横跨产品工程与应用型 AI 的案例研究
精选工作
我最擅长那些既需要扎实工程基本功、又需要务实 AI 的产品。这通常意味着要在生产约束下交付，而不只是构建原型。
2024 - Present
高级软件开发工程师（SDE 2）
IBM Software Labs · 印度班加罗尔
我在浏览器自动化与测试产品中设计并交付以可靠性为重的 AI 能力。这些工作融合了 embedding、视觉语言模型、服务拆分，以及大量的运维纪律。
- 设计了 AI 驱动的自动修复，采用三层恢复阶梯：先 CSS 选择器，再文本 embedding，最后是 IBM Granite 3.3 VLM。
- 构建了能自主纠正定位失败的逻辑，覆盖 5K+ 测试用例，在内部评估中 Firefox 准确率达 100%、Chrome 准确率达 83%。
- 参与将 SAT 运行时从单体重构为四个微服务，处理每分钟 4K-5K 请求并保持亚秒级延迟。
- 主导了 Java 8 到 17 的迁移以及 CI/CD 改进，将构建速度提升 30%，同时维持 99% 的可用性。
2023 - 2024
软件工程师 2（Software Engineer 2）
Software AG (now IBM) · 印度班加罗尔
这一阶段让我更深入地投入 AI 产品工作：语义检索、内部 copilot，以及立足于实际产品需求而非演示的预测系统。
- 使用 NLP、知识图谱与 FAISS 构建了语义搜索引擎。该项目赢得 TechInterrupt 黑客松：印度第一、全球第四。
- 用 LangChain 与 Flask 开发了 AI 聊天机器人，将内部支持工单减少了 70%。
- 使用 PyTorch 与时间序列分析构建了故障预测系统，支撑了 99.99% 的系统可用性。
2022 - 2023
软件工程师（Software Engineer）
Software AG · 印度班加罗尔
我围绕 Java、Spring Boot 与 REST API 开发企业集成平台能力，打下的基础至今仍塑造着我思考生产系统的方式。
- 使用 Java 与 Spring Boot 为企业集成场景交付 webMethods 平台功能。
- 构建过程中高度重视兼容性、API 契约与发布质量，并获评 2023 年度卓越员工（Star Performer）。
我的工作方式
从最廉价且可靠的回退方案入手
我设计系统时先尝试确定性恢复，只有在确有必要时才升级到机器学习与基于模型的回退方案。
把评估当作产品的一部分
当系统包含 AI 时，度量闭环就不是可选项。我关注可观测的准确率、漂移、错误预算与失败分析。
偏向朴素可靠的运维
比起只在架构图上好看的花哨技术栈，我更偏好在压力下更易调试、部署和恢复的架构。
交付的是责任，而非孤立的演示
真正重要的工作是能经受住落地考验的工作。我以可维护性、团队采用度与运维可信度为优化目标。
能力图谱
AI and ML
PyTorchTransformersLLM pretrainingText embeddingsKnowledge graphsLangChainComputer visionFAISSLightGBMSHAPLearning-to-rankRAGAS
Backend and platform
JavaPythonGoSpring BootFlaskREST APIsMicroservicesKafkagRPC
Operations
DockerJenkinsNGINXCI/CDLinuxReliability engineeringState managementRelease ownership
有兴趣合作吗？
聊聊岗位契合度
I am most interested in roles where AI systems, backend engineering, and reliability work intersect.
Get in touch →