方天培
java架构师
上海汽车集团 · 14年经验
日薪：
￥2000/8h
地点：
北京
时间：
可工作日驻场（离职原因）可工作日驻场（自由职业原因）
信用行为
0
接单数
0
评价数
1
收藏数
技术能力
一、工作职责
- 负责平台整体技术架构、技术选型和关键模块设计，覆盖 AI 生成链路、Go/Python 后端、Nuxt 前端、多端接入、部署运维与内容合规。
- 负责将 Python/FastAPI 原型演进为 Go 生产架构，明确“产品逻辑在 Go、推理能力在 Python 侧车”的边界。
- 负责 AI 生成系统的稳定性、成本、容量和可运维性设计，确保模型能力可控制、可降级、可审计。
- 负责前端 PC 端与多端架构，推动小程序落地，并规划 Flutter 统一 Android/iOS。
二、工作内容
- AI 生成链路：设计 Harness + Agent + Gates 三层架构，用 DAG 节点表统一 route / cache / extract / copygate / critic / render / qc / publish；流程、重试、降级、预算和进度事件全部代码化，模型只作为受控节点产出结构化内容。
- 可控 Agent 工程：采用 single-shot、温度 0、JSON Schema 严格解码；实现检查点落盘、幂等缓存、闸门自动修复、隔离转人工、受限修订和反馈 diff 审计，避免模型绕过校验直接上架。
- 后端架构：基于 Go/Gin、SQLite、SSE 和 goroutine 作业池实现生成服务；支持并发闸门、队列背压、同标题合并、作业恢复、Watchdog、原子写和单静态二进制交付。
三、工作成果
- 交付成果：实现约 30MB 的 Go 单静态二进制，外网服务器无需安装 Go/Python 运行时即可部署。
- 容量与成本：按 1 万学生规模完成容量测算，峰值未命中约 0.83 QPS、2000 路播放并发、出口约 97.8 Mbps、月流量约 967 GB。
- 性能提升：混合检索延迟 10–24ms；18 条学生口吻查询的 top3 命中率由 22% 提升至 78%。
四、能力体现
- AI 应用架构能力：能把 LLM 的不确定性收敛为确定性生产链路，清楚“什么交给模型、什么必须交给规则和闸门”。
- 成本与容量工程能力：不只是实现功能，还能从并发、带宽、缓存、预生成和边际成本角度做架构取舍。
- 全栈交付能力：具备 Go/Python 后端、Nuxt/Vue 前端、SSE、SQLite、Nginx、Docker、多端接入的完整落地经验。
能力关键词
AI 应用架构、Harness Engineering、Agent Engineering、RAG、混合检索、LLM 成本控制、Go / Gin、Python / FastAPI、Nuxt / Vue3
- 负责平台整体技术架构、技术选型和关键模块设计，覆盖 AI 生成链路、Go/Python 后端、Nuxt 前端、多端接入、部署运维与内容合规。
- 负责将 Python/FastAPI 原型演进为 Go 生产架构，明确“产品逻辑在 Go、推理能力在 Python 侧车”的边界。
- 负责 AI 生成系统的稳定性、成本、容量和可运维性设计，确保模型能力可控制、可降级、可审计。
- 负责前端 PC 端与多端架构，推动小程序落地，并规划 Flutter 统一 Android/iOS。
二、工作内容
- AI 生成链路：设计 Harness + Agent + Gates 三层架构，用 DAG 节点表统一 route / cache / extract / copygate / critic / render / qc / publish；流程、重试、降级、预算和进度事件全部代码化，模型只作为受控节点产出结构化内容。
- 可控 Agent 工程：采用 single-shot、温度 0、JSON Schema 严格解码；实现检查点落盘、幂等缓存、闸门自动修复、隔离转人工、受限修订和反馈 diff 审计，避免模型绕过校验直接上架。
- 后端架构：基于 Go/Gin、SQLite、SSE 和 goroutine 作业池实现生成服务；支持并发闸门、队列背压、同标题合并、作业恢复、Watchdog、原子写和单静态二进制交付。
三、工作成果
- 交付成果：实现约 30MB 的 Go 单静态二进制，外网服务器无需安装 Go/Python 运行时即可部署。
