正在轉職 資料工程師 / AI 應用工程師，專注用 Python 打造穩定的資料管線與實用的 AI 產品。
🔭 目前持續深化資料工程（Airflow、Docker、SQL）與 LLM 應用開發（RAG、agent、FastAPI）。
- 語言： Python · SQL · TypeScript
- 資料工程： Apache Airflow · Pandas · MySQL · ETL / star-schema 建模
- 後端與 AI： FastAPI · LangChain · RAG · ChromaDB
- 工具： Docker · Git
Documind 多 PDF 問答助手，基於 RAG（FastAPI + LangChain + ChromaDB + PostgreSQL），具備對話記憶並支援雲端與本地模型 (GPT-4o / Ollama) 切換。 為了讓系統「可被量化迭代」，自建了 evaluation harness：標注測試集、retrieval 指標 (Recall@k / MRR) 與 LLM-as-judge faithfulness 評分，並將 prompt 抽離程式碼以利 A/B 比較。 目前正升級為 agentic RAG（LangGraph）：query rewriting、reranker 與自我校正檢索，並導入 LangFuse 做全流程追蹤。
ai-classroom 全端學習平台（團隊專案），負責後端 API 設計，以及一條將非結構化文章轉為訓練情境的資料處理 pipeline（清整 → 多階段 LLM 生成 → 品質檢核）。
airflow-etl 以 Apache Airflow 編排的資料管線。
English
Aspiring Data Engineer / AI Application Engineer focused on building reliable data pipelines and practical AI products with Python.
🔭 Currently deepening data engineering (Airflow, Docker, SQL) and LLM application development (RAG, agents, FastAPI).
- Languages: Python · SQL · TypeScript
- Data Engineering: Apache Airflow · Pandas · MySQL · ETL / star-schema modeling
- Backend & AI: FastAPI · LangChain · RAG · ChromaDB
- Tooling: Docker · Git
Documind RAG-based multi-PDF assistant (FastAPI + LangChain + ChromaDB + PostgreSQL) with conversation memory and switchable cloud/local LLMs (GPT-4o / Ollama). Built an evaluation harness to make the system measurably iterable: a labeled test set, retrieval metrics (Recall@k / MRR), and LLM-as-judge faithfulness scoring, with prompts decoupled from code for easy A/B comparison. Currently upgrading to an agentic RAG system (LangGraph) with query rewriting, reranking, and self-correcting retrieval, plus LangFuse for end-to-end tracing.
ai-classroom Full-stack learning platform (team project). Designed backend APIs and built a data pipeline transforming unstructured articles into training scenarios (cleaning → multi-stage LLM generation → quality review).
airflow-etl Orchestrated data pipeline built with Apache Airflow.