模型微调：掌握大模型微调技术，熟悉 PEFT 工具，具备 LoRA、Prefix Tuning 等高效微调经验。
分布式训练：熟悉 Accelerate 分布式训练框架，能够简化多 GPU 和多机训练配置，提升大模型训练效
率。
接口开发：熟悉 FastAPI，能够基于 RESTful API 设计大模型（如 GPT、BERT）接口设计与开发，实现大模
型调用与推理服务。
Web 开发：了解 Flask 和 Django 后端框架；
容器部署：具备一定 Docker 的微服务容器化部署经验；
数据库:熟悉 MySQL 数据库的设计和优化，了解 Redis 缓存数据库的基本使用。
编程语言：熟练掌握 Python，具备良好的代码编写规范和设计能力，
爬虫框架：熟悉scrapy、playwright 等框架和异步工具使用，具备将大语言模型（LLM）与爬虫相结合的
能力，能够快速将爬取的数据处理为结构化数据
自然语言处理：熟悉 Transformers，具备文本处理、情感分析、命名实体识别经验，能够训练和优化对话
模型，提高对话自然性与准确性。
RAG 开发：熟悉 RAG 流程，具备基于向量数据库(FAISS)与 BM25 检索结果重排序(rerank)，提高模型的准确性与响应速度。
Agents 开发:熟悉 Langchain 框架，熟悉 workflow 的开发与智能代理(Agent)。
计算机视觉：了解 YOLO，OpenCV 等框架，具备一定的图像处理、特征提取、目标检测能力。
模型部署：熟悉 Dify、Ollama 等框架，具备大模型推理与部署经验。

1.客服知识库系统开发
项目描述：
基于RAG技术，通过 BM25关键词索引和 FAISS 向量检索实现精准知识召回，并结合微调后的大语言模型提供高质量答案，提高客服技术水平与响应速度，提升用户满意度。
技术栈：
LlamafactoryLangchain,transformers,FastAPI,FAISS,Peft,Accelerate,pytorch,ollama,finebi,BM25
主要职责：
数据收集与整合：采集多源数据，包括 Wiki、飞书云文档、历史客服聊天记录、FAQ 文档和设备维修手册等，并进行标准化处理。
文本预处理与清洗：采用正则表达式、NLTK、jieba等库进行分词、去停用词、文本去重、特殊符号清理等，提升文本质量，转换为训练数据。
RAG 架构实现：通过结合 BM25 关键词索引和 FAISS 向量索引，实现混合倒序召回重排策略，提高 检索内容的相关性与多样性。
微调与优化：针对 3D 打印行业特定问题和术语，通过行业数据的标注与训练，微调大语言模型，提高其对行业术语、故障类型的理解和处理能力。
部署与集成：将模型部署在 Ollama 平台提供推理效率，并使用 FastAPI 开发接口，提供智能客服服务，并与其他系统集成。
项目成果：
平台的智能知识库推荐和检索功能，使客服平均响应时间缩短 20%，有效减少了用户等待时间，提高了用户的满意度。
通过知识库自动更新和模型优化，客服培训周期缩短，团队整体作业能力提升。