熟悉Python进行大模型微调,包括模型参数调整、特征提取和下游任务优化,具备构建智能问答系统(RAG系统)的能力,能够将外部知识库与模型能力相结合;擅长使用FastAPI框架开发高效、可靠的后端服务,能够快速搭建RESTful API并实现高性能数据交互;熟练运用Golang的Gin框架和Gokit工具包进行后端开发,能够构建高性能、低延迟的服务,并在微服务架构中实现模块化开发;具备扎实的数据库设计能力,熟悉ProxySQL的应用,能够在高可用性和读写分离场景中实现数据库负载均衡,掌握分布式事务的设计与实现,确保数据一致性;熟悉Redis的核心功能,能够利用其实现缓存、队列、锁机制等场景,并在高并发场景下优化其性能;熟悉RabbitMQ消息队列,能够在分布式系统中实现高效的异步通信和可靠的消息传递;精通Elasticsearch的应用与优化,能够构建大规模数据的索引和查询系统,并在复杂场景中实现高性能的全文检索和数据分析;熟悉MinIO对象存储,能够在分布式环境下实现高效的文件存储与管理,满足大规模数据存储需求;具备在高并发、分布式场景下进行系统设计与架构优化的能力,能够为复杂系统提供可靠的技术方案和实现。
高校智能辅助授课系统!基于现有大模型进行微调和rag系统构建完成高可用高并发的智能学习平台(pyhton、golang、redis、rabbimq、es)
· 该项目基于BigCache设计思路,通过将缓存划分为512个Bucket。每个Bucket都有自己的锁,实现在多CPU性能扩展。同时采用多Hash结构优化了实现了SetM2One 方法,优化了内存浪费和简化批量操作,提高操作效率,节省内存提高并发性能! · 项目特点 ·
· 该项目采用多种技术栈共同完成。在文件基本管理中,采用GIN和Go-kit构建一款微服务的项目,同时配合Minio进行对象存储。该助手不仅支持文件的基本管理,还具备高效的检索能力,并且能够处理多模态数据(文本、语音、图像),提供智能问答和对话存储功能。同时在该系统下通过对历史的