你好，我是 Hudson，一名拥有交通运输背景的后端开发者，正在向 AI 系统与算法工程方向深入。
我做过银行业务的 Java 后端，也参与过 GIS 场景下的 RAG Agent 开发，以及交通仿真编程。相比只让模型回答问题，我更关心：如何把数据、模型、业务规则和工程系统连接起来，让它们真正解决问题。
- 工程经历：曾任 IBM 深圳 Java 后端开发，参与银行与 IPO 打新相关业务，以及测试、CI/CD 和性能相关工作。
- 教育背景：
- 🍜长安大学本科
- 🦆史蒂文斯理工学院交通+数据科学相关硕士
- 🐝佐治亚理工学院OMSCS修读多门计算机课程
- 🐘阿拉巴马大学攻读交通复杂系统建模与仿真方向博士
- 🏖️加州州立大学长滩分校的软件工程方向的研究
- 当前方向：补强数学基础，深入理解 LLM 推理系统，为参与 SGLang 开源贡献做准备。
- 长期兴趣：FinTech、GeoAI、运筹优化，以及 AI 与复杂系统的交叉应用。
Build systems. Understand the math. Stay curious.
| 领域 | 使用过的技术与方法 |
|---|---|
| Backend | Java · Spring Boot / Cloud · MyBatis · JPA · 并发编程 |
| Data & Messaging | MySQL · PostgreSQL · Redis · Kafka · Elasticsearch · Neo4j |
| Applied AI | Python · RAG · LLM 应用 · Agent 工作流 · Streamlit |
| Engineering | Docker · CI/CD · 自动化测试 · API 设计 · 英文技术文档 |
| Optimization | 线性 / 整数规划 · 启发式算法 · Gurobi · 网络优化 |
| Simulation & GIS | 交通仿真 · Agent-Based Modeling · NetworkX · GeoJSON / SHP |
| Analysis | Python · R · SQL · 统计分析 · 数据可视化 |
参与地理信息场景的 RAG Agent 开发，探索知识检索、图数据库与自然语言交互的结合。
Python LLM RAG Neo4j Streamlit
个人投顾机器人探索：结合 Yahoo Finance 数据、Streamlit 界面与 Neo4j，尝试连接金融数据、关系建模和交互式分析。
Financial Data Knowledge Graph Python
学习与构建 Java 撮合系统，理解订单、撮合逻辑和交易业务中的工程约束。
Java Matching Engine Concurrency
把交通工程、路网建模和运筹优化结合起来，关注路径规划、资源分配与仿真评估。
NetworkX Gurobi Simulation
focus = {
"mathematics": ["linear algebra", "probability", "optimization"],
"ai_systems": ["LLM inference", "scheduling", "performance"],
"open_source": "prepare to contribute to SGLang",
}
while learning:
study()
implement()
measure()
reflect()我希望逐步做到：
- 理解推理系统背后的数学与工程取舍。
- 用可复现的实验检验想法，解释性能变化。
- 从阅读源码、复现问题和小改进开始，积累开源贡献。
喜欢解谜游戏，以及恰到好处的孤独感。
也喜欢日系音乐、古典音乐、科幻与写作。
对我来说，编程、数学和创作有一个共同点：从复杂的表象中，寻找可以理解的结构。
OPEN TO COLLABORATION
AI 应用 · Java 后端 · FinTech · GIS · 运筹优化
欢迎通过 GitHub 交流项目、讨论问题与合作想法。
Curiosity → Models → Code → Real-world impact