Portfolio

你好,我是

Xiaonan Li

AI 系统与全栈工程师

先设计系统,再用 AI 把交付速度放大。

我学习软件工程,实践重点是把模糊需求拆成服务边界、AI worker 流程、API 与产品行为,并让它们经得起 review、测试和真实用户。

联系我
当前信号

关注需要 AI 能力、系统架构、工程责任和真实落地能力的团队。

浏览结构xiaonan.dev
const profile = {
  name: "Xiaon

01 / 介绍

从更快写代码,走向更好地设计系统。

我会重度使用 AI,但我更重视的是决定“应该做什么”:模块怎么拆,状态放在哪里,worker 如何协作,哪些失败路径必须处理,以及产品需求如何变成可靠的软件机制。

我的语言能力是中文、英语和日语:中文为母语,英语可用于学习与技术协作,日语正在持续学习中。

01

系统抽象

把模糊需求翻译成模块、数据归属、失败路径,以及团队真正能据此开发的设计判断。

RequirementsArchitectureReview
02

AI worker 设计

设计由 AI 服务主动领取任务、回写状态,并与业务 API 保持边界清晰的 pull-based 工作流。

WorkerAsyncBoundary
03

全栈落地

用后端、前端、Android 和部署工作,把设计真正落到 demo 之后仍然可用的产品里。

Spring BootNext.jsAndroid
04

语言能力

中文、可用于技术协作的英语,以及持续学习中的日语。

中文English日本語

02 / 实习

把实习经历当成系统责任来呈现。

这里不再把经历折成一张张简历卡片,而是按 scope 和 impact 呈现:我理解了什么、拆开了什么、调试了什么,以及最终让什么变得更可靠。

2025.06 - 2025.08

美团平台

软件开发工程师实习生

参与核心业务系统的可靠性、状态上报、调试、看板和构建流程优化。
  • 01

    设计并优化弱网环境下的系统状态上报与重试机制。

  • 02

    将 AI 辅助流程用于复杂问题分析和系统行为调查。

  • 03

    使用 JADX 分析与调试混淆代码,提升上报格式可靠性。

  • 04

    基于 Spark 和 SQL 构建异常检测与趋势分析看板。

  • 05

    分析 Gradle task DAG 瓶颈并优化构建流程,同时保持构建稳定。

03 / 教育

软件工程与应用机器学习结合的学术基础。

课程与研究实践把软件工程基础、应用机器学习和团队产品交付联系在一起。

01在读

Swinburne University of Technology

工程学荣誉学士软件工程

学习重点围绕软件工程、应用机器学习、产品思维与团队交付,通过课程和项目实践把它们连接起来。

Software EngineeringApplied MLTeam Delivery
02本科

Shandong University of Science and Technology

工学学士软件工程

建立计算机科学基础,覆盖算法、操作系统、数据库、软件工程,并在毕业论文中研究联邦学习协调机制。

CS FundamentalsFederated LearningDatabases

横向滑动切换学校

04 / 项目

用架构能力证明方向的项目。

代表性工作不只展示生成出来的代码,更强调 AI worker、检索、移动端约束和模型评估背后的系统设计判断。

在这里切换项目;切换条会固定在上方,方便边看蓝图边切换。

团队负责人 / 2025.08 - 2026.06

AI 驱动企业级 SaaS 平台

采用 AI worker 分析流程的企业级 SaaS,用于非结构化数据知识抽取与结构化决策支持。

01

问题

面向客户的 AI 分析不能停留在一次性请求里,因为文档、证据、重试和长任务都需要稳定的任务状态。

02

系统决策

我提出 pull-based AI worker 模式:后端保存任务,AI worker 主动领取、回写状态,并和业务 API 保持解耦。

03

证明

架构把 Spring Boot API、Python AI worker、持久化、回调状态和部署路径拆开,让变更可以通过契约和测试来 review。

04

技术栈

AI Worker、RAG、Spring Boot、Python services、PostgreSQL、AWS。

01主导企业级 AI SaaS 平台的架构设计、任务拆解与全栈开发。

02提出 pull-based AI worker 模式:AI 服务主动领取后端任务、回写状态,避免和业务请求强耦合。

03设计 RAG 流水线,覆盖解析、切分、向量化、语义检索与动态上下文注入。

04封装 OpenAI-compatible LLM 调用层,支持模型切换、流式输出和 schema-constrained JSON generation。

项目01 / 03AI 驱动企业级 SaaS 平台

05 / 技术栈

技术栈,但按真实应用能力来写。

下面的工具按它们支撑的系统决策分组:编排、服务边界、产品界面、测试与部署。

01

AI 与机器学习

用于检索、模型集成、视觉推理与训练流程。

PyTorchTensorFlowTensorFlow LiteRAGFAISSSentenceTransformers
02

后端与数据

用于服务架构、API、持久化、数据处理与部署。

Spring BootJavaMyBatisMicroservicesSparkSQLAWS
03

前端与移动端

用于产品界面、Android SDK 工作、测试与作品集交付。

Next.jsTypeScriptTailwind CSSAndroidKotlinJUnit

06 / 联系

一起做点能经得起真实使用的东西。

期待和需要把 AI 想法翻译成架构、实现计划、可 review 代码和 demo 之后仍能稳定运行的软件的团队合作。

联系我LinkedInGitHub 留位
今日构建笔记
原型可以快,落地必须稳。

demo 是开始,真正的价值来自后面那些不显眼但很关键的细节。