cv:
  name: "Ding-Lian Chen (陳定廉)"
  headline: "AI 後端工程師｜RAG · Text-to-SQL · 微服務交付"
  location: "中和, 新北"
  email: "shadow449515@gmail.com"
  phone: "(+886) 0979508405"
  social_networks:
    - network: LinkedIn
      username: 定廉-陳-a4536036b
    - network: GitHub
      username: Dingian

  sections:
    summary:
      - "兼具後端研發與測試能力的工程師，能運用 Azure OpenAI 與 LangChain 獨立完成企業級 RAG 與 Text-to-SQL 微服務從 POC 到可部署原型的完整交付，亦具備 API 自動化測試與 Kubernetes 環境問題排查的實戰經驗，能快速融入不同技術棧的專案。"
      - "主導 Semantic Caching 優化將 LLM API 延遲由 ~3200ms 降至 ~30ms（50 CCU 壓測驗證）；熟悉 FastAPI、Pydantic v2 與 SQLAlchemy v2 (Async) 非同步架構，以 RLS 多租戶隔離與 AST 解析 SQL Guard 確保高併發下的安全性與效能。"

    education:
      - institution: "National Taipei University (國立臺北大學)"
        degree: "Bachelor of Science"
        area: "Communication Engineering (通訊工程學系)"
        location: "New Taipei, Taiwan"
        start_date: "2021-09"
        end_date: "2025-06"
        highlights:
          - "相關修課：資料結構與演算法、數位訊號處理、資訊理論、計算機網路、線性代數、機率與統計。"
      - institution: "經濟部產業發展署 (IDA, MOEA) & 國立臺北大學"
        degree: "Professional Development"
        area: "AI 應用人才培育計畫 (智慧製造專班)"
        location: "New Taipei, Taiwan"
        start_date: "2025-08"
        end_date: "2025-11"

    experience:
      - company: "Galaxy Software Services (叡揚資訊)"
        position: "AI Backend Engineer Intern"
        location: "Taipei, Taiwan"
        start_date: "2025-12"
        end_date: "2026-03"
        summary: 參與多個產品線開發與品質驗證工作，涵蓋 AI 後端微服務核心開發、NPO 多租戶系統 E2E 自動化測試，以及 VDU 影像識別產品的資料標記作業 (Label Studio)。
        highlights:
          - "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。"
          - "基礎設施與移交：建立 Shadow Wallet 機制進行 API Rate Limiting 防護；全案採用 uv 進行依賴鎖定，並撰寫 Podman Dockerfile，將開發至壓測環境的部署流程標準化以利團隊交接。"
          - "ETL 資料同步：設計並執行慈濟外部表單資料的全量與增量 Upsert 同步機制，確保本地資料庫與上游系統資料一致性。"

    projects:
      - name: "企業級 LLM Gateway 智能查詢微服務 (llm-bridge)"
        start_date: "2025-12"
        end_date: "2026-03"
        tech_stack: Python, FastAPI, Pydantic v2, SQLAlchemy v2, PostgreSQL, Redis, LangChain, Azure OpenAI, sqlglot, Podman, uv
        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:
          - "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。"

      - name: "慈濟微服務 E2E 自動化測試"
        start_date: "2025-12"
        end_date: "2026-03"
        tech_stack: Postman、Kubernetes (K8s)、k9s
        description: 針對 NPO 多租戶微服務系統設計並執行端到端 API 自動化測試，確保服務品質與上線穩定性。
        highlights:
          - "撰寫涵蓋正常流程、邊界條件與異常情境的 API 測試用例，使用 Postman 進行自動化測試與回歸驗證。"
          - "透過 k9s 或 kubectl 即時查看 Kubernetes 叢集服務日誌，定位並協助修復跨服務整合問題。"

      - 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"
        tech_stack: Python, PyTorch, CNN, DSP (Hanning Window, Overlap-Add)
        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:
          - "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」。"

    skills:
      - label: "Backend & Systems"
        details: "Python (FastAPI, Pydantic v2, SQLAlchemy v2), RESTful API, Asynchronous Programming"
      - label: "AI & LLM Stack"
        details: "Azure OpenAI (GPT-4o-mini), LangChain, RAG, Text-to-SQL, Few-shot Prompting, Embedding Models"
      - label: "Data & DevOps"
        details: "PostgreSQL (pgvector, RLS), Redis, uv, Docker/Podman, Kubernetes (k9s), Linux, Git, Locust (Load Testing), ETL (Data Sync, Upsert)"
      - label: "Architecture"
        details: "Multi-tenancy, Semantic Caching, Rate Limiting, AST Parsing, SQL Injection Defense"

    certifications:
      - bullet: "**iPAS AI 應用規劃師 (機器學習) 中級** — 2025"
      - bullet: "**TOEIC 720** — 2025"

design:
  theme: sb2nov
  typography:
    line_spacing: 0.6em
    alignment: justified
    date_and_location_column_alignment: right
    font_family:
      body: LXGW WenKai Mono TC
      name: LXGW WenKai Mono TC
      headline: LXGW WenKai Mono TC
      connections: LXGW WenKai Mono TC
      section_titles: LXGW WenKai Mono TC
  sections:
    allow_page_break: true
    show_time_spans_in:
      - experience
  templates:
    footer: '*NAME -- PAGE_NUMBER/TOTAL_PAGES*'
    top_note: '*LAST_UPDATED CURRENT_DATE*'
    single_date: MONTH_ABBREVIATION YEAR
    date_range: START_DATE – END_DATE
    time_span: HOW_MANY_YEARS YEARS HOW_MANY_MONTHS MONTHS
    experience_entry:
      main_column: |-
        **POSITION**
        COMPANY
        SUMMARY
        HIGHLIGHTS
      date_and_location_column: |-
        LOCATION
        DATE
    normal_entry:
      main_column: |-
        **NAME**
        DESCRIPTION
        HIGHLIGHTS
        *技術棧: TECH_STACK*
      date_and_location_column: |-
        LOCATION
        DATE
    education_entry:
      main_column: |-
        **INSTITUTION**
        AREA
        HIGHLIGHTS
      date_and_location_column: |-
        LOCATION
        DATE
locale:
  language: mandarin_chinese
  last_updated: 最後更新於
  month: 個月
  months: 個月
settings:
  current_date: "today"