XL

Hunan City University · Artificial Intelligence

徐磊

Python / 嵌入式 / AI Agent 方向开发者

人工智能本科在读，入选智能机器人实验室。关注深度学习、嵌入式控制、硬件通信与 AI 工具链， 能从算法建模、桌面工具到 STM32/51 单片机平台完成完整项目闭环。

查看项目 简历预览 下载简历
AI 建模 负责数据处理、模型训练、评估可视化与故障诊断算法落地
嵌入式控制 负责 STM32/51 单片机外设配置、传感器采集与舵机/继电器控制
硬件通信 负责 UART、DMA、MQTT、串口调试与软硬件联动闭环
工具开发 负责 Python 桌面系统、自动化脚本、可视化界面与数据管理

Selected Projects

点击项目标题跳转

项目经验

Python LangGraph FastAPI WebSocket

Exelixi —— 可视化、可恢复、可审批的本地 Coding Agent

基于 LangGraph 构建的本地 Coding Agent，支持多轮会话、多 Agent 协作、Web UI / TUI / CLI 三端运行， 并具备上下文工程、人工审批、Checkpoint 恢复与 Trace 复盘能力。

  • 使用 LangGraph StateGraph 构建 intent_router、planner、searchAgent、codeAgent、verifier 等多 Agent 工作流。
  • Web 端基于 FastAPI + WebSocket，实现任务输入、时间线查看、命令审批与 Agent 追问。
  • 支持 Checkpoint 恢复、Trace 事件日志、三层记忆体系与 workspace 隔离。

项目描述：为解决大模型编程 Agent 在实际工程中缺乏可视化、断点恢复、人工审批等边界能力的问题，基于 LangGraph 开发的本地 Agent。支持多轮会话、多 Agent 协作、Web UI / TUI / CLI 三端运行、上下文工程与 Harness 工程，目前已接近可用的本地 Agent 产品形态。

多 Agent 协作架构：基于 LangGraph 构建有状态图工作流，包含 intent_router、planner、searchAgent、codeAgent、verifier、context_compressor 等多个专用 Agent 节点，任务按阶段自动流转。

三端运行界面：Web 端（FastAPI + WebSocket）实现在浏览器中输入任务、查看时间线、处理命令审批与 Agent 追问；Textual TUI 支持多轮本地编码会话；Rich CLI 适合脚本化运行与测试。

上下文工程：设计三层记忆体系（rules / working_memory / history_summary），结合 TODO.md / NOTEPAD.md / HISTORY_SUMMARY.md 持久化，并在 token 接近阈值时自动压缩消息窗口。

Harness 工程：实现人工审批、Checkpoint、Trace 与 workspace 隔离，支持从任意 checkpoint 恢复中断会话，并保留 workspace 文件快照、状态和事件日志。

项目成果：完成 Web UI / Textual TUI / Rich CLI 三端运行，可让 Agent 搜索、写文件、运行命令、请求确认、记录记忆，并在失败后继续恢复。

Python PyTorch XGBoost

光伏电站故障诊断混合模型

面向 6 类光伏故障分类与数据不平衡问题，构建 CNN + LSTM + Temporal Attention 深度特征提取， 再接入 XGBoost 分类器，完成从训练到混淆矩阵、PR/ROC-AUC、注意力热力图的完整评估。

  • 使用 Focal Loss 与类别权重提升少数类召回率。
  • 通过 AdamW、梯度裁剪、余弦退火与 Warmup 稳定大规模训练。
  • 完整模型在宏平均 F1 上优于纯 CNN/LSTM 基线。

项目描述：针对光伏电站6类故障（正常/短路/劣化/开路/部分阴影/完全阴影）分类准确率低、数据不平衡的问题，在约1000万条运行数据上设计并实现深度学习+集成学习混合诊断模型。

核心工作：构建CNN+LSTM+Attention提取时序特征，再输入XGBoost分类；在LSTM输出层后加入可学习的时间注意力，自动聚焦关键时间步；使用Focal Loss（γ=2.0）+ sklearn类别权重计算缓解多数类偏差。

成果：完成4种递进模型对比实验，完整混合模型在宏平均F1上显著优于纯CNN/LSTM基线，具备工业级故障诊断潜力。

Tkinter MQTT pyserial

智能仓储入柜管理系统

开发纸箱尺寸输入、贪心匹配、可视化推荐、Excel 管理与硬件联动的桌面系统。 推荐引擎遍历 50 个格子与 6 种旋转方向，按体积占用率筛选最优货位。

  • 支持仓储分区、历史记录与 Excel 双向同步。
  • 通过 MQTT 与串口监视器实现硬件通信闭环。

项目描述：解决电商仓储中纸箱货位匹配效率低的问题，开发从尺寸输入、贪心匹配、可视化推荐、Excel管理到硬件联动的桌面管理系统。

核心工作：遍历50个格子 + 6种旋转方向，计算体积占用率并选取最优解；支持按尺寸自定义分区，Tkinter + matplotlib实现仓库俯视图、分区彩色标识、历史记录面板。

