从审计数据治理、异常识别到产品研发支持，聚焦「技术落地+业务价值」，呈现核心成果与量化指标。
主导多源审计数据清洗/结构化/标准化，搭建RAG向量知识库，基于LLM实现审计文本智能抽取与疑点初筛，输出标准化审计数据模板，支撑审计大模型落地。
数据采集规模 500 万+
Oracle / SQL 脚本 374 组
基于Python构建定向爬虫采集政务数据，完成500万+条数据清洗/治理；编写374组SQL/PL-SQL脚本，实现业务数据关联分析与审计疑点定位，输出6份审计数据分析报告。
参与工业设备控制程序C#代码维护，定位并修复20+处逻辑故障；编写自动化测试脚本，优化设备联调流程，提升测试效率40%；理解工业模型工程化落地全流程。
围绕 Agentic Engineering 构建「技术+业务+数据」三维能力，聚焦AI落地与审计场景结合。
熟练使用 OpenClaw 开发Skill、搭建Agent工作流、实现多智能体协同；精通Prompt Engineering/CoT/RAG；掌握LangChain/MCP等工具，能快速落地大模型应用。
精通Python爬虫/数据分析/自动化脚本；熟练使用Oracle/SQL/PL-SQL进行数据库开发与数据治理；掌握C#、NLP、聚类算法、异常检测，能支撑端到端数据处理流程。
深度理解审计业务逻辑与数据合规要求；掌握大数据分析/可视化/自动化流程搭建；能将AI技术与审计场景结合，输出可落地的技术方案。
「技术深度+业务广度+落地能力」三维驱动，专注大模型与智能审计场景的工程化落地。
兼具Agentic Engineering思维与计算机/数据/AI/审计复合背景，能将技术方案与真实审计业务场景结合，判断可行性并落地；具备端到端数据处理与AI应用开发能力。
深耕大模型/智能体/自动化工作流在审计场景的落地；熟悉模型选型/评测/调优/企业级API调用/低代码工作流搭建；持续探索AI提效审计业务的新路径。