想好
python后端开发工程师
杭州漠坦尼技术有限公司 · 2年经验
日薪：
￥500/8h
地点：
成都 武侯
时间：
下班后
信用行为
0
接单数
0
评价数
2
收藏数
技术能力
1. Django开发能力
- 熟练使用Django + DRF搭建高可用RESTful API，精通MVT架构设计，能独立完成从数据库建模（MySQL/PostgreSQL）到接口开发、权限控制（JWT/OAuth2）的全流程；
- 掌握Django中间件、信号机制、缓存策略（Redis）及异步任务（Celery）开发，可优化项目性能，解决高并发场景下的响应延迟问题；
- 熟悉Django与前端框架（Vue/React）的联调适配，能规范接口文档（Swagger），保障前后端协作效率，同时具备Docker容器化部署Django项目的实战经验。
2. 大模型相关能力
- 精通Python生态，熟练使用PyTorch、Transformers库进行大模型微调（LoRA/QLoRA），能针对特定场景（如文本生成、信息抽取）优化模型效果；
- 掌握大模型本地部署与量化，熟悉ComfyUI、LangChain框架，能搭建RAG知识库系统，实现私有数据与大模型的高效联动；
- 了解AIGC应用开发，可结合Django后端搭建大模型应用接口，实现文本生成、图像推理等功能的工程化落地，具备大模型与传统Web系统融合的实战能力。
- 熟练使用Django + DRF搭建高可用RESTful API，精通MVT架构设计，能独立完成从数据库建模（MySQL/PostgreSQL）到接口开发、权限控制（JWT/OAuth2）的全流程；
- 掌握Django中间件、信号机制、缓存策略（Redis）及异步任务（Celery）开发，可优化项目性能，解决高并发场景下的响应延迟问题；
- 熟悉Django与前端框架（Vue/React）的联调适配，能规范接口文档（Swagger），保障前后端协作效率，同时具备Docker容器化部署Django项目的实战经验。
2. 大模型相关能力
- 精通Python生态，熟练使用PyTorch、Transformers库进行大模型微调（LoRA/QLoRA），能针对特定场景（如文本生成、信息抽取）优化模型效果；
- 掌握大模型本地部署与量化，熟悉ComfyUI、LangChain框架，能搭建RAG知识库系统，实现私有数据与大模型的高效联动；
- 了解AIGC应用开发，可结合Django后端搭建大模型应用接口，实现文本生成、图像推理等功能的工程化落地，具备大模型与传统Web系统融合的实战能力。
项目经验
项目一：基于Django的智能文档问答系统
- 项目角色：核心开发工程师（独立负责后端与大模型模块）
- 项目描述：为企业搭建私有文档问答平台，支持PDF、Word等格式文档上传、解析，结合大模型实现精准问答、信息提炼与格式生成；
- 核心职责：
1. 用Django + DRF开发文档上传、解析、存储接口，集成pdfplumber、python-docx实现文档内容提取与结构化处理；
2. 基于LangChain搭建RAG架构，对接本地量化后的Llama 3模型，优化向量检索（FAISS）效率，提升问答准确率；
3. 开发权限管理模块（基于Django Auth扩展），支持多角色访问控制，集成Redis缓存热点问答结果，响应速度提升60%；
4. 用Docker封装项目，编写Docker Compose实现Django、Redis、向量数据库的一键部署，保障环境一致性。
项目二：Django + 大模型的个性化推荐后端系统
- 项目角色：后端开发工程师（负责核心逻辑与模型集成）
- 项目描述：为内容平台开发个性化推荐系统，结合用户行为数据与大模型，实现精准的内容推荐与文本生成；
- 核心职责：
1. 设计用户行为数据采集接口（浏览、点赞、收藏），用Django ORM优化数据库查询，通过Celery异步处理数据统计任务；
2. 基于用户画像数据，使用微调后的BERT模型进行兴趣分类，结合大模型生成个性化推荐文案，通过Django接口提供给前端；
3. 集成Redis实现用户行为缓存与推荐结果存储，优化并发处理能力，支持日均10万+请求的稳定响应；
4. 编写接口测试用例（pytest），保障接口稳定性，配合前端完成联调，迭代优化推荐算法效果。
项目三：企业内部大模型工具平台（Django后端）
- 项目角色：全栈开发工程师（后端主导+前端适配）
- 项目描述：为企业内部开发集文本生成、代码辅助、数据可视化于一体的大模型工具平台，降低非技术人员的大模型使用门槛；
- 核心职责：
1. 用Django搭建后端框架，开发用户管理、工具权限、任务调度等核心模块，集成Celery处理大模型推理的异步任务；
2. 对接通义千问API与本地部署的CodeLlama模型，开发代码生成、文本润色、数据报表生成等功能接口；
3. 优化大模型请求限流、错误重试机制，通过Redis缓存常用模板与推理结果，提升平台使用流畅度；
4. 适配Vue前端页面，规范接口文档，解决跨域、数据格式兼容问题，完成平台上线部署与后续迭代维护。
- 项目角色：核心开发工程师（独立负责后端与大模型模块）
