Zhao Junquan

Mit der zunehmenden Komplexität von LLM-Werkzeugaufrufen reichen einzelne Python-Skripte und Jupyter Notebooks für häufige, mehrstufige und toolchainübergreifende KI-Workflows nicht mehr aus. Statt loser Ad-hoc-Skripte braucht die Geschäftspraxis einen lokalen KI-Arbeitsplatz mit Persistenz, Nachvollziehbarkeit und Erweiterbarkeit, der Gesprächszustand, Modellkonfiguration, Kontextkomprimierung und Plugin-Steuerung in einem langfristig wartbaren System vereint.

Verantwortlich für die Produktisierung von Lite Studio – von einer Sammlung einzelner KI-Werkzeuge zum lokalen Desktop-Arbeitsplatz. Ich definierte die Grenzen von Sitzungsverwaltung, Modellkonfiguration, Kontextkomprimierung, Plugin-Aufrufen und Exportabläufen und leitete die Aufbereitung von Engineering-Dokumentation, Schnittstellenverträgen und Kernworkflows, um spätere Iterationen auf eine gemeinsame Grundlage, nachvollziehbare Aufzeichnungen und einen stabilen Auslieferungsrhythmus zu stellen.

Wenn der Haupt-Agent in einem Multi-Tool-Workflow standardmäßig alle Such-, Recherche- und Ausführungswerkzeuge besitzt, werden teure APIs leicht übermäßig aufgerufen. Gewöhnliche Fragen, Codeänderungen, leichte Suchen und tiefgehende Recherchen vermischen sich zudem in einem Ausführungskontext. Das verursacht unnötige Kosten, unscharfe Aufgabengrenzen und mögliche Sicherheitsrisiken.

Eigenständig verantwortlich für Konzeption und Auslieferung von OpenClaw Sentinel. Ich abstrahierte Suchkosten, Werkzeugberechtigungen und Ausführungsgrenzen in Multi-Tool-Agents zu einem wiederverwendbaren Routing-Governance-Muster. Ich leitete die Definition von Agent-Verhaltensgrenzen, Werkzeugaufrufstrategien, Prüfabläufen und Open-Source-Veröffentlichung und entwickelte aus einer MCP-Anbindung eine übertragbare Lösung für Agent-Werkzeug-Governance.

Reine Textmodelle wie DeepSeek und Qwen sind stark im Schlussfolgern und Programmieren, verfügen aber selbst über keine Bildwahrnehmung. Dieses Projekt kapselt Xiaomis Vision-Modell MiMo v2.5 als standardisierten MCP Server. Über mimo_image_analyze erhalten text-only Agents die Fähigkeit, Bilder zu verstehen: Das Hauptmodell denkt, MiMo nimmt wahr.

Eigenständig verantwortlich für Entwurf und Auslieferung einer Lösung, die Text-Agents um Bildwahrnehmung ergänzt. Ich verpackte Bildverständnis nicht als einzelnen Modellaufruf, sondern als installierbares, konfigurierbares und wiederverwendbares MCP-Werkzeug. Dazu definierte ich Einsatzszenarien, Aufrufgrenzen, sichere Konfiguration und Open-Source-Auslieferungsform, damit Agent-Clients wie OpenClaw, Claude Desktop und Cursor die Funktion stabil anbinden können.

Im Alltag müssen häufig QR-Codes stapelweise erzeugt oder ausgelesen werden. Bestehende Werkzeuge enthalten oft viel Werbung, sind kostenpflichtig oder benötigen eine Netzwerkverbindung. Daraus entstand die Idee eines reinen Frontend-Allzweckwerkzeugs für QR-Codes, ohne Installation und ohne Backend.

Eigenständig verantwortlich für Produktplanung, Interaktionsdesign und Veröffentlichung von QCode Toolkit. Ich definierte die Werkzeuggrenzen anhand häufiger Anforderungen wie QR-Code-Erzeugung, Gestaltung, Batch-Verarbeitung und SVG-Download. Entscheidend war ein vollständiger Browserablauf ohne Backend-Abhängigkeit, der Benutzerfreundlichkeit, Teilbarkeit und langfristige Wartungskosten berücksichtigt.

QuanWen.art ist eine von Grund auf selbst entwickelte persönliche Zentrale für digitale Inhalte, aufgebaut als langfristig betreibbares Full-Stack-Websystem. Portfolio, Fotobeiträge, Projektfortschritte, KI-Dialog, Kontaktnachrichten und Verwaltung werden in einer Architektur zusammengeführt. Die persönliche Website verbindet damit Veröffentlichung, Datenpflege, Zugriffsschutz und fortlaufende Erweiterbarkeit.

