Basty
Java/Python/前端高级开发运维
某上市集团 · 10年经验
日薪：
￥800/8h
地点：
上海
时间：
下班后周六周日可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
1、AI应用开发、智能体(Agent)开发、RAG(检索增强生成)、Prompt工程、LangChain/LangGraph、Spring AI/LangChain4j、向量数据库(Milvus/Chroma)、vLLM/Ollama、Dify/Coze
2、云原生与AI模型服务化部署
熟练掌握Docker、Kubernetes、Prometheus、Grafana等容器化部署监控工具。具备大模型推理服务的生产级部署经验，熟悉vLLM/TensorRT等推理加速框架，能够基于公有云实现AI应用及模型服务的高效容器化部署、弹性伸缩与迭代更新。
3、AI中间件与高可用架构设计
熟练掌握Nginx、Redis、Kafka、MongoDB等常用微服务中间件的部署与优化。熟悉向量数据库（如Milvus/Chroma）的选型与应用，具备RAG（检索增强生成）架构下的混合检索（BM25+向量）及重排序（Rerank）优化经验，能设计支撑高并发AI应用的高可用架构。
4、微服务云原生改造与AI应用落地
熟练掌握微服务容器化改造及云上资源规划。具备AI应用全链路工程化落地能力，主导设计过中大型项目的云原生改造，能将传统微服务平滑升级为支持大模型调用的智能应用，并负责AI服务的排错调优。
5、Java后端与Spring AI生态集成
具备五年以上Java开发经验，熟练掌握SpringBoot、SpringCloud（Nacos、Gateway、Hystrix）等微服务架构。熟悉Spring AI / LangChain4j等Java侧AI抽象框架，具备将大模型能力（ChatClient、Embedding、Tool调用）无缝集成到现有企业级微服务系统中的实战经验。
6、现场交付与AI项目管理
具有丰富的现场交付经验。能快速响应客户需求，适应较强的工作压力。在AI项目交付中，具备Token成本控制、模型幻觉治理、响应延迟优化及自动化评测体系搭建能力，保障智能体项目高质量交付。
7、Python智能体（Agent）开发
熟练运用Python及Web框架（Django、Flask、FastAPI）。熟练掌握智能体（Agent）开发范式（如ReAct、Plan-and-Execute），熟悉LangChain/LangGraph/AutoGen/CrewAI等多智能体编排框架。具备Function Calling（工具调用）、记忆管理（短期/长期记忆）的开发能力，能独立完成后端AI智能体服务的开发。
8、前端交互与AI应用集成
熟练掌握前端开发（JavaScript、HTML5、CSS3、Vue3、Node.js等）。具备AI对话界面（ChatUI）、智能体工作台及RAG知识库管理前端的开发经验，能与后端AI服务（FastAPI/Spring Boot）对接流式输出（SSE/WebSocket），实现端到端的AI应用集成。
2、云原生与AI模型服务化部署
熟练掌握Docker、Kubernetes、Prometheus、Grafana等容器化部署监控工具。具备大模型推理服务的生产级部署经验，熟悉vLLM/TensorRT等推理加速框架，能够基于公有云实现AI应用及模型服务的高效容器化部署、弹性伸缩与迭代更新。
3、AI中间件与高可用架构设计
熟练掌握Nginx、Redis、Kafka、MongoDB等常用微服务中间件的部署与优化。熟悉向量数据库（如Milvus/Chroma）的选型与应用，具备RAG（检索增强生成）架构下的混合检索（BM25+向量）及重排序（Rerank）优化经验，能设计支撑高并发AI应用的高可用架构。
4、微服务云原生改造与AI应用落地
熟练掌握微服务容器化改造及云上资源规划。具备AI应用全链路工程化落地能力，主导设计过中大型项目的云原生改造，能将传统微服务平滑升级为支持大模型调用的智能应用，并负责AI服务的排错调优。
5、Java后端与Spring AI生态集成