项目成果：完成输入、匹配、推荐、可视化、导出、硬件联动全闭环，提供串口/MQTT双通道硬件通信能力。

STM32 C DMA

多传感器姿态感知与无线控制系统

基于 STM32F103ZET6 实现六轴姿态传感器、光敏传感、蓝牙遥控与 4 路舵机控制。 使用 USART 中断解析 JY61P 姿态包，并将 Roll 角映射到舵机跟随。

  • CubeMX 配置 PWM、ADC、USART 与 DMA 收发。
  • 光敏阈值控制两路继电器，蓝牙指令控制多路舵机。

项目描述：为搭建无线遥控、姿态自适应的智能控制平台，基于STM32F103实现六轴姿态传感器、光敏传感、蓝牙遥控与多路舵机控制的嵌入式系统。

核心工作：CubeMX配置TIM1、ADC1、USART1/2/3与DMA收发；USART2中断接收JY61P数据包并解析Roll/Pitch/Yaw，Roll角映射舵机实现姿态跟随；USART3 + DMA + 空闲中断接收蓝牙控制指令。

成果：实现蓝牙遥控4路舵机、姿态自动角度跟随、光敏自动控制三大功能，3个USART通道+DMA协同工作互不干扰。

STC89C52 Keil PWM

红外循迹小车

基于 51 单片机、TCRT5000 红外传感器与 L298N 电机驱动搭建低成本循迹小车， 支持自主循迹、差速转向和速度调节。

  • 按传感器二进制状态查表决策直行、转弯、旋转与停止。
  • 使用多次采样取众数降低传感器抖动误判。

项目描述：为实现低成本、高可靠的黑白线循迹功能，基于51单片机设计并制作红外循迹小车，支持自主循迹、差速转向及速度调节。

核心工作：搭建STC89C52最小系统，配置4路红外传感器（TCRT5000）和L298N双直流电机驱动；根据5路传感器二进制状态查表决策直行、左/右转弯、原地旋转及停止。

成果：小车可稳定循迹黑白跑道，实现自动循迹行驶。

OpenCV R-CNN PyAutoGUI

棋盘识别与自动对弈

使用 Faster R-CNN 与 OpenCV 构建棋盘定位、棋子分类、自动点击的闭环流程。 结合轮廓分析、霍夫检测、ORB 匹配与轻量级 CNN 提升多样式棋盘识别鲁棒性。

技术栈：Python、OpenCV、Faster R-CNN、TensorFlow/Keras、PyAutoGUI。

核心工作：基于Faster R-CNN训练棋盘定位模型，结合OpenCV轮廓分析（Canny+霍夫）与ORB匹配构建三级流水线；OpenCV提取棋子轮廓几何特征作为降级逻辑，配合轻量级CNN识别棋子。

难点与成果：棋盘样式多变，通过OpenCV几何检测与R-CNN互补覆盖多数场景；实现截图、解析、决策、落子自动化。

Technical Stack

技能特长

编程与 AI

Python、C/C++、PyTorch、TensorFlow/Keras、OpenCV、XGBoost、scikit-learn、pandas、NumPy。

嵌入式开发

STM32、51 单片机、STM32CubeMX、HAL、PWM、ADC、DMA、UART、I2C、SPI、FreeRTOS 基础。

系统与部署

Linux 命令、Shell、日志分析、进程管理、网络配置、Dockerfile、docker-compose、简单驱动调试。

AI 工具链

熟悉 Claude Code、OpenAI Codex、Cursor 等 AI 编程工具，具备基础 Prompt Engineering 能力。

Education

教育与经历

湖南城市学院 · 人工智能（一本）

入选智能机器人实验室。主修深度学习、机器学习、智能优化算法、Python、数字图像处理与机器视觉、 C/C++、数据结构、模拟与数字信号处理等课程。

全国大学生统计建模大赛

担任队长，作品已推进省赛，负责团队协作、建模思路组织与项目推进。

About

细心从每一个细节开始

工作积极认真，细心负责，善于在项目中提出问题、发现问题并解决问题。具备较强分析能力、 动手能力和学习能力，能够适应新技术栈与跨硬件、软件、算法的开发任务。