refactor(cv): 重構簡歷設定檔結構
- 移除教育經歷中的重複亮點描述 - 將項目經驗的摘要從亮點中提取為獨立的summary欄位 - 將項目描述從亮點中分離為獨立的description欄位 - 統一項目背景資訊的表達方式 - 在簡歷模板中添加DESCRIPTION欄位支持main
yosheng_zhang
parent
3bd698e65c
commit
adbe6cbe79
|
|
@ -27,8 +27,6 @@ cv:
|
|||
location: "New Taipei, Taiwan"
|
||||
start_date: "2025-08"
|
||||
end_date: "2025-11"
|
||||
highlights:
|
||||
- "畢業後參與 300 小時密集實訓，涵蓋機器學習理論與 AI 應用規劃，考取「iPAS AI 應用規劃師 (機器學習) 中級」證照。"
|
||||
|
||||
experience:
|
||||
- company: "Galaxy Software Services (叡揚資訊)"
|
||||
|
|
@ -36,8 +34,8 @@ cv:
|
|||
location: "Taipei, Taiwan"
|
||||
start_date: "2025-12"
|
||||
end_date: "2026-03"
|
||||
summary: 負責「企業級 LLM Gateway 智能查詢微服務」的核心架構設計與開發，完成概念驗證 (POC) 並移交標準化部署環境，旨在讓 VIP 客戶以自然語言跨表單檢索 CRM 業務數據。
|
||||
highlights:
|
||||
- "專案背景：負責「企業級 LLM Gateway 智能查詢微服務」的核心架構設計與開發，完成概念驗證 (POC) 並移交標準化部署環境，旨在讓 VIP 客戶以自然語言跨表單檢索 CRM 業務數據。"
|
||||
- "進階 Text-to-SQL：設計自然語言至母產品 JSON Schema 的動態映射層，運用 Few-shot Prompting 提升複雜業務邏輯下的 SQL 生成準確率。"
|
||||
- "RAG 與效能優化：設計 Semantic Caching 機制並導入 Redis 快取層，在 50 CCU 壓力測試下將 LLM API 延遲由 ~3200ms 降至 ~30ms，驗證低延遲架構可行性。"
|
||||
- "資安與數據治理：實作基於 AST 解析的 SQL Guard 防護機制，100% 攔截惡意 DDL/DML 操作；結合 PostgreSQL RLS 確保多租戶環境下的資料絕對隔離。"
|
||||
|
|
@ -47,8 +45,8 @@ cv:
|
|||
- name: "企業級 LLM Gateway 智能查詢微服務 (llm-bridge)"
|
||||
start_date: "2025-12"
|
||||
end_date: "2026-03"
|
||||
description: 以模組化單體 (Modular Monolith) 架構，為 NPO 多租戶 CRM 系統建構無狀態雲原生 AI 服務，讓 VIP 客戶以自然語言跨表單檢索業務數據。
|
||||
highlights:
|
||||
- "專案背景：以模組化單體 (Modular Monolith) 架構，為 NPO 多租戶 CRM 系統建構無狀態雲原生 AI 服務，讓 VIP 客戶以自然語言跨表單檢索業務數據。"
|
||||
- "四模式智慧路由：透過 LLM 結構化輸出將使用者意圖強制分類為 FILTER / AGGREGATION / RANKING / ANOMALY_DETECTION，並搭配動態規則引擎進行熱更新業務邏輯注入，杜絕 LLM 幻覺。"
|
||||
- "AST 級防護與語意快取：以 sqlglot 進行 SQL 抽象語法樹深度解析，100% 阻斷 DML/DDL；結合 PostgreSQL RLS 強制注入 territory 邊界實現多租戶資料隔離；pgvector HNSW 向量索引支援語意快取，在 50 CCU 壓測下將 LLM 延遲由 ~3200ms 降至 ~30ms。"
|
||||
- "成本治理與 WAF：Shadow Wallet 整數運算防溢位模型精準計算 Token 成本並以 HTTP 402 攔截超額請求；Redis 分散式鎖 (SingleFlight) 防範快取擊穿；L7 動態黑名單限流器毫秒內阻斷高頻惡意請求。"
|
||||
|
|
@ -57,8 +55,8 @@ cv:
|
|||
- name: "食道語者語音輔助裝置 (AI 聲學特徵分類系統)"
|
||||
start_date: "2023-09"
|
||||
end_date: "2024-06"
|
||||
description: 結合數位訊號處理與深度學習的無障礙輔助裝置，旨在還原食道語者的自然語音以解決溝通障礙。
|
||||
highlights:
|
||||
- "專案背景：結合數位訊號處理與深度學習的無障礙輔助裝置，旨在還原食道語者的自然語音以解決溝通障礙。"
|
||||
- "技術實踐：導入 Hanning Window 與 Overlap-Add 技術平滑音訊；使用 PyTorch 訓練 CNN 進行聲學特徵分類，測試集準確率達 86%。"
|
||||
- "競賽殊榮：憑藉端到端實作完整度與社會影響力，於通訊工程學系畢業專題競賽中擊敗 17 組團隊榮獲「第一名」。"
|
||||
|
||||
|
|
@ -100,6 +98,7 @@ design:
|
|||
normal_entry:
|
||||
main_column: |-
|
||||
**NAME**
|
||||
DESCRIPTION
|
||||
HIGHLIGHTS
|
||||
date_and_location_column: |-
|
||||
LOCATION
|
||||
|
|
|
|||
Loading…
Reference in New Issue