星
后端工程师 · 1年经验 · 广州通易科技
0
累计接单
0
用户评价
0
被收藏
技术能力
熟练掌握 Python、TypeScript、Java、Kotlin 及 SQL 等核心开发语言，专注于 AI Agent 智能体架构、AI Infra 以及端侧 AI 推理系统的开发与工程落地。
在 AI 大模型应用领域，深入理解并具备丰富的 LangGraph 图式多智能体协同编排、任务拓扑驱动及工具自治路由的架构设计经验。熟练运用 FAISS 向量检索与 BM25 传统检索，掌握基于 RRF（倒数排名融合）、Cross-Encoder 深度重排以及查询重写（Query Rewriting）的混合检索（RAG）优化技术。熟悉基于 RAGAS 的自动化检索质控评估体系，能有效治理大语言模型的数值幻觉与语义偏差。
在端侧 AI 与 Infra 领域，具备端侧异构算力调度经验，熟练使用 LiteRT-LM 框架在移动端部署开源大模型，掌握 GPU 优先与 CPU 自动降级策略，并能通过投机采样技术实现推理加速。熟练运用 ONNX Runtime 部署多模态 CLIP 模型进行零样本目标检测。后端侧熟悉基于 FastAPI 的高性能异步接口开发，并能熟练结合企业级数据库（如 Oracle、PostgreSQL）进行复杂数据流管理，具备大规模数据交互的生产环境实践经验。
在 AI 大模型应用领域，深入理解并具备丰富的 LangGraph 图式多智能体协同编排、任务拓扑驱动及工具自治路由的架构设计经验。熟练运用 FAISS 向量检索与 BM25 传统检索，掌握基于 RRF（倒数排名融合）、Cross-Encoder 深度重排以及查询重写（Query Rewriting）的混合检索（RAG）优化技术。熟悉基于 RAGAS 的自动化检索质控评估体系，能有效治理大语言模型的数值幻觉与语义偏差。
在端侧 AI 与 Infra 领域，具备端侧异构算力调度经验，熟练使用 LiteRT-LM 框架在移动端部署开源大模型，掌握 GPU 优先与 CPU 自动降级策略，并能通过投机采样技术实现推理加速。熟练运用 ONNX Runtime 部署多模态 CLIP 模型进行零样本目标检测。后端侧熟悉基于 FastAPI 的高性能异步接口开发，并能熟练结合企业级数据库（如 Oracle、PostgreSQL）进行复杂数据流管理，具备大规模数据交互的生产环境实践经验。
项目经验
项目一：港口危险货物智能数据分析系统（担任角色：后端负责人 / 核心架构师）
项目背景：系统初期基于单路径线性分析链，主要依赖系统接口或 Text2SQL 单工具处理，在面对多源数据组合、计划校验与复杂结果合并时扩展性严重不足。
核心技术：Python、Oracle、LangGraph、FastAPI、SSE
主要贡献：主导了基于 LangGraph 的图式动态编排架构重构，引入 Planner 路由机制，实现了系统接口、Text2SQL 与 Join 算子的高效动态协同。自主设计以结构化意图为核心的编排机制，由 Planner 结合工具能力、参数约束生成多步执行计划，并接入校验与拦截层，大幅提升了复杂多步查询的执行稳定性。针对多源异构数据，设计了“近期明细优先、超窗自动回退”的动态降级与联合补数路由策略。为了解决大模型的数值幻觉，剥离其计算职责，自研后端确定性聚合算子（完成求和、计数、分组统计），并引入状态声明防止数据冒充。同时，在入口层部署防模糊反问的拦截器，减少无效调用。最终成功实现了跨业务维度多源组合计算、SSE 状态流响应及结构化报表的一键导出。
项目二：多智能体金融分析与高质检索引擎（担任角色：AI Agent 架构师）
项目背景：传统单智能体或简单线性 RAG 在处理高专业度的多跳问答和复杂语料时，易出现视角片面、忠实度低以及信息检索不精准的问题。
核心技术：Python、LangGraph、FAISS、BM25、RAGAS、PostgreSQL
主要贡献：构建了一个包含数据抓取、多空双视角分析、对抗辩论及自省反思的复杂多智能体协同拓扑链条，通过引入激烈的辩论和纠偏机制，有效拉齐了大模型的认知偏差，消除了单一视角的输出盲区。全链路内嵌 RAGAS 自动化质控评估指标，底层检索创新地将向量检索与传统检索相结合，采用倒数排名融合（RRF）算法、深度重排以及查询重写技术，在万级复杂金融语料测试集下，使多跳问答的忠实度（Faithfulness）显著提升了 32%，实现了高可靠、工业级的智能问答与深度分析输出。
项目背景：系统初期基于单路径线性分析链，主要依赖系统接口或 Text2SQL 单工具处理，在面对多源数据组合、计划校验与复杂结果合并时扩展性严重不足。
核心技术：Python、Oracle、LangGraph、FastAPI、SSE
主要贡献：主导了基于 LangGraph 的图式动态编排架构重构，引入 Planner 路由机制，实现了系统接口、Text2SQL 与 Join 算子的高效动态协同。自主设计以结构化意图为核心的编排机制，由 Planner 结合工具能力、参数约束生成多步执行计划，并接入校验与拦截层，大幅提升了复杂多步查询的执行稳定性。针对多源异构数据，设计了“近期明细优先、超窗自动回退”的动态降级与联合补数路由策略。为了解决大模型的数值幻觉，剥离其计算职责，自研后端确定性聚合算子（完成求和、计数、分组统计），并引入状态声明防止数据冒充。同时，在入口层部署防模糊反问的拦截器，减少无效调用。最终成功实现了跨业务维度多源组合计算、SSE 状态流响应及结构化报表的一键导出。
项目二：多智能体金融分析与高质检索引擎（担任角色：AI Agent 架构师）
项目背景：传统单智能体或简单线性 RAG 在处理高专业度的多跳问答和复杂语料时，易出现视角片面、忠实度低以及信息检索不精准的问题。
核心技术：Python、LangGraph、FAISS、BM25、RAGAS、PostgreSQL
主要贡献：构建了一个包含数据抓取、多空双视角分析、对抗辩论及自省反思的复杂多智能体协同拓扑链条，通过引入激烈的辩论和纠偏机制，有效拉齐了大模型的认知偏差，消除了单一视角的输出盲区。全链路内嵌 RAGAS 自动化质控评估指标，底层检索创新地将向量检索与传统检索相结合，采用倒数排名融合（RRF）算法、深度重排以及查询重写技术，在万级复杂金融语料测试集下，使多跳问答的忠实度（Faithfulness）显著提升了 32%，实现了高可靠、工业级的智能问答与深度分析输出。
立即沟通
