(Mark) 褚瀚阳

学生开发者 · 全栈 · 算法 · 量化 · AI

GitHub · LinkedIn · 邮箱

教育背景

莫纳什大学马来西亚分校

计算机科学学士（数据科学方向） · 2025 - 至今

技能

编程语言

TypeScript / JavaScript, Python, Go, Java / Kotlin, C#, C++, SQL

前端

React / Next.js, Vue, HTML / CSS / Tailwind CSS, Astro

后端与数据

FastAPI, PostgreSQL / Supabase, R

运维与工具

Docker / Kubernetes, Linux, Git, Zsh / Bash

其他

技术写作, LaTeX / Markdown

项目经历

Aura — AI 驱动的香水推荐平台

技术栈： React, FastAPI, PostgreSQL + pgvector, Redis, Celery, Docker, OpenAI API

一个智能香水推荐引擎，将抽象的嗅觉描述与具体产品建议连接起来。使用向量搜索（pgvector）和 LLM 解析基于意象和氛围的用户查询。

• 构建现代化分布式架构，包含 Traefik 网关、FastAPI 后端和 React 前端
• 使用 PostgreSQL pgvector 实现语义搜索，进行香水相似度匹配
• 设计 Celery + Redis 异步任务处理，支持长时间 AI 推理
• 使用 Docker Compose 容器化整个技术栈，实现生产环境部署

GitHub

Always Ontrack — Monash OnTrack 终端 CLI

技术栈： TypeScript, Node.js, Commander.js, Playwright, Chalk

一个终端优先的 CLI 工具，将 Monash OnTrack 常用工作流整合为单一命令界面，支持交互式终端使用和脚本自动化。

• 使用 Playwright 实现 SSO 认证和自动化浏览器处理
• 构建完整的命令集，涵盖项目、单元、任务、反馈和文件操作
• 设计批量任务选择器，支持多种选择模式（逗号分隔、全选）
• 添加 JSON 输出模式，支持 CI/CD 集成和脚本工作流

GitHub

Kestrel — 实时算法可视化平台

技术栈： Rust, React, Astro, PixiJS, PostgreSQL, Redis, NATS, Docker

新一代数据结构与算法实时可视化平台。采用流式执行模式，在代码运行时实时推送可视化事件。

• 使用 Rust (Axum + Tokio) 构建高性能 WebSocket 网关，采用二进制 Protobuf 协议
• 基于 WebGL 和 PixiJS 实现流畅的可视化渲染
• 设计安全的沙箱执行环境，使用 Kata Containers 和 Firecracker microVM
• 构建多语言运行器系统，支持 JavaScript、Python、C++ 和 Java

GitHub

实习经历

多模态聊天系统开发

后端开发工程师 · 2025.12 - 2026.2

• 参与多模态聊天系统架构重构，实现策略路由模块，支持纯文本和多模态两种处理模式
• 开发视频处理模块，实现两阶段采样、有效帧计算、时间戳标注等功能
• 完成 MinIO 媒体存储服务集成，实现文件上传、去重和持久化存储
• 开发 LLM 编排模块，统一管理多模态模型调用和上下文处理
• 重构文档切分器，优化切分算法，提升文档处理质量
• 将长度计算方式从字符级切换为 Token 级，提高与 LLM 的兼容性
• 修复中文文档跨页合并时插入多余空格的问题，改善文本连贯性
• 编写单元测试和集成测试，覆盖视频路由、策略路由等核心模块

---

我关注工程实践、数学思维与技术写作，也把这个博客当作长期打磨的个人产品。