Kai's Resume

Koi Harness 智能陪伴助手 Windows-x64发布版v0.1.0

2026.03 ~ 2026.08

PythonasyncioElectronReactTool CallingMCPpnpmPyInstaller

▶

设计并开发一套定制化的智能AI助手系统，提供日常陪伴和工作协助；Electron客户端和Python内核通过JSON-RPC 2.0桥接，兼容 OpenAI Responses / Anthropic Messages 模型协议

构建反应式 Agent 循环，模型自主将模糊指令分解为可执行步骤，并通过会话级任务状态持续跟踪多步任务，实现了子任务异步派发、结果回传、生命周期管理与工具/权限级联继承，同时通过状态隔离避免上下文污染
使用Python标准库实现文件查找/读写、运行shell命令、注入SKILL、网页抓取等内部工具，统一Tool-calling框架赋予调度、超时、取消、审批、schema适配等能力，同时实现MCP机制，赋予助手调用第三方工具的能力
以追加式JSONL会话日志作为持久化的长期记忆，实现分层上下文压缩策略：先裁剪工具结果，再由LLM模型生成分段摘要，保留近期原文的同时增量更新，叠加项目指令文件与SKILL技能库，实现项目级长期记忆

项目源码：https://github.com/kailume/Koi-Harness

Celli 细胞手术机器人

2025.10 ~ 2026.05

C++PythonTensorRTONNXMySQLgRPC

复旦大学脑智研究院 — 访问研究员（软件工程师）

▶

主导复旦大学 IBI 细胞手术机器人Celli项目软件架构重构（C++）与核心模块开发，以人脑神经元形态高通量采集为情景，实现百万元级显微成像与多微操器件的自动化控制系统全流程，设计多模态数据库管理高通量数据和领域专家大模型；落地上海华山医院（虹桥院区）生产数据，发表发明专利1项（受理中）

设计基于冲突的路径规划（CBS）算法解决多灌注针协同时空冲突，系统从4针升级至6/8针，灌注通量提升50%
设计基于星型形状检测的 U-Net 细胞计数算法（F1 = 93%），进一步设计基于点云密度 GP 回归的脑组织皮质层级分割算法（大脑皮质 L1~L6 + White，IoU 82%，边界距离误差 < 30μm）
基于 gRPC 通信和 MongoDB 设计多模态神经元数据库，50并发用户、1~10k 规模数据往返延迟低至 1.5~15ms；基于 L-Measure 生成形态特征结构化文本描述，转化高质量案例为 RAG 知识库，构建面向神经元形态的指令数据集
日常测试系统级功能、硬件接口和兼容性，每周进行版本迭代（V0.1.9），保障软件在华山医院的稳定落地

AutoPerfusor 神经元高精度形态数据自动化采集系统

2025.03 ~ 2025.10

C++Qt WidgetsOpenCVCUDATensorRT

项目负责人 / 软件工程师

▶

面向脑神经元高精度显微灌注实验操作，为实验室 Scientifica 设备开发自动化控制软件，实现微操协同 + AI 视觉引导 + 数据追溯的端到端闭环，驱动多针进行脑神经元灌注采集实验，已产出 13万+ 神经元数据

设计针控状态机驱动完整工序（Idle → Start → MoveTo → Retreat → AxialInject → Perfuse → Wait → Withdraw → End，Error），多线程调度实现高并发执行，独占相机互斥锁保证时空安全，任务级错误恢复保证稳定性，Error < 5%
设计 Qt Widgets 客户端 UI，添加多个功能界面，优化信号槽机制，交互响应延迟降至 20ms 以内
设计基于碰撞约束贪心调度的动态路径规划算法，将针几何建模与 2D/3D 碰撞检测融入在线决策，实现动态避障与灵活调度，100+ 次4针实际生产中的冲突次数降低至 0
集成 YOLOv8 实现目标分割与分类（TensorRT + CUDA 高性能推理），细胞识别率 85%，针尖识别率 95%

Hi5 Android 神经元图像协作分析平台

2024.10 ~ 2025.02

AndroidJavaPythonPyTorchLitePal/SQLiteOKHttp

项目成员 / Android & AI 开发

▶

参与面向神经科学研究的移动端协作平台开发，负责 Smart Image 模块功能开发，支持三维神经元图像可视化、标注与质量审核

设计三管道 ResNet18 神经元分类模型（Focal loss + 小样本扩增，骨架点云提取＋多向 MIP 特征增强，TS²-GS + TANC），Top-1 准确率 80%；部署远端推理服务，通过 HTTP API 接入 App，辅助人工实现半自动标注；远端预测时间低至 10ms（GTX3090 INT8），采纳率 90%，日标注量提升约 50%
使用 LitePal 设计并维护本地数据库，存储图像路径、分辨率、空间位置等元数据，支持历史记录查询与离线访问

项目源码：https://github.com/Hi5App/C3

Volumetric Registration 超声截面的体积配准研究

2023.06 ~ 2024.06

PyTorchCNN / VGG16自监督学习DICOM

毕业设计 / 项目负责人

▶

本科毕业设计：面向胎儿脑畸形早期筛查中标准平面获取过度依赖医生经验的痛点，基于 CNN 回归网络构建二维超声截面 → 三维超声体积的自动配准模型，实现任意截面在三维颅脑体积中的空间定位与追踪

针对配准真值标签难以获取的问题采用自监督范式：用仿射变换将 41 例 DICOM 三维体积对齐并重采样至 128³，基于斐波那契球采样从每个体积均匀生成二维截面及采样坐标作标签，共构造 2800/500/400 张训练、验证、测试样本，并用二进制颅脑掩膜做数据增强
网络以 VGG16 为主干提取截面特征，设计基于全连接层的特征对比模块融合同一体积内多截面间的上下文信息，再由 MLP 注意力矩阵对特征对加权，回归预测截面的中心/右下/左下三点空间坐标（PyTorch，Adam，lr=1e-4，早停策略）
在 8 例测试体积共 400 张截面上评估，取得平均距离误差 1.400±0.876 体素、平面角误差 4.268±3.187°、图像相似度 NCC 0.805±0.101，与 AdLocUI 等方法对比具竞争力
通过消融实验验证改进有效性：对比模块+注意力机制使 ED/PA 分别下降 16.3%/15.0%、NCC 提升 7.7%，并证明三维体数据空间对齐是精度提升的关键步骤（未对齐时 ED 达 3.698 体素）

Cross-modal Segmentation 基于跨模态医学影像的腹部多脏器自动分割

2022.10 ~ 2023.01

PyTorchU-Net3D 医学影像分割CT / MRI

大创项目负责人

▶

本科大学生创新创业竞赛（校级优秀结题）：针对多器官和多模态两个关键点，选取合适的网络并加以改进，实现对脾、肾、胆囊、肝、食管、后腔静脉等 15 种腹部器官的精确分割

基于 U-Net 及其变体对 3D 医学影像进行分割算法研究，建立网络结构简单化、参数量更少、复现难度低的图像分割模型
通过数据集对分割网络进行训练，实现单模态（仅 CT）和多模态（CT 和 MRI）下的腹部多器官分割
建立完善、精确的腹部 CT/MRI 3D 影像分割系统，基于训练后的分割系统辅助放射科医生进行诊断和手术路线规划
项目参加第三届四川省生物医学工程创新设计大赛，获得人工智能类自选组二等奖

Hi, I'm Kai!