具备五年以上Java开发经验，熟练掌握SpringBoot、SpringCloud（Nacos、Gateway、Hystrix）等微服务架构。熟悉Spring AI / LangChain4j等Java侧AI抽象框架，具备将大模型能力（ChatClient、Embedding、Tool调用）无缝集成到现有企业级微服务系统中的实战经验。
6、现场交付与AI项目管理
具有丰富的现场交付经验。能快速响应客户需求，适应较强的工作压力。在AI项目交付中，具备Token成本控制、模型幻觉治理、响应延迟优化及自动化评测体系搭建能力，保障智能体项目高质量交付。
7、Python智能体（Agent）开发
熟练运用Python及Web框架（Django、Flask、FastAPI）。熟练掌握智能体（Agent）开发范式（如ReAct、Plan-and-Execute），熟悉LangChain/LangGraph/AutoGen/CrewAI等多智能体编排框架。具备Function Calling（工具调用）、记忆管理（短期/长期记忆）的开发能力，能独立完成后端AI智能体服务的开发。
8、前端交互与AI应用集成
熟练掌握前端开发（JavaScript、HTML5、CSS3、Vue3、Node.js等）。具备AI对话界面（ChatUI）、智能体工作台及RAG知识库管理前端的开发经验，能与后端AI服务（FastAPI/Spring Boot）对接流式输出（SSE/WebSocket），实现端到端的AI应用集成。
项目经验
项目经验一：智能办公多任务 Agent 平台
项目介绍：
为替代团队重复人工操作，基于 LangChain 与 LangGraph 开发了一套多任务智能办公 Agent 系统。系统涵盖会议智能整理（自动提取议题、待办、负责人）、代码提交合规检测（校验分支命名、commit 规范）、定向消息提醒（一对一推送告警与待办）以及会议室自动预订（冲突校验、人数匹配、自动通知）等核心功能，实现团队日常办公流程的自动化与智能化。
担任角色： 技术负责人
技术栈与AI技术点：
* 技术栈： Python、FastAPI、LangChain、LangGraph、Pydantic、APScheduler、MySQL、Git-API、内部审批/会议室接口。
* AI技术点： LangGraph 多任务工作流编排、自定义 Tool 工具集开发、Pydantic 结构化输出（强制 JSON/Markdown）、Prompt 工程、Agent 自动触发定时提醒机制。
* 技术能力：具备从零搭建多场景智能 Agent 应用的能力，熟练将大模型能力与业务系统（Git、OA 审批）深度结合，通过 Tool Calling 实现复杂任务的自动化闭环。
项目经验二：银行财报 RAG 结构化字段抽取服务
项目介绍：
面向银行授信贷前审查业务，针对分行大量 PDF、Word 及扫描版财务审计报告，传统人工提取关键字段（营收、总资产、净利润等）耗时且易出错。项目基于 RAG + 大模型搭建智能抽取接口，实现财报字段的自动化解析与结构化输出，对内提供高可用的数据能力，大幅降低风控人员人工录入成本。
担任角色：技术负责人
技术栈与AI技术点：
* 技术栈：Python、FastAPI、Uvicorn、LangChain、Milvus 向量库、Redis、pdfplumber、OCR、Docker、Loguru。
* AI技术点：RAG 检索增强生成全链路落地、语义分块 + 表格独立切片策略、Embedding 向量化、Top-K 召回、强约束结构化提示词设计、大模型输出自动重试机制。
* 技术能力： 精通 RAG 落地全流程，擅长处理超长文档的上下文超限问题；具备高并发 AI 接口开发经验，能通过缓存策略（MD5 去重）优化 Token 消耗与响应延迟。
项目经验三：跨境信用证单据大模型微调与抽取系统
项目介绍：
针对跨境零售出口业务量大的痛点，银行议付信用证整套单据（中英文混杂、手写批注、表格错乱）依靠传统正则和 OCR 规则抽取泛化能力极差。本项目构建了一套基于开源大模型微调的智能抽取服务，支持私有化部署、自定义字段，对外提供 HTTP 接口，彻底解决了复杂单据的自动化录入难题。
担任角色：技术负责人