- 容量与成本：按 1 万学生规模完成容量测算，峰值未命中约 0.83 QPS、2000 路播放并发、出口约 97.8 Mbps、月流量约 967 GB。
- 性能提升：混合检索延迟 10–24ms；18 条学生口吻查询的 top3 命中率由 22% 提升至 78%。
四、能力体现
- AI 应用架构能力：能把 LLM 的不确定性收敛为确定性生产链路，清楚“什么交给模型、什么必须交给规则和闸门”。
- 成本与容量工程能力：不只是实现功能，还能从并发、带宽、缓存、预生成和边际成本角度做架构取舍。
- 全栈交付能力：具备 Go/Python 后端、Nuxt/Vue 前端、SSE、SQLite、Nginx、Docker、多端接入的完整落地经验。
能力关键词
AI 应用架构、Harness Engineering、Agent Engineering、RAG、混合检索、LLM 成本控制、Go / Gin、Python / FastAPI、Nuxt / Vue3
项目经验
AI 知识伴侣 / 知识点视频平台
角色：全栈 AI 架构师 / 技术负责人
技术栈：Go 1.26 / Gin / SQLite / SSE / go:embed、Python / FastAPI（原型与推理侧车）、Nuxt 4 / Vue 3 / Pinia / TypeScript / Element Plus、OpenAI 兼容 LLM / JSON Schema、sherpa-onnx / MeloTTS / BGE Embedding、Nginx / Docker / systemd、Playwright、Flutter。
核心职责与架构亮点
1. AI 生产系统架构：设计“Harness 确定性编排 + Agent 受控节点 + Gates 确定性闸门”三层架构；用 DAG 节点表统一 route / cache / extract / copygate / critic / render / qc / publish，把重试、降级、预算、进度事件从 prompt 移到代码，模型只负责结构化内容，不参与流程决策。
2. 可控生成链路：采用 single-shot、温度 0、JSON Schema 严格解码；抽取结果检查点落盘、幂等指纹缓存、闸门自动修复与隔离转人工；实现作业持久化、启动恢复、Watchdog、SSE 心跳与断线重放，长链路失败可审计、可恢复。
3. 成本与容量工程：以“预生成 + 三级命中 + 静态分发”承担主要流量；按 1 万学生测算，峰值未命中仅 0.83 QPS、2000 路播放并发、约 97.8 Mbps 出口；放弃 MP4 路线，避免约 667 GPU 小时/批的渲染开销，生成成本控制在 1 元/天量级。
4. 单二进制交付与推理侧车：Go 静态二进制约 26MB，使用 go:embed 内嵌提示词、skills、词表、许可清单与 HTML 外壳，外网服务器零 Go/Python 运行时依赖；将 TTS、Embedding 推理拆为 Python 侧车，通过 OpenAI 兼容协议解耦，侧车故障只降级，不影响已生成内容播放。
5. 检索与知识准入：语义嵌入为主、词法检索降级兜底，检索延迟 10–24ms；18 条学生口吻查询 top3 命中率由 22% 提升至 78%；规则粗筛 + 小模型语义预检拦截闲聊、指令注入与无关内容，失败关闭并保留“去 AI 对话”出口。
6. 全栈与多端：Nuxt SSR 首屏、服务端/浏览器双侧 API 地址解析、Pinia 四态状态机、SSE 进度与断线重连、iframe 复用单文件播放器；PC 端已实现，小程序已实现；规划 Flutter 统一 Android/iOS，复用后端 API 与播放内核，避免三端重复实现。
角色：全栈 AI 架构师 / 技术负责人
技术栈：Go 1.26 / Gin / SQLite / SSE / go:embed、Python / FastAPI（原型与推理侧车）、Nuxt 4 / Vue 3 / Pinia / TypeScript / Element Plus、OpenAI 兼容 LLM / JSON Schema、sherpa-onnx / MeloTTS / BGE Embedding、Nginx / Docker / systemd、Playwright、Flutter。
核心职责与架构亮点
