI 全栈/算法工程师实习生 – 酷爱科技
2025年12月 - 2026年5月
- 将多模态感知模型（音频 / 视觉 / 语音）进行 Docker 化部署，降低本地与服务器环境切换成本，提升 AI 应用交付效率。
- 基于 FastAPI 设计模型推理接口与服务化启动流程，支持快速联调、验证与面向业务场景的接入。
项目：
文档合规性审查平台
FastAPI, React, Vite, LLM, RAG, 向量检索, Qdrant
- 负责基于 FastAPI + React/Vite 搭建文档合规性审查平台，覆盖文档解析、条款级/全文级检测、违规标注与审查报告生成的端到端产品闭环。
- 设计并实现“规则引擎 + LLM + Guardrail”混合架构，在 AI 生成能力之外加入可控约束与输出校验，提升复杂合规场景下的准确性、稳定性与可解释性。
- 构建 RAG 审查链路，结合 Qdrant 向量检索与相似违规案例 Few-shot 增强，为模型提供动态依据；同时重构提示词工程，将条款级平均提示词长度由 15299 压缩至 2918。
- 基于风险分级设计动态推理开关，仅对高风险条款开启深度推理，将典型审查耗时从 853s 降至 652s，整体提速约 23.6%，体现技术选型与成本收益权衡能力。
- 搭建 Human-in-the-Loop 反馈闭环，将审核人员“正确/错误/漏审”标注回流向量案例库，用人工兜底 AI 边界并持续优化误报、漏报表现。
全栈开发实习生 – Graviti
2024年12月 - 2025年12月
项目：
AI 图像/视频生成平台 (www.diffus.me)
Vue 3, Nuxt 3, Tailwind CSS, MongoDB, FastAPI, SQLAlchemy, i18n
- 使用 Vue 3 + Nuxt 3 搭建 AI 图像/视频生成平台的官网，并推动功能上线。
- 完成数据迁移至 MongoDB，包含数据清洗、结构重构与前端消费模型设计，提升页面渲染与内容组织效率。
- 实现 i18n 国际化，利用 Nuxt SSR 进行 SEO 优化，兼顾全球用户访问体验、搜索引擎收录与首屏加载性能。
- 从需求拆解、方案设计到开发落地，使用 FastAPI + SQLAlchemy + MySQL 完成网站评论功能，具备从产品想法到可用功能的闭环交付能力。
社团与活动
IT 部门负责人（Director） – 新南威尔士大学人工智能社团 (AISoc)
2025年3月 - 12月
- 基于 Next.js 15 + FastAPI + PostgreSQL 构建 Discord 会议转任务系统，完成从需求理解、系统设计到可运行产品落地的全栈交付。
- 设计 Discord Bot 捕获语音流，串联语音采集、语音转文字与 LLM 任务生成，搭建可自动运行的智能工作流。
- 通过 Prompt Engineering 实现任务结构化提取与语义去重，并支持多级子任务的递归建模与动态交互，沉淀可复用的 AI 工作链路。
- 使用 React useTransition 优化复杂任务列表的大量状态更新，降低界面阻塞感，提升高并发交互下的产品可用性。
- 维护并持续更新社团官网（https://unswaisoc.com/），支持组织日常运营与对外展示。
项目经验
MockMate - AI 面试训练与评测平台
2025年7月 - 至今
Python, FastAPI, SQLAlchemy, SQLite, React, TypeScript, Vite, Zustand
- 独立完成 AI 模拟面试产品从前后端开发到上线部署，基于 React + FastAPI 实现“出题 追问 作答 AI 评测 记录沉淀”的完整闭环。
- 面向通用面试与简历项目深挖训练实现 SSE 主问/追问生成，前端流式输出并提供非流式回退，同时结合后端落库与本地草稿恢复保障中断可继续。
- 支持简历上传解析，利用 LLM 严格 JSON 抽取项目信息，将简历内容结构化为可追问的项目上下文，生成基于简历项目的技术问题。
- 设计结构化 AI 评测链路，强制 LLM 输出严格 JSON 多维评分，并在追问模式下基于完整对话历史统一评估，提升结果可解析性、一致性与记录复用性。
- 通过 APScheduler 定时抓取 RSS 新闻并自动生成面试题，结合 LLM 相关度过滤后入库，保证生成内容聚焦高价值技术话题。
- 搭建基于 GitHub Actions 的 CI/CD 流水线，实现 PR 自动检查与合并后 SSH 自动部署，具备独立交付线上可用产品能力。
竞赛经历
•全澳洲及新西兰排名第9 (Top 10%)-AllUni编程竞赛 Division B
2025年8月技术技能
编程语言:
Python, TypeScript, JavaScript, Java, C, Rust, Shell前端与全栈开发:
React, Next.js, Vue 3, Nuxt 3, Vite, Tailwind CSS后端与服务开发:
FastAPI, SQLAlchemy, Express.js, RESTful API, SSE工程化与部署:
Git, Linux, Docker, GitHub Actions, CI/CD, Shell Scripting测试:
Jest, JUnit, Cypress数据库与检索:
PostgreSQL, MongoDB, MySQL, SQLite, Qdrant, LightRAGAI Coding:
Codex, Claude Code, Cursor