技术栈与AI技术点：
* 技术栈：Python、FastAPI、Qwen 开源大模型、LoRA、Pandas、Docker。
* I技术点：大模型 LoRA 微调、数据集构建与训练参数调优、Prompt 工程、OCR 文本预处理与后处理校验、高并发推理接口开发。
* 技术能力： 掌握大模型微调全流程，能将开源模型适配到垂直业务场景；具备完整的 AI 模型训练、评估、压测及私有化上线交付能力。
项目经验四：实时语音 AI 客服与高级 RAG 知识库
项目介绍：
将运营和客户经理的微信对话数据经数据中台清洗后建立 RAG 知识库，构建可实时语音交互的智能客服系统，承接客户咨询和引导下单的全流程。项目重点攻克了语音链路弱网优化与 RAG 检索性能瓶颈，确保回复的准确性与极低延迟。
担任角色：技术负责人
技术栈与AI技术点：
* 技术栈：Python、ASR/TTS、RTC 实时语音、Milvus、HNSW_HYBRID 索引、Int8 量化、Rerank 模型、LangSmith。
* AI技术点： 实时语音交互（RTC）链路、FEC 前向纠错与 Jitter Buffer 弱网优化、HNSW_HYBRID 混合检索、Int8 量化压缩、动态 dense_weight 调优、Prefix Caching / KV Cache 推理加速。
* 技术能力：具备极致的 AI 性能优化能力，能将复杂 RAG 场景的首字延迟（TTFT）从 15s 压缩至 2s 内；熟悉语音与大模型融合的全栈开发，具备底层网络优化经验。
项目经验五：自媒体运营多模态 AI 智能体
项目介绍：
为产品宣传提供商品图、商品介绍、宣传文案的持续输出，构建内容生成 Agent 降本增效。系统基于 LangGraph 编排多阶段工作流，支持选题、写作、配图的自动化生成，产出图片直接关联素材中心供客服多模态回复，并具备完整的生产级容错与可观测性。
担任角色：技术负责人
技术栈与AI技术点：
* 技术栈：Python、FastAPI、LangGraph、SubGraph、PostgreSQL Checkpointer、SSE、MCP 协议、React 19、LangSmith。
* AI技术点： LangGraph 状态机编排（SubGraph/Checkpointer 断点续传）、SSE 流式输出、MCP 多 Agent 协同协议、熔断器（Circuit Breaker）降级、指数退避重试、全链路 Token 成本核算。
* 技术能力：精通复杂 Agent 架构设计，具备生产级 AI 应用的容错与可观测性建设能力；能通过 MCP 协议实现多 Agent 服务的解耦与扩展，支撑高可用业务系统。
项目介绍：
为替代团队重复人工操作，基于 LangChain 与 LangGraph 开发了一套多任务智能办公 Agent 系统。系统涵盖会议智能整理（自动提取议题、待办、负责人）、代码提交合规检测（校验分支命名、commit 规范）、定向消息提醒（一对一推送告警与待办）以及会议室自动预订（冲突校验、人数匹配、自动通知）等核心功能，实现团队日常办公流程的自动化与智能化。
担任角色： 技术负责人
技术栈与AI技术点：
* 技术栈： Python、FastAPI、LangChain、LangGraph、Pydantic、APScheduler、MySQL、Git-API、内部审批/会议室接口。
* AI技术点： LangGraph 多任务工作流编排、自定义 Tool 工具集开发、Pydantic 结构化输出（强制 JSON/Markdown）、Prompt 工程、Agent 自动触发定时提醒机制。
* 技术能力：具备从零搭建多场景智能 Agent 应用的能力，熟练将大模型能力与业务系统（Git、OA 审批）深度结合，通过 Tool Calling 实现复杂任务的自动化闭环。
项目经验二：银行财报 RAG 结构化字段抽取服务
项目介绍：
面向银行授信贷前审查业务，针对分行大量 PDF、Word 及扫描版财务审计报告，传统人工提取关键字段（营收、总资产、净利润等）耗时且易出错。项目基于 RAG + 大模型搭建智能抽取接口，实现财报字段的自动化解析与结构化输出，对内提供高可用的数据能力，大幅降低风控人员人工录入成本。
