技术能力

1.核心后端与分布式架构：精通 Go/Python，擅长设计高并发微服务。熟练掌握 MySQL（分库分表）、PostgreSQL 及向量数据库（如 Milvus、PGVector）。深入使用 Redis（缓存/消息队列）、Kafka，并基于 Docker、Kubernetes 与 Helm 实现容器化编排与云原生部署。熟悉 gRPC、Prometheus/Grafana 监控体系及 AWS/Aliyun 云服务。
2.算法模型与AI工程化：深入掌握 PyTorch、TensorFlow 框架及 Transformers 生态。具备大语言模型（LLM）的全流程能力，包括预训练数据构建、指令微调（SFT）、奖励模型训练与人类反馈强化学习（RLHF）。熟练运用 LangChain、LlamaIndex 构建复杂Agent与RAG（检索增强生成）应用，并精通使用 vLLM、TGI 进行大模型的高性能推理服务化部署。熟悉模型量化（GGUF、AWQ）、LoRA/QLoRA微调等轻量化技术，以及DSPy 等最新编程框架。
3.系统整合与优化：擅长将大模型能力封装为标准化、低延迟的API服务，并通过弹性伸缩、动态批处理、持续推理等技术优化资源利用率与成本。关注从数据管道、模型训练、服务部署到在线学习的完整MLOps闭环，能利用 MLflow、Weights & Biases 进行实验追踪与管理。

项目经验

1.千万级用户智能客服系统：基于微服务架构整合LLM，使用LangChain与RAG技术，结合Milvus向量数据库，实现95%的自动应答率，日均处理问答2000万次。
2.电商个性化推荐平台：构建融合Transformer与协同过滤的混合模型，通过Kafka实时处理用户行为，使用Redis缓存热点推荐，将点击率提升18%，支撑亿级商品库。
3.跨模态内容审核引擎：部署多模态模型（图像、文本、视频），通过GPU集群实现并发推理，建立自动化审核流水线，每日处理内容超1亿条，准确率99.5%。
4.金融风控与预测系统：开发时序预测与异常检测模型，整合实时交易数据流，利用特征工程与XGBoost/LightGBM模型，将风险识别提前至毫秒级，减少30%潜在损失。
5.智慧城市交通流预测平台：利用图神经网络（GNN）与时空数据建模，处理海量IoT传感器数据，通过云原生服务部署，实现区域流量预测准确率88%，助力动态调度。
6.企业级知识管理与问答中台：为客户构建私有化RAG系统，微调嵌入模型，集成OA与数据库，实现非结构化文档智能检索，将知识查找效率提升70%。
7.AI低代码应用开发平台：设计可视化编排界面，后端封装LLM、OCR、语音等AI能力为标准化API，支持快速组合与部署，已上线超500个企业定制化AI应用。

团队情况