- 🎓 在读研究生，专注于大语言模型 (LLM) 应用与后训练（SFT / RL / RAG）
- 🤖 独立交付过两套完整系统：多 Agent 内容生产系统 与 领域 RAG 问答——从数据、算法到服务全流程
- 🔍 研究方向：低资源机器翻译、LLM 微调、强化学习
- 📊 信奉评测驱动：每个项目都有可复现的量化结果
核心研究领域
技术栈
lyric-video-agent：输入一首歌，全自动产出可发布的歌词视频 + 竖版封面。DP 单调对齐（真值偏差中位数 0.00s）+ function-calling 自修复 + 三模态封面 Agent，已支撑 25 首真实交付。
RAG-ChineseMedicine-QA：药典领域 RAG 问答。FAISS+BM25 混合检索经 RRF 融合，自建 100 题评测集驱动迭代，Hit@5 从 46% 提升至 94%；消融实验发现重排器负收益并裁剪；手写与 LangChain 双引擎交叉验证。
lyric-subtitle-align：字幕对齐算法的独立命令行工具——demucs 起唱点提取 + 带约束单调动态规划，中位偏差 0.00s（人工校验真值对照）。
eat-what-agent：吃什么推荐 Agent——LangChain Tool Calling + 75+ 菜谱库 + 主备模型降级，内置 eval 框架。
Agnes-picture-video-skill：让 Claude Code 等 AI Agent 免费调用 Agnes API 生成图片与视频的 Skill（文生图 / 文生视频 / 关键帧动画）。
QReader：纯前端多格式电子书阅读器（TXT/PDF/EPUB/MOBI/DOCX）：OPFS + IndexedDB 本地存储、内置 TTS 朗读。
|
|
📌 找 2027 届 LLM 应用开发 / Agent / RAG 方向日常实习
📌 迭代歌词视频 Agent（视觉 QC 召回率、多语言歌词）
📌 低资源机器翻译研究（硕士课题）
- 🤖 AI Agent 工程化（架构取舍 / 工具循环 / 质量护栏）
- 🧠 LLM 应用开发与 RAG 全链路
- 📊 评测集构建与消融实验
- 🌐 低资源机器翻译
📧 邮箱: qi_x_liu@foxmail.com
"预测未来的最好方式就是创造它。" — 亚伯拉罕·林肯