Als eigenständiger Produkt- und Engineering-Verantwortlicher von QuanWen.Art übernehme ich die gesamte Planung und Auslieferung – von Positionierung, Inhaltsstruktur und öffentlicher Präsentation bis zu Administration und sicherem Betrieb. Ich vereine persönliche Arbeiten, Fotobeiträge, Projektfortschritte, KI-Dialog, Kontaktnachrichten und Verwaltungsoberfläche zu einer langfristig betreibbaren digitalen Content-Zentrale und pflege kontinuierlich Aktualisierbarkeit, Zugänglichkeit und Sicherheitsgrenzen.

Für den Kundenservice-Agenten der persönlichen Website QuanWen.Art untersucht dieses Projekt parametereffizientes Finetuning eines offenen 8B-Sprachmodells unter den begrenzten Ressourcen zweier Tesla T4 auf Kaggle. Als Basismodell dient Qwen/Qwen3-8B. Chinesische Instruktionsdaten bilden Trainingsbeispiele für Identitätsfragen, technische Erklärungen, Produkttexte und Kundenserviceantworten. Die vollständige technische Kette reicht von Datenaufbau und ChatML-Konvertierung über 4bit-quantisiertes Laden, SFT-Finetuning und Adapter-Speicherung bis zum erneuten Einbinden und zur Inferenzprüfung.

Als alleiniger Projektverantwortlicher entwarf und realisierte ich die Prüfung eines domänenspezifischen Finetunings offener 8B-Modelle für den QuanWen.Art-Kundenservice-Agenten. Ich definierte Trainingsziele und den Umfang chinesischer Kundenservice- und Identitätsfragedaten, plante Experimente für kostengünstige GPU-Umgebungen und schloss die Machbarkeitsprüfung vom Training bis zur späteren Einbindung des Website-Kundenservicekorpus ab.

Eine persönliche Website sollte nicht nur eine visuelle Seite für Besucher sein, sondern auch ein öffentlicher Inhaltsknoten, den Suchmaschinen, KI-Suchsysteme und Modelltrainingsketten zuverlässig verstehen. Dieses Projekt verbessert die externe Auffindbarkeit von QuanWen.Art und erweitert die Präsentation zu einer maschinenlesbaren Website mit robots.txt, sitemap.xml, llms.txt und JSON-LD-Strukturdaten.

Verantwortlich für die gesamte Governance der externen Auffindbarkeit und Maschinenlesbarkeit von QuanWen.Art. Ich definierte die Grenzen zwischen öffentlichen Inhalten, privaten Pfaden, Suchmaschinen-Crawling und KI-Crawler-Zugriff. Von der Strategie über die semantische Inhaltsaufbereitung bis zur Online-Prüfung leitete ich den gesamten Ablauf und entwickelte die besucherorientierte Portfolioseite zu einem öffentlichen Wissensknoten, den Suchmaschinen, Antwortmaschinen und LLM-Systeme zuverlässig verstehen können.

Eine Machine-Learning-Analysepipeline untersucht Nutzerverhalten und prüft den Nutzen von Persönlichkeitsvorhersagen für Nutzersegmentierung und operative Strategieunterstützung.

Verantwortlich für die Überführung der Forschungsfrage Persönlichkeitsvorhersage in eine überprüfbare Datenanalyseaufgabe. Ich definierte den Umfang von Datenverarbeitung, Merkmalsinterpretation, Modellvergleich und Ergebnisdarstellung. Im Mittelpunkt stand die Aufbereitung der Modellergebnisse zu geschäftlich verständlichen Nutzersegmenten und Verhaltenserkenntnissen als Diskussionsgrundlage für spätere CRM-Labels, A/B-Tests und personalisierte Ansprache.

Für die Erfassung von Videokommentaren und fachspezifischen Nachrichten entstand eine Engine, die Daten fortlaufend abruft, bereinigt und strukturiert ausgibt – als Grundlage für Politikforschung und Beobachtung öffentlicher Meinungen.

Verantwortlich für die Überführung verteilter Anforderungen an Webseiten-, Kommentar- und Nachrichtendaten in wiederverwendbare Erfassungsaufgaben. Ich definierte Erfassungsumfang, Datenfelder, Bereinigungsregeln und Ausgabeformate. Einmalige manuelle Sammlungen wurden zu dauerhaft ausführbaren Data-Engineering-Prozessen und damit zu stabilen Datenquellen für Politikforschung, Meinungsbeobachtung und spätere Sentimentanalyse.