1. AI 生产系统架构：设计“Harness 确定性编排 + Agent 受控节点 + Gates 确定性闸门”三层架构；用 DAG 节点表统一 route / cache / extract / copygate / critic / render / qc / publish，把重试、降级、预算、进度事件从 prompt 移到代码，模型只负责结构化内容，不参与流程决策。
2. 可控生成链路：采用 single-shot、温度 0、JSON Schema 严格解码；抽取结果检查点落盘、幂等指纹缓存、闸门自动修复与隔离转人工；实现作业持久化、启动恢复、Watchdog、SSE 心跳与断线重放，长链路失败可审计、可恢复。
3. 成本与容量工程：以“预生成 + 三级命中 + 静态分发”承担主要流量；按 1 万学生测算，峰值未命中仅 0.83 QPS、2000 路播放并发、约 97.8 Mbps 出口；放弃 MP4 路线，避免约 667 GPU 小时/批的渲染开销，生成成本控制在 1 元/天量级。
4. 单二进制交付与推理侧车：Go 静态二进制约 26MB，使用 go:embed 内嵌提示词、skills、词表、许可清单与 HTML 外壳，外网服务器零 Go/Python 运行时依赖；将 TTS、Embedding 推理拆为 Python 侧车，通过 OpenAI 兼容协议解耦，侧车故障只降级，不影响已生成内容播放。
5. 检索与知识准入：语义嵌入为主、词法检索降级兜底，检索延迟 10–24ms；18 条学生口吻查询 top3 命中率由 22% 提升至 78%；规则粗筛 + 小模型语义预检拦截闲聊、指令注入与无关内容，失败关闭并保留“去 AI 对话”出口。
6. 全栈与多端：Nuxt SSR 首屏、服务端/浏览器双侧 API 地址解析、Pinia 四态状态机、SSE 进度与断线重连、iframe 复用单文件播放器；PC 端已实现，小程序已实现；规划 Flutter 统一 Android/iOS，复用后端 API 与播放内核，避免三端重复实现。
团队情况
整包服务：
微信公众号开发微信小程序开发PC网站开发H5网站开发App开发WebApp开发文档原型图UI设计运维类开发DBA开发AI类开发其他开发
负责人：
java架构师
团队成员：
产品经理 UI设计师 iOS工程师 安卓工程师 前端工程师 后端工程师
ID:221866
复制
方天培
有团队 · 可整包
java架构师 · 14年经验 · 上海汽车集团
0
累计接单
0
用户评价
1
被收藏
信用行为
0
接单数
0
评价数
1
收藏数
技术能力
一、工作职责
- 负责平台整体技术架构、技术选型和关键模块设计，覆盖 AI 生成链路、Go/Python 后端、Nuxt 前端、多端接入、部署运维与内容合规。
- 负责将 Python/FastAPI 原型演进为 Go 生产架构，明确“产品逻辑在 Go、推理能力在 Python 侧车”的边界。
- 负责 AI 生成系统的稳定性、成本、容量和可运维性设计，确保模型能力可控制、可降级、可审计。
- 负责前端 PC 端与多端架构，推动小程序落地，并规划 Flutter 统一 Android/iOS。
二、工作内容
- AI 生成链路：设计 Harness + Agent + Gates 三层架构，用 DAG 节点表统一 route / cache / extract / copygate / critic / render / qc / publish；流程、重试、降级、预算和进度事件全部代码化，模型只作为受控节点产出结构化内容。
- 可控 Agent 工程：采用 single-shot、温度 0、JSON Schema 严格解码；实现检查点落盘、幂等缓存、闸门自动修复、隔离转人工、受限修订和反馈 diff 审计，避免模型绕过校验直接上架。
- 后端架构：基于 Go/Gin、SQLite、SSE 和 goroutine 作业池实现生成服务；支持并发闸门、队列背压、同标题合并、作业恢复、Watchdog、原子写和单静态二进制交付。
三、工作成果
- 交付成果：实现约 30MB 的 Go 单静态二进制，外网服务器无需安装 Go/Python 运行时即可部署。
- 容量与成本：按 1 万学生规模完成容量测算，峰值未命中约 0.83 QPS、2000 路播放并发、出口约 97.8 Mbps、月流量约 967 GB。
- 性能提升：混合检索延迟 10–24ms；18 条学生口吻查询的 top3 命中率由 22% 提升至 78%。
四、能力体现
