Herdeny

🎓 浙江大学人工智能硕士生 · 🤖 算法与 Agent 开发学习者 · 🛠️ 软件开发者
M.Sc. Student in Artificial Intelligence at Zhejiang University · Aspiring Algorithm & Agent Developer · Software Builder

我关注图表示学习、组学数据与机器学习，也在持续构建 Agent 工具、插件生态与质量保障能力。我希望把严谨的研究方法与可靠的软件工程结合起来，完成能够复现、维护和真正使用的工作。

I am interested in graph representation learning, omics data, and machine learning, while building agent tooling, plugin ecosystems, and quality assurance workflows. I aim to combine rigorous research with reliable software engineering to build work that is reproducible, maintainable, and useful.

📌 Current Status / 当前状态

• 📚 Study / 学习： Algorithms, machine learning, deep learning, and graph neural networks / 算法、机器学习、深度学习与图神经网络
• 🔬 Research / 研究： Multi-view graph representation learning for blood omics data / 面向血液组学数据的多视角图表示学习
• 🤖 Exploring / 探索： Agent tooling, plugin ecosystems, workflows, and evaluation / Agent 工具、插件生态、工作流与评测
• 🛠️ Building / 工程： Practical agent tools and stateful systems in Python, TypeScript, Java, and JavaScript / 使用 Python、TypeScript、Java 与 JavaScript 构建实用 Agent 工具和复杂状态系统

👋 About / 关于我

• 🎓 2026–2029： 浙江大学，人工智能专业，硕士
  Zhejiang University — M.Sc. in Artificial Intelligence
• 🎓 2022–2026： 浙江理工大学，计算机科学与技术专业，本科
  Zhejiang Sci-Tech University — Computer Science and Technology

🔬 Undergraduate Thesis / 本科毕业设计

面向血液组学数据的多视角图表示学习方法
Multi-view Graph Representation Learning Methods for Blood Omics Data

面向具有不同视角和结构的血液组学数据，探索如何利用图表示学习建立多源数据之间的关联，并获得适用于下游任务的统一表示。

This work explores graph-based representations that connect heterogeneous views of blood omics data and support downstream learning tasks.

🧠 Research Interests / 研究兴趣

• Graph Representation Learning / 图表示学习
• Multi-view Learning and Data Fusion / 多视角学习与多源数据融合
• Omics Data Analysis and Bioinformatics / 组学数据分析与生物信息学
• Machine Learning Algorithms and Reliable Evaluation / 机器学习算法与可靠评估
• AI Agent Workflows, Tool Use, and Evaluation / AI Agent 工作流、工具调用与评测

🚀 Selected Projects / 代表项目

以下卡片展示了我在复杂系统、Agent 工具、插件生态与桌面工具方面的代表工作。
Selected work across complex systems, agent tooling, plugin ecosystems, and native utilities.

🔮 Project Mystery Java Minecraft Forge 🤝 Co-creator / 共同创作者： @Zijian-Ni 以魔药、序列、调查、仪式和跨系统安全为核心的 Forge 1.20.1 生存冒险 Mod。 A systems-heavy Forge mod built around pathways, investigation, rituals, and safe recovery paths.	🧩 awesome-dsh-2026 Python Agent Ecosystem 面向 DeepSeek Harness 的持续维护插件生态清单，并结合 dsh-qc 提供质量评分。 A continuously curated DeepSeek Harness plugin ecosystem with quality signals from dsh-qc.
🛡️ dsh-qc TypeScript GitHub Action 面向 DSH 插件的静态预检、动态验证与可追溯质量评分工具，可接入 CI。 Static checks, dynamic verification, and evidence-backed quality scores for DSH plugins and CI.	📶 MySpeed macOS JavaScript macOS 支持 Apple Silicon 与 Intel Mac 的原生菜单栏网络质量监测工具。 A native menu bar network monitor with scheduled tests, history, and multiple providers.

🧰 Skills & Direction / 技能与方向

• Programming / 编程： Python · TypeScript · Java · JavaScript
• Research / 研究： Graph Learning · Multi-view Learning · Omics Data
• Engineering / 工程： Agent Tooling · Plugin QA · CI · System Design · Testing
• Next / 下一步： Algorithms · Deep Learning · AI Agent Development

🗺️ Roadmap / 近期计划

• 夯实算法、机器学习与深度学习基础 / Strengthen foundations in algorithms, machine learning, and deep learning
• 深入学习图神经网络与多视角表示学习 / Study graph neural networks and multi-view representation learning
• 持续建设 Agent 工具、插件生态与质量保障工作流 / Continue building agent tooling, plugin ecosystems, and quality assurance workflows
• 持续完成可复现、可维护的研究与工程项目 / Continue producing reproducible research and maintainable software

📬 Contact / 联系方式

• Primary Email / 主邮箱： [email protected]
• Alternative Email / 备用邮箱： [email protected]
• Google Scholar / 谷歌学术： View profile / 查看主页