Wanjin Li

我把机器学习、优化与 Agentic AI 的想法做成可靠的软件，从工业信号工具、约束决策系统到本地优先的知识产品。

专业方向: 数据科学家 · 机器学习工程师 · 应用 AI 工程师

查看代表项目我的工作原则

同一套工程实践，连接多类智能系统。

Wanjin / 局部放电分类与长序列分割

两个相互关联但不同的任务：先区分短片段中的局放与噪声，再把长时序划分为不同局放类型和噪声区间。

代表系统 / 01

围绕真实问题构建的代表项目。

我通过九个项目案例，展示自己在工业信号分析、能源决策、优化与 AI 系统中的工程实践。

从波形识别到可审查区间

局部放电分类与长序列分割

两个相互关联但不同的任务：先区分短片段中的局放与噪声，再把长时序划分为不同局放类型和噪声区间。

日前电价预测 × 受约束优化

储能收益优化：从电价预测到每日充放电计划

系统根据电力边界条件与气象预报估计次日 96 个价格点，再在固定时长、先充后放等约束下选择每日充放电窗口。

让专家能够审查超长工业信号

超长工业时序标注工作台

一个面向超长测量记录的桌面工作台，支持浏览、标注、恢复与导出，并始终把模型建议和专家确认标签分开。

带硬约束的序列决策

桥梁布跨组合优化

一个面向变桥长的共享布跨模型，把可解释成本、经典基线与带动作掩码的强化学习求解器放在同一比较框架中。

本地优先的主动学习系统

Vault Coach

一个 Obsidian 学习伴侣，把带来源的检索、练习、掌握度反馈与可审查的概念—证据图谱连接成完整工作流。

把陌生信号整理成可审查的族群

局部放电聚类后分析

一个多域特征与聚类工作流，把相似局放候选聚在一起、保留离群点，并把每个簇返回代表波形供专家复核。

从稀缺数据到可审查权衡

海上风电结构 · 多目标决策平台

一个把稀缺设计数据、OpenSees 评价、演化搜索与双空间 Pareto 分析连接起来的海上风电导管架研究平台。

从用户需求到原型与评估

企业产品手册 RAG 论文

一项 Design Science 论文研究，把技术手册问答转化为带来源的本地 RAG 原型，并分别设计检索与回答评估。

先建立可靠工作流，再扩展 Agent

AI 求职工作流平台

一个处理结构化职位数据、简历摄取与可观察后台任务的类型化 monorepo，并明确划分安全与授权边界。

浏览全部项目案例

工程领域 / 02

让数据走向预测、优化决策，再反哺更高质量的数据。

数据: 我把原始信号、领域知识与交互反馈整理为可检查、可学习的输入。应用机器学习 / 深度学习: 我从高频时序与业务数据中提取模式，为数据驱动的业务流程和决策提供预测依据。运筹优化算法与强化学习: 我不把预测当作决策终点，而是在目标、约束与不确定性下继续搜索可执行的行动。知识库与 Agent 系统: 我用可溯源知识、结构化输出与可审核流程辅助人类决策，并把交互结果转化为更高质量的数据。全栈工程: 我连接数据挖掘、机器学习建模、优化算法与复杂 Agent 产品，把完整链路交付为可用系统。

经历 / 03

把研究问题一直推进到可运行软件。

我的经历横跨工业信号分析、数据驱动的结构优化和企业数据流程。我实现了分类、分割与异常检测路径；其中分类接口部署至生产环境，分割和异常检测仅在测试环境实现与部署。

查看完整经历

01桌面高频时序数据标注工具
02最长 5.6 亿采样点 · Profile 性能提升 70%
03ERP 数据流与集成测试
04德国精英大学经济信息学硕士

技术写作 / 档案

技术思想应该能够被讲清楚。

我用中文写强化学习、机器学习、AI Agent，以及让技术方案真正落地的工程思考；也做 AI 科普，让更多人理解并使用 AI。

强化学习
机器学习
Agentic AI
工程实践

进入技术写作档案

开放工作机会

一起构建经得住真实场景检验的智能系统。

我关注应用 AI、机器学习与软件工程岗位，期待技术深度、产品思维和严谨评测能够共同发挥作用。

LinkedIn GitHub E-Mail

现居德累斯顿 · 可使用中文、德语与英语沟通