- AI 应用架构能力：能把 LLM 的不确定性收敛为确定性生产链路，清楚“什么交给模型、什么必须交给规则和闸门”。
- 成本与容量工程能力：不只是实现功能，还能从并发、带宽、缓存、预生成和边际成本角度做架构取舍。
- 全栈交付能力：具备 Go/Python 后端、Nuxt/Vue 前端、SSE、SQLite、Nginx、Docker、多端接入的完整落地经验。
能力关键词
AI 应用架构、Harness Engineering、Agent Engineering、RAG、混合检索、LLM 成本控制、Go / Gin、Python / FastAPI、Nuxt / Vue3
- 负责平台整体技术架构、技术选型和关键模块设计，覆盖 AI 生成链路、Go/Python 后端、Nuxt 前端、多端接入、部署运维与内容合规。
- 负责将 Python/FastAPI 原型演进为 Go 生产架构，明确“产品逻辑在 Go、推理能力在 Python 侧车”的边界。
- 负责 AI 生成系统的稳定性、成本、容量和可运维性设计，确保模型能力可控制、可降级、可审计。
- 负责前端 PC 端与多端架构，推动小程序落地，并规划 Flutter 统一 Android/iOS。
二、工作内容
- AI 生成链路：设计 Harness + Agent + Gates 三层架构，用 DAG 节点表统一 route / cache / extract / copygate / critic / render / qc / publish；流程、重试、降级、预算和进度事件全部代码化，模型只作为受控节点产出结构化内容。
- 可控 Agent 工程：采用 single-shot、温度 0、JSON Schema 严格解码；实现检查点落盘、幂等缓存、闸门自动修复、隔离转人工、受限修订和反馈 diff 审计，避免模型绕过校验直接上架。
- 后端架构：基于 Go/Gin、SQLite、SSE 和 goroutine 作业池实现生成服务；支持并发闸门、队列背压、同标题合并、作业恢复、Watchdog、原子写和单静态二进制交付。
三、工作成果
- 交付成果：实现约 30MB 的 Go 单静态二进制，外网服务器无需安装 Go/Python 运行时即可部署。
- 容量与成本：按 1 万学生规模完成容量测算，峰值未命中约 0.83 QPS、2000 路播放并发、出口约 97.8 Mbps、月流量约 967 GB。
- 性能提升：混合检索延迟 10–24ms；18 条学生口吻查询的 top3 命中率由 22% 提升至 78%。
四、能力体现
- AI 应用架构能力：能把 LLM 的不确定性收敛为确定性生产链路，清楚“什么交给模型、什么必须交给规则和闸门”。
- 成本与容量工程能力：不只是实现功能，还能从并发、带宽、缓存、预生成和边际成本角度做架构取舍。
- 全栈交付能力：具备 Go/Python 后端、Nuxt/Vue 前端、SSE、SQLite、Nginx、Docker、多端接入的完整落地经验。
能力关键词
AI 应用架构、Harness Engineering、Agent Engineering、RAG、混合检索、LLM 成本控制、Go / Gin、Python / FastAPI、Nuxt / Vue3
项目经验
AI 知识伴侣 / 知识点视频平台
角色：全栈 AI 架构师 / 技术负责人
技术栈：Go 1.26 / Gin / SQLite / SSE / go:embed、Python / FastAPI（原型与推理侧车）、Nuxt 4 / Vue 3 / Pinia / TypeScript / Element Plus、OpenAI 兼容 LLM / JSON Schema、sherpa-onnx / MeloTTS / BGE Embedding、Nginx / Docker / systemd、Playwright、Flutter。
核心职责与架构亮点
1. AI 生产系统架构：设计“Harness 确定性编排 + Agent 受控节点 + Gates 确定性闸门”三层架构；用 DAG 节点表统一 route / cache / extract / copygate / critic / render / qc / publish，把重试、降级、预算、进度事件从 prompt 移到代码，模型只负责结构化内容，不参与流程决策。