- 项目描述：为企业搭建私有文档问答平台，支持PDF、Word等格式文档上传、解析，结合大模型实现精准问答、信息提炼与格式生成；
- 核心职责：
1. 用Django + DRF开发文档上传、解析、存储接口，集成pdfplumber、python-docx实现文档内容提取与结构化处理；
2. 基于LangChain搭建RAG架构，对接本地量化后的Llama 3模型，优化向量检索（FAISS）效率，提升问答准确率；
3. 开发权限管理模块（基于Django Auth扩展），支持多角色访问控制，集成Redis缓存热点问答结果，响应速度提升60%；
4. 用Docker封装项目，编写Docker Compose实现Django、Redis、向量数据库的一键部署，保障环境一致性。
项目二：Django + 大模型的个性化推荐后端系统
- 项目角色：后端开发工程师（负责核心逻辑与模型集成）
- 项目描述：为内容平台开发个性化推荐系统，结合用户行为数据与大模型，实现精准的内容推荐与文本生成；
- 核心职责：
1. 设计用户行为数据采集接口（浏览、点赞、收藏），用Django ORM优化数据库查询，通过Celery异步处理数据统计任务；
2. 基于用户画像数据，使用微调后的BERT模型进行兴趣分类，结合大模型生成个性化推荐文案，通过Django接口提供给前端；
3. 集成Redis实现用户行为缓存与推荐结果存储，优化并发处理能力，支持日均10万+请求的稳定响应；
4. 编写接口测试用例（pytest），保障接口稳定性，配合前端完成联调，迭代优化推荐算法效果。
项目三：企业内部大模型工具平台（Django后端）
- 项目角色：全栈开发工程师（后端主导+前端适配）
- 项目描述：为企业内部开发集文本生成、代码辅助、数据可视化于一体的大模型工具平台，降低非技术人员的大模型使用门槛；
- 核心职责：
1. 用Django搭建后端框架，开发用户管理、工具权限、任务调度等核心模块，集成Celery处理大模型推理的异步任务；
2. 对接通义千问API与本地部署的CodeLlama模型，开发代码生成、文本润色、数据报表生成等功能接口；
3. 优化大模型请求限流、错误重试机制，通过Redis缓存常用模板与推理结果，提升平台使用流畅度；
4. 适配Vue前端页面，规范接口文档，解决跨域、数据格式兼容问题，完成平台上线部署与后续迭代维护。
团队情况
整包服务：
微信小程序开发PC网站开发App开发WebApp开发文档原型图UI设计游戏类开发智能硬件开发运维类开发其他开发
负责人：
python后端开发工程师
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
想好
有团队 · 可整包
python后端开发工程师 · 2年经验 · 杭州漠坦尼技术有限公司
0
累计接单
0
用户评价
2
被收藏
信用行为
0
接单数
0
评价数
2
收藏数
技术能力
1. Django开发能力
- 熟练使用Django + DRF搭建高可用RESTful API，精通MVT架构设计，能独立完成从数据库建模（MySQL/PostgreSQL）到接口开发、权限控制（JWT/OAuth2）的全流程；
- 掌握Django中间件、信号机制、缓存策略（Redis）及异步任务（Celery）开发，可优化项目性能，解决高并发场景下的响应延迟问题；
- 熟悉Django与前端框架（Vue/React）的联调适配，能规范接口文档（Swagger），保障前后端协作效率，同时具备Docker容器化部署Django项目的实战经验。
2. 大模型相关能力
- 精通Python生态，熟练使用PyTorch、Transformers库进行大模型微调（LoRA/QLoRA），能针对特定场景（如文本生成、信息抽取）优化模型效果；
- 掌握大模型本地部署与量化，熟悉ComfyUI、LangChain框架，能搭建RAG知识库系统，实现私有数据与大模型的高效联动；
- 了解AIGC应用开发，可结合Django后端搭建大模型应用接口，实现文本生成、图像推理等功能的工程化落地，具备大模型与传统Web系统融合的实战能力。
- 熟练使用Django + DRF搭建高可用RESTful API，精通MVT架构设计，能独立完成从数据库建模（MySQL/PostgreSQL）到接口开发、权限控制（JWT/OAuth2）的全流程；
- 掌握Django中间件、信号机制、缓存策略（Redis）及异步任务（Celery）开发，可优化项目性能，解决高并发场景下的响应延迟问题；
- 熟悉Django与前端框架（Vue/React）的联调适配，能规范接口文档（Swagger），保障前后端协作效率，同时具备Docker容器化部署Django项目的实战经验。
2. 大模型相关能力
- 精通Python生态，熟练使用PyTorch、Transformers库进行大模型微调（LoRA/QLoRA），能针对特定场景（如文本生成、信息抽取）优化模型效果；
- 掌握大模型本地部署与量化，熟悉ComfyUI、LangChain框架，能搭建RAG知识库系统，实现私有数据与大模型的高效联动；
- 了解AIGC应用开发，可结合Django后端搭建大模型应用接口，实现文本生成、图像推理等功能的工程化落地，具备大模型与传统Web系统融合的实战能力。