担任角色：技术负责人
技术栈与AI技术点：
* 技术栈：Python、FastAPI、Uvicorn、LangChain、Milvus 向量库、Redis、pdfplumber、OCR、Docker、Loguru。
* AI技术点：RAG 检索增强生成全链路落地、语义分块 + 表格独立切片策略、Embedding 向量化、Top-K 召回、强约束结构化提示词设计、大模型输出自动重试机制。
* 技术能力： 精通 RAG 落地全流程，擅长处理超长文档的上下文超限问题；具备高并发 AI 接口开发经验，能通过缓存策略（MD5 去重）优化 Token 消耗与响应延迟。
项目经验三：跨境信用证单据大模型微调与抽取系统
项目介绍：
针对跨境零售出口业务量大的痛点，银行议付信用证整套单据（中英文混杂、手写批注、表格错乱）依靠传统正则和 OCR 规则抽取泛化能力极差。本项目构建了一套基于开源大模型微调的智能抽取服务，支持私有化部署、自定义字段，对外提供 HTTP 接口，彻底解决了复杂单据的自动化录入难题。
担任角色：技术负责人
技术栈与AI技术点：
* 技术栈：Python、FastAPI、Qwen 开源大模型、LoRA、Pandas、Docker。
* I技术点：大模型 LoRA 微调、数据集构建与训练参数调优、Prompt 工程、OCR 文本预处理与后处理校验、高并发推理接口开发。
* 技术能力： 掌握大模型微调全流程，能将开源模型适配到垂直业务场景；具备完整的 AI 模型训练、评估、压测及私有化上线交付能力。
项目经验四：实时语音 AI 客服与高级 RAG 知识库
项目介绍：
将运营和客户经理的微信对话数据经数据中台清洗后建立 RAG 知识库，构建可实时语音交互的智能客服系统，承接客户咨询和引导下单的全流程。项目重点攻克了语音链路弱网优化与 RAG 检索性能瓶颈，确保回复的准确性与极低延迟。
担任角色：技术负责人
技术栈与AI技术点：
* 技术栈：Python、ASR/TTS、RTC 实时语音、Milvus、HNSW_HYBRID 索引、Int8 量化、Rerank 模型、LangSmith。
* AI技术点： 实时语音交互（RTC）链路、FEC 前向纠错与 Jitter Buffer 弱网优化、HNSW_HYBRID 混合检索、Int8 量化压缩、动态 dense_weight 调优、Prefix Caching / KV Cache 推理加速。
* 技术能力：具备极致的 AI 性能优化能力，能将复杂 RAG 场景的首字延迟（TTFT）从 15s 压缩至 2s 内；熟悉语音与大模型融合的全栈开发，具备底层网络优化经验。
项目经验五：自媒体运营多模态 AI 智能体
项目介绍：
为产品宣传提供商品图、商品介绍、宣传文案的持续输出，构建内容生成 Agent 降本增效。系统基于 LangGraph 编排多阶段工作流，支持选题、写作、配图的自动化生成，产出图片直接关联素材中心供客服多模态回复，并具备完整的生产级容错与可观测性。
担任角色：技术负责人
技术栈与AI技术点：
* 技术栈：Python、FastAPI、LangGraph、SubGraph、PostgreSQL Checkpointer、SSE、MCP 协议、React 19、LangSmith。
* AI技术点： LangGraph 状态机编排（SubGraph/Checkpointer 断点续传）、SSE 流式输出、MCP 多 Agent 协同协议、熔断器（Circuit Breaker）降级、指数退避重试、全链路 Token 成本核算。
* 技术能力：精通复杂 Agent 架构设计，具备生产级 AI 应用的容错与可观测性建设能力；能通过 MCP 协议实现多 Agent 服务的解耦与扩展，支撑高可用业务系统。
案例展示 全部案例 >
ID:414247
复制
Basty
Java/Python/前端高级开发运维 · 10年经验 · 某上市集团
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
