深入学习 Python 数据管道、大模型微服务封装与 RAG 优化，尝试搭建多云 AI 开发环境，并在探索前沿 MCP 协议在物理工具集成中的可能性。目前正积极寻找大模型算法 / AI Agent 开发方向的实习生岗位。
我叫范一宏，本科与硕士均就读于中国矿业大学（211 / 双一流）数学与应用数学专业。本科阶段平均学分达 89.5（年级前 15%），因学业表现优秀获得免试保送研究生资格。期间曾荣获亚太地区数学建模竞赛一等奖、全国大学生数学竞赛三等奖等数理学术荣誉，具备深厚的概率论、测度论以及最优化理论功底，擅长复杂算法的逻辑推理与业务场景建模。
在数据与算法工程实践方面，我在安全风控科技公司（算法实习生）参与了反诈综合管理平台的研发工作。主导并设计了涉案号码的 IMEI 拓号与关系图谱自动生成 Pipeline，并利用 Pandas 开发了包含 8 个核心状态流转的高效清洗与特征提取状态机。通过 FastAPI 将核心业务逻辑封装为高性能微服务接口，并依托 Docker 容器化技术成功部署上线，具备稳定处理多批次海量敏感数据的生产环境运维能力。
同时，我是一名紧跟前沿的 AI Agent 与大模型技术极客。我自主搭建并持续维护着一套包含腾讯云、阿里云和华为云等 6 台云服务器的多云 AI 运行环境，基于 OpenClaw 实现了跨平台模型的低延迟路由分发。日常深度使用 Claude Code、Cursor 等智能化编码助手，对大模型的工具调用（Tool/Function Calling）有深入的实践。我深入研究并实现了多项 MCP（Model Context Protocol） 本地服务器配置，具备从 API 调用、提示词工程（Prompt Tuning）到智能体业务落地的完整工程实现能力。
扎实的数理基础是大模型应用演进的底层基石
掌握最优化算法核心原理（如梯度下降、凸优化），为理解大语言模型在多维空间中向量相似度匹配（RAG）和 Embedding 微调提供严谨的理论指导。
对微分方程与稳定性理论有深刻研究。这套系统分析的思维模式被我迁移到大规模大模型 Pipeline 开发中，保障多步状态机在面对突发异常时具备优异的容错与健壮性。
紧跟大模型前沿学术与应用生态。长期跟踪包括 Chain-of-Thought (CoT)、ReAct（Reasoning+Acting）、Function Calling 以及 Structured Output（结构化生成约束）的设计与演化。
熟练运用现代 AI 生态与大数据开发工具链
通过解决行业真实痛点，展现工程落地价值
在南京安全风控科技实习期间，主导了反诈综合管理平台中核心关系挖掘模块的开发。系统以电话号码明细层层外扩，生成 IMEI 关联图谱，通过 FastAPI 微服务向公安机关和运营商提供服务。使用 Pandas 设计和实现了包含 8 个核心状态流转的数据清洗状态机，极大地缩短了案件研判排查链路。
基于 Anthropic 官方提出的 Model Context Protocol (MCP) 开放标准协议开发。为大模型（Claude Code, Cursor 等）提供数学求解器和反诈敏感词过滤等核心 Tools，特别整合了博世底盘动力学中的二阶阻尼振动稳定性方程计算（计算系统固有频率、阻尼比与特征根并判定系统收敛性），展现了理论数学与前沿智能体交互的巧妙融合。
自主购买并维护了分布在腾讯云、阿里云、华为云等服务商的 6 台云端服务器。统一进行 AI 运行环境部署，通过配置 OpenClaw 实现跨平台模型（如 DeepSeek-R1、MiniMax、Qwen 等）接口统一路由分发、API 高并发请求承载以及横向性能对比。
体验结合腾讯云数据库（DBeaver 管理）与 RAG 的长篇写作智能体交互
此区域实时内嵌了你所构建的小说智能体前端模块。它展现了如何通过 SQL 检索和 RAG 双记忆通道，对 DeepSeek、MiniMax 等模型的长文输出进行强事实物理约束。