项目经验
项目一：基于Django的智能文档问答系统
- 项目角色：核心开发工程师（独立负责后端与大模型模块）
- 项目描述：为企业搭建私有文档问答平台，支持PDF、Word等格式文档上传、解析，结合大模型实现精准问答、信息提炼与格式生成；
- 核心职责：
1. 用Django + DRF开发文档上传、解析、存储接口，集成pdfplumber、python-docx实现文档内容提取与结构化处理；
2. 基于LangChain搭建RAG架构，对接本地量化后的Llama 3模型，优化向量检索（FAISS）效率，提升问答准确率；
3. 开发权限管理模块（基于Django Auth扩展），支持多角色访问控制，集成Redis缓存热点问答结果，响应速度提升60%；
4. 用Docker封装项目，编写Docker Compose实现Django、Redis、向量数据库的一键部署，保障环境一致性。
项目二：Django + 大模型的个性化推荐后端系统
- 项目角色：后端开发工程师（负责核心逻辑与模型集成）
- 项目描述：为内容平台开发个性化推荐系统，结合用户行为数据与大模型，实现精准的内容推荐与文本生成；
- 核心职责：
1. 设计用户行为数据采集接口（浏览、点赞、收藏），用Django ORM优化数据库查询，通过Celery异步处理数据统计任务；
2. 基于用户画像数据，使用微调后的BERT模型进行兴趣分类，结合大模型生成个性化推荐文案，通过Django接口提供给前端；
3. 集成Redis实现用户行为缓存与推荐结果存储，优化并发处理能力，支持日均10万+请求的稳定响应；
4. 编写接口测试用例（pytest），保障接口稳定性，配合前端完成联调，迭代优化推荐算法效果。
项目三：企业内部大模型工具平台（Django后端）
- 项目角色：全栈开发工程师（后端主导+前端适配）
- 项目描述：为企业内部开发集文本生成、代码辅助、数据可视化于一体的大模型工具平台，降低非技术人员的大模型使用门槛；
- 核心职责：
1. 用Django搭建后端框架，开发用户管理、工具权限、任务调度等核心模块，集成Celery处理大模型推理的异步任务；
2. 对接通义千问API与本地部署的CodeLlama模型，开发代码生成、文本润色、数据报表生成等功能接口；
3. 优化大模型请求限流、错误重试机制，通过Redis缓存常用模板与推理结果，提升平台使用流畅度；
4. 适配Vue前端页面，规范接口文档，解决跨域、数据格式兼容问题，完成平台上线部署与后续迭代维护。
- 项目角色：核心开发工程师（独立负责后端与大模型模块）
- 项目描述：为企业搭建私有文档问答平台，支持PDF、Word等格式文档上传、解析，结合大模型实现精准问答、信息提炼与格式生成；
- 核心职责：
1. 用Django + DRF开发文档上传、解析、存储接口，集成pdfplumber、python-docx实现文档内容提取与结构化处理；
2. 基于LangChain搭建RAG架构，对接本地量化后的Llama 3模型，优化向量检索（FAISS）效率，提升问答准确率；
3. 开发权限管理模块（基于Django Auth扩展），支持多角色访问控制，集成Redis缓存热点问答结果，响应速度提升60%；
4. 用Docker封装项目，编写Docker Compose实现Django、Redis、向量数据库的一键部署，保障环境一致性。
项目二：Django + 大模型的个性化推荐后端系统
- 项目角色：后端开发工程师（负责核心逻辑与模型集成）
- 项目描述：为内容平台开发个性化推荐系统，结合用户行为数据与大模型，实现精准的内容推荐与文本生成；
- 核心职责：
1. 设计用户行为数据采集接口（浏览、点赞、收藏），用Django ORM优化数据库查询，通过Celery异步处理数据统计任务；
2. 基于用户画像数据，使用微调后的BERT模型进行兴趣分类，结合大模型生成个性化推荐文案，通过Django接口提供给前端；
3. 集成Redis实现用户行为缓存与推荐结果存储，优化并发处理能力，支持日均10万+请求的稳定响应；
4. 编写接口测试用例（pytest），保障接口稳定性，配合前端完成联调，迭代优化推荐算法效果。
项目三：企业内部大模型工具平台（Django后端）
- 项目角色：全栈开发工程师（后端主导+前端适配）
- 项目描述：为企业内部开发集文本生成、代码辅助、数据可视化于一体的大模型工具平台，降低非技术人员的大模型使用门槛；
- 核心职责：
1. 用Django搭建后端框架，开发用户管理、工具权限、任务调度等核心模块，集成Celery处理大模型推理的异步任务；
2. 对接通义千问API与本地部署的CodeLlama模型，开发代码生成、文本润色、数据报表生成等功能接口；
3. 优化大模型请求限流、错误重试机制，通过Redis缓存常用模板与推理结果，提升平台使用流畅度；
4. 适配Vue前端页面，规范接口文档，解决跨域、数据格式兼容问题，完成平台上线部署与后续迭代维护。
团队情况
服务范围：
团队构成：
负责人(python后端开发工程师)
|
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