1、AI应用开发、智能体(Agent)开发、RAG(检索增强生成)、Prompt工程、LangChain/LangGraph、Spring AI/LangChain4j、向量数据库(Milvus/Chroma)、vLLM/Ollama、Dify/Coze
2、云原生与AI模型服务化部署
熟练掌握Docker、Kubernetes、Prometheus、Grafana等容器化部署监控工具。具备大模型推理服务的生产级部署经验，熟悉vLLM/TensorRT等推理加速框架，能够基于公有云实现AI应用及模型服务的高效容器化部署、弹性伸缩与迭代更新。
3、AI中间件与高可用架构设计
熟练掌握Nginx、Redis、Kafka、MongoDB等常用微服务中间件的部署与优化。熟悉向量数据库（如Milvus/Chroma）的选型与应用，具备RAG（检索增强生成）架构下的混合检索（BM25+向量）及重排序（Rerank）优化经验，能设计支撑高并发AI应用的高可用架构。
4、微服务云原生改造与AI应用落地
熟练掌握微服务容器化改造及云上资源规划。具备AI应用全链路工程化落地能力，主导设计过中大型项目的云原生改造，能将传统微服务平滑升级为支持大模型调用的智能应用，并负责AI服务的排错调优。
5、Java后端与Spring AI生态集成
具备五年以上Java开发经验，熟练掌握SpringBoot、SpringCloud（Nacos、Gateway、Hystrix）等微服务架构。熟悉Spring AI / LangChain4j等Java侧AI抽象框架，具备将大模型能力（ChatClient、Embedding、Tool调用）无缝集成到现有企业级微服务系统中的实战经验。
6、现场交付与AI项目管理
具有丰富的现场交付经验。能快速响应客户需求，适应较强的工作压力。在AI项目交付中，具备Token成本控制、模型幻觉治理、响应延迟优化及自动化评测体系搭建能力，保障智能体项目高质量交付。
7、Python智能体（Agent）开发
熟练运用Python及Web框架（Django、Flask、FastAPI）。熟练掌握智能体（Agent）开发范式（如ReAct、Plan-and-Execute），熟悉LangChain/LangGraph/AutoGen/CrewAI等多智能体编排框架。具备Function Calling（工具调用）、记忆管理（短期/长期记忆）的开发能力，能独立完成后端AI智能体服务的开发。
8、前端交互与AI应用集成
熟练掌握前端开发（JavaScript、HTML5、CSS3、Vue3、Node.js等）。具备AI对话界面（ChatUI）、智能体工作台及RAG知识库管理前端的开发经验，能与后端AI服务（FastAPI/Spring Boot）对接流式输出（SSE/WebSocket），实现端到端的AI应用集成。
2、云原生与AI模型服务化部署
熟练掌握Docker、Kubernetes、Prometheus、Grafana等容器化部署监控工具。具备大模型推理服务的生产级部署经验，熟悉vLLM/TensorRT等推理加速框架，能够基于公有云实现AI应用及模型服务的高效容器化部署、弹性伸缩与迭代更新。
3、AI中间件与高可用架构设计
熟练掌握Nginx、Redis、Kafka、MongoDB等常用微服务中间件的部署与优化。熟悉向量数据库（如Milvus/Chroma）的选型与应用，具备RAG（检索增强生成）架构下的混合检索（BM25+向量）及重排序（Rerank）优化经验，能设计支撑高并发AI应用的高可用架构。
4、微服务云原生改造与AI应用落地
熟练掌握微服务容器化改造及云上资源规划。具备AI应用全链路工程化落地能力，主导设计过中大型项目的云原生改造，能将传统微服务平滑升级为支持大模型调用的智能应用，并负责AI服务的排错调优。
5、Java后端与Spring AI生态集成
具备五年以上Java开发经验，熟练掌握SpringBoot、SpringCloud（Nacos、Gateway、Hystrix）等微服务架构。熟悉Spring AI / LangChain4j等Java侧AI抽象框架，具备将大模型能力（ChatClient、Embedding、Tool调用）无缝集成到现有企业级微服务系统中的实战经验。
6、现场交付与AI项目管理