2. 可控生成链路：采用 single-shot、温度 0、JSON Schema 严格解码；抽取结果检查点落盘、幂等指纹缓存、闸门自动修复与隔离转人工；实现作业持久化、启动恢复、Watchdog、SSE 心跳与断线重放，长链路失败可审计、可恢复。
3. 成本与容量工程：以“预生成 + 三级命中 + 静态分发”承担主要流量；按 1 万学生测算，峰值未命中仅 0.83 QPS、2000 路播放并发、约 97.8 Mbps 出口；放弃 MP4 路线，避免约 667 GPU 小时/批的渲染开销，生成成本控制在 1 元/天量级。
4. 单二进制交付与推理侧车：Go 静态二进制约 26MB，使用 go:embed 内嵌提示词、skills、词表、许可清单与 HTML 外壳，外网服务器零 Go/Python 运行时依赖；将 TTS、Embedding 推理拆为 Python 侧车，通过 OpenAI 兼容协议解耦，侧车故障只降级，不影响已生成内容播放。
5. 检索与知识准入：语义嵌入为主、词法检索降级兜底，检索延迟 10–24ms；18 条学生口吻查询 top3 命中率由 22% 提升至 78%；规则粗筛 + 小模型语义预检拦截闲聊、指令注入与无关内容，失败关闭并保留“去 AI 对话”出口。
6. 全栈与多端：Nuxt SSR 首屏、服务端/浏览器双侧 API 地址解析、Pinia 四态状态机、SSE 进度与断线重连、iframe 复用单文件播放器；PC 端已实现，小程序已实现；规划 Flutter 统一 Android/iOS，复用后端 API 与播放内核，避免三端重复实现。
角色：全栈 AI 架构师 / 技术负责人
技术栈：Go 1.26 / Gin / SQLite / SSE / go:embed、Python / FastAPI（原型与推理侧车）、Nuxt 4 / Vue 3 / Pinia / TypeScript / Element Plus、OpenAI 兼容 LLM / JSON Schema、sherpa-onnx / MeloTTS / BGE Embedding、Nginx / Docker / systemd、Playwright、Flutter。
核心职责与架构亮点
1. AI 生产系统架构：设计“Harness 确定性编排 + Agent 受控节点 + Gates 确定性闸门”三层架构；用 DAG 节点表统一 route / cache / extract / copygate / critic / render / qc / publish，把重试、降级、预算、进度事件从 prompt 移到代码，模型只负责结构化内容，不参与流程决策。
2. 可控生成链路：采用 single-shot、温度 0、JSON Schema 严格解码；抽取结果检查点落盘、幂等指纹缓存、闸门自动修复与隔离转人工；实现作业持久化、启动恢复、Watchdog、SSE 心跳与断线重放，长链路失败可审计、可恢复。
3. 成本与容量工程：以“预生成 + 三级命中 + 静态分发”承担主要流量；按 1 万学生测算，峰值未命中仅 0.83 QPS、2000 路播放并发、约 97.8 Mbps 出口；放弃 MP4 路线，避免约 667 GPU 小时/批的渲染开销，生成成本控制在 1 元/天量级。
4. 单二进制交付与推理侧车：Go 静态二进制约 26MB，使用 go:embed 内嵌提示词、skills、词表、许可清单与 HTML 外壳，外网服务器零 Go/Python 运行时依赖；将 TTS、Embedding 推理拆为 Python 侧车，通过 OpenAI 兼容协议解耦，侧车故障只降级，不影响已生成内容播放。
5. 检索与知识准入：语义嵌入为主、词法检索降级兜底，检索延迟 10–24ms；18 条学生口吻查询 top3 命中率由 22% 提升至 78%；规则粗筛 + 小模型语义预检拦截闲聊、指令注入与无关内容，失败关闭并保留“去 AI 对话”出口。
6. 全栈与多端：Nuxt SSR 首屏、服务端/浏览器双侧 API 地址解析、Pinia 四态状态机、SSE 进度与断线重连、iframe 复用单文件播放器；PC 端已实现，小程序已实现；规划 Flutter 统一 Android/iOS，复用后端 API 与播放内核，避免三端重复实现。
团队情况
服务范围：
团队构成：
负责人(java架构师)
|
核心队员：产品经理 ·
UI设计师 ·
iOS工程师 ·
安卓工程师 ·
前端工程师 ·
后端工程师
立即沟通
