中南大学
交通运输工程（道路与铁道工程）· 材料数据与机器学习交叉研究 · 硕士在读
ABOUT ME / 全面展开
龙妙卿
交通运输工程（道路与铁道工程）硕士 · 中南大学
我关注如何将真实工程问题转化为可处理的数据、可验证的模型和可演示的 AI 应用。在科研中，我围绕工程材料性能预测、可靠性评估与多目标优化，完成了数据清洗、特征构建、模型训练、解释分析及 Streamlit 原型封装；在个人实践中，我结合 Codex、Claude Code、模型 API、知识库和脚本工具，搭建小型 Agent、轻量网页原型与自动化工作流。我希望在 AI 应用、数据分析和研发数字化方向持续做有场景感、能落地的工具与功能。
思考与工作原则
01
真实工程问题转化
关注如何将复杂的物理工程困境与业务死角，转化为计算机端可处理的数据结构、可验证的模型预测以及用户可交互的产品原型。
02
受控的 AI & Agent 编排
结合 Codex、Claude Code、MCP 服务与脚本工具，通过规则约束、Skill 模版与受控只读接口限定 Agent 运行边界，确保结果透明可重现。
03
场景感与落地交付
拒绝对技术名词的空泛总结。从数据清洗、算法训练、API 路由到前端交付与 Docker 部署，注重完整、可演示、有据可查的工程落地。
两条实践主线
主线 01 / 科研建模与工程预测
材料性能预测、可靠性评估与优化
围绕 SCM 混凝土性能预测，从 1,456 条文献记录完成数据清洗与特征构建，比对选型 LightGBM，引入 SHAP 归因解释与 KNN-RSCP 保形预测区间，并重构交付 Python 核心包、CLI 与 Streamlit 交互原型。
主线 02 / Agent 工具链与研发数字化
AI 辅助研发、MCP 工具与运维中枢
结合多模型 API、知识库与自动化脚本，搭建小型 Agent 与工作流：开发 Flow2API MCP 工具解决连续修图，构建 Personal Ops Panel 收窄资产索引与免明文 Context 接口，建立分层 API 排障链路。
完整技术栈与应用能力
科研建模与数据工程
- Python 数据清洗
- 8 项特征工程换算
- LightGBM 建模
- Optuna 调参
- SHAP 归因解释
- KNN-RSCP 保形预测
AI Agent & 自动化工作流
- Codex / Claude Code
- Flow2API MCP 工具链
- Agent Skill 模版
- API 分层路由排障
- Harness 规则约束
应用原型与全栈部署
- TypeScript / Next.js
- FastAPI + SQLite
- Fernet 本地加密
- Streamlit 界面
- Cloudflare Pages
- Docker Compose
教育背景
CSU / MASTER
长沙理工大学
道路桥梁与渡河工程 · 本科
寻求机会
寻找 AI 应用、数据分析与研发数字化机会
希望能将工程问题转化为数据模型的能力、AI Agent 工具链开发经验与端到端产品交付能力，投入到具有落地场景的实际研发与产品中。