具有丰富的现场交付经验。能快速响应客户需求，适应较强的工作压力。在AI项目交付中，具备Token成本控制、模型幻觉治理、响应延迟优化及自动化评测体系搭建能力，保障智能体项目高质量交付。
7、Python智能体（Agent）开发
熟练运用Python及Web框架（Django、Flask、FastAPI）。熟练掌握智能体（Agent）开发范式（如ReAct、Plan-and-Execute），熟悉LangChain/LangGraph/AutoGen/CrewAI等多智能体编排框架。具备Function Calling（工具调用）、记忆管理（短期/长期记忆）的开发能力，能独立完成后端AI智能体服务的开发。
8、前端交互与AI应用集成
熟练掌握前端开发（JavaScript、HTML5、CSS3、Vue3、Node.js等）。具备AI对话界面（ChatUI）、智能体工作台及RAG知识库管理前端的开发经验，能与后端AI服务（FastAPI/Spring Boot）对接流式输出（SSE/WebSocket），实现端到端的AI应用集成。
项目经验
项目经验一：智能办公多任务 Agent 平台
项目介绍：
为替代团队重复人工操作，基于 LangChain 与 LangGraph 开发了一套多任务智能办公 Agent 系统。系统涵盖会议智能整理（自动提取议题、待办、负责人）、代码提交合规检测（校验分支命名、commit 规范）、定向消息提醒（一对一推送告警与待办）以及会议室自动预订（冲突校验、人数匹配、自动通知）等核心功能，实现团队日常办公流程的自动化与智能化。
担任角色： 技术负责人
技术栈与AI技术点：
* 技术栈： Python、FastAPI、LangChain、LangGraph、Pydantic、APScheduler、MySQL、Git-API、内部审批/会议室接口。
* AI技术点： LangGraph 多任务工作流编排、自定义 Tool 工具集开发、Pydantic 结构化输出（强制 JSON/Markdown）、Prompt 工程、Agent 自动触发定时提醒机制。
* 技术能力：具备从零搭建多场景智能 Agent 应用的能力，熟练将大模型能力与业务系统（Git、OA 审批）深度结合，通过 Tool Calling 实现复杂任务的自动化闭环。
项目经验二：银行财报 RAG 结构化字段抽取服务
项目介绍：
面向银行授信贷前审查业务，针对分行大量 PDF、Word 及扫描版财务审计报告，传统人工提取关键字段（营收、总资产、净利润等）耗时且易出错。项目基于 RAG + 大模型搭建智能抽取接口，实现财报字段的自动化解析与结构化输出，对内提供高可用的数据能力，大幅降低风控人员人工录入成本。
担任角色：技术负责人
技术栈与AI技术点：
* 技术栈：Python、FastAPI、Uvicorn、LangChain、Milvus 向量库、Redis、pdfplumber、OCR、Docker、Loguru。
* AI技术点：RAG 检索增强生成全链路落地、语义分块 + 表格独立切片策略、Embedding 向量化、Top-K 召回、强约束结构化提示词设计、大模型输出自动重试机制。
* 技术能力： 精通 RAG 落地全流程，擅长处理超长文档的上下文超限问题；具备高并发 AI 接口开发经验，能通过缓存策略（MD5 去重）优化 Token 消耗与响应延迟。
项目经验三：跨境信用证单据大模型微调与抽取系统
项目介绍：
针对跨境零售出口业务量大的痛点，银行议付信用证整套单据（中英文混杂、手写批注、表格错乱）依靠传统正则和 OCR 规则抽取泛化能力极差。本项目构建了一套基于开源大模型微调的智能抽取服务，支持私有化部署、自定义字段，对外提供 HTTP 接口，彻底解决了复杂单据的自动化录入难题。
担任角色：技术负责人
技术栈与AI技术点：
* 技术栈：Python、FastAPI、Qwen 开源大模型、LoRA、Pandas、Docker。
* I技术点：大模型 LoRA 微调、数据集构建与训练参数调优、Prompt 工程、OCR 文本预处理与后处理校验、高并发推理接口开发。
* 技术能力： 掌握大模型微调全流程，能将开源模型适配到垂直业务场景；具备完整的 AI 模型训练、评估、压测及私有化上线交付能力。
