DAVID LIU / 2026 AI APPLICATIONS · RESEARCH SYSTEMS · PROTOTYPES

我把 AI、科研与产品构想 做成可以验证的系统。

我从真实问题出发,完成需求拆解、原型实现、测试验证与证据整理。这里展示的不只是结果,也包括我亲自负责的部分、已经验证的内容,以及仍然存在的限制。

课堂知识智能重构系统经过脱敏处理的本地运行首页
VERIFIED LOCAL INTERFACE 课堂知识智能重构系统 真实界面载入失败时,项目状态与详情链接仍然可用。
01 / 06
课堂知识智能重构系统 49项测试通过 · 前后端本地运行已验证 · 高清脱敏界面
查看证据与边界
SELECTED WORK / 01

六个项目,六种证据状态。

软件截图、测试结果、终端输出、结构实拍与清晰标注的概念方案共同构成作品集。没有公开证据的部分,不会被包装成已经完成。

课堂知识智能重构系统首页高清脱敏截图
VERIFIED LOCAL INTERFACE课堂知识智能重构系统证据图载入失败
01 / VERIFIED LOCAL SOFTWARE从课堂内容到结构化知识与题目生成

前后端已在本地启动验证,49项测试通过。公开截图经过隐私审查,不包含学生身份、API密钥或课堂原始数据。

打开完整案例 ↗
WORKING METHOD / 02

先把问题变清楚,再把结果变可信。

AI可以加速实施,但不能替代需求判断、事实核对、隐私边界和最终验收。

  1. 01
    定义真实问题

    明确用户、场景、限制和“什么才算完成”,避免先选技术再寻找用途。

  2. 02
    建立可运行路径

    把复杂目标拆成页面、脚本、接口、模型或结构原型,并保留回退方案。

  3. 03
    验证输出

    使用测试、运行截图、报告、模型或结构实拍证明实际完成了什么。

  4. 04
    记录限制与下一步

    说明未公开、未验证或仍属于概念的部分,而不是用模糊措辞掩盖。

PROFILE / 03

医学科研背景,跨到 AI、Web 与工程原型。

我是刘文龙,一名康复治疗学本科生,也是独立项目实践者。我参与医学科研与实验管理,同时持续构建AI应用、科研网站、自动化脚本、市场分析工具和智能硬件结构原型。

我的优势不是只会调用某一个模型,而是能把模糊需求整理成可执行路径,并在不同学科之间保持事实、风险和交付边界。

阅读完整公开简历 ↗
AI应用
模型API、提示词、RAG基础、功能流程与本地原型
Web交付
HTML、CSS、JavaScript、React、Next.js与静态部署
Python自动化
CLI、数据处理、测试、接口调用与工程脚本
产品与工程
需求分析、交互规划、CAD建模、专利图与验收文档
SELECTED RESPONSIBILITY

科研实验组总副组长 · 竞赛项目部部长 · 多个独立AI与Web项目的需求、实现和测试负责人

CONTACT / 04

寻找能把复杂问题真正做出来的合作?

我正在关注AI应用、Web开发、数字化项目、产品运营与跨领域创新机会。欢迎直接查看项目证据、公开简历或通过邮箱联系。