项目经验四：实时语音 AI 客服与高级 RAG 知识库
项目介绍：
将运营和客户经理的微信对话数据经数据中台清洗后建立 RAG 知识库，构建可实时语音交互的智能客服系统，承接客户咨询和引导下单的全流程。项目重点攻克了语音链路弱网优化与 RAG 检索性能瓶颈，确保回复的准确性与极低延迟。
担任角色：技术负责人
技术栈与AI技术点：
* 技术栈：Python、ASR/TTS、RTC 实时语音、Milvus、HNSW_HYBRID 索引、Int8 量化、Rerank 模型、LangSmith。
* AI技术点： 实时语音交互（RTC）链路、FEC 前向纠错与 Jitter Buffer 弱网优化、HNSW_HYBRID 混合检索、Int8 量化压缩、动态 dense_weight 调优、Prefix Caching / KV Cache 推理加速。
* 技术能力：具备极致的 AI 性能优化能力，能将复杂 RAG 场景的首字延迟（TTFT）从 15s 压缩至 2s 内；熟悉语音与大模型融合的全栈开发，具备底层网络优化经验。
项目经验五：自媒体运营多模态 AI 智能体
项目介绍：
为产品宣传提供商品图、商品介绍、宣传文案的持续输出，构建内容生成 Agent 降本增效。系统基于 LangGraph 编排多阶段工作流，支持选题、写作、配图的自动化生成，产出图片直接关联素材中心供客服多模态回复，并具备完整的生产级容错与可观测性。
担任角色：技术负责人
技术栈与AI技术点：
* 技术栈：Python、FastAPI、LangGraph、SubGraph、PostgreSQL Checkpointer、SSE、MCP 协议、React 19、LangSmith。
* AI技术点： LangGraph 状态机编排（SubGraph/Checkpointer 断点续传）、SSE 流式输出、MCP 多 Agent 协同协议、熔断器（Circuit Breaker）降级、指数退避重试、全链路 Token 成本核算。
* 技术能力：精通复杂 Agent 架构设计，具备生产级 AI 应用的容错与可观测性建设能力；能通过 MCP 协议实现多 Agent 服务的解耦与扩展，支撑高可用业务系统。
项目介绍：
为替代团队重复人工操作，基于 LangChain 与 LangGraph 开发了一套多任务智能办公 Agent 系统。系统涵盖会议智能整理（自动提取议题、待办、负责人）、代码提交合规检测（校验分支命名、commit 规范）、定向消息提醒（一对一推送告警与待办）以及会议室自动预订（冲突校验、人数匹配、自动通知）等核心功能，实现团队日常办公流程的自动化与智能化。
担任角色： 技术负责人
技术栈与AI技术点：
* 技术栈： Python、FastAPI、LangChain、LangGraph、Pydantic、APScheduler、MySQL、Git-API、内部审批/会议室接口。
* AI技术点： LangGraph 多任务工作流编排、自定义 Tool 工具集开发、Pydantic 结构化输出（强制 JSON/Markdown）、Prompt 工程、Agent 自动触发定时提醒机制。
* 技术能力：具备从零搭建多场景智能 Agent 应用的能力，熟练将大模型能力与业务系统（Git、OA 审批）深度结合，通过 Tool Calling 实现复杂任务的自动化闭环。
项目经验二：银行财报 RAG 结构化字段抽取服务
项目介绍：
面向银行授信贷前审查业务，针对分行大量 PDF、Word 及扫描版财务审计报告，传统人工提取关键字段（营收、总资产、净利润等）耗时且易出错。项目基于 RAG + 大模型搭建智能抽取接口，实现财报字段的自动化解析与结构化输出，对内提供高可用的数据能力，大幅降低风控人员人工录入成本。
担任角色：技术负责人
技术栈与AI技术点：
* 技术栈：Python、FastAPI、Uvicorn、LangChain、Milvus 向量库、Redis、pdfplumber、OCR、Docker、Loguru。
* AI技术点：RAG 检索增强生成全链路落地、语义分块 + 表格独立切片策略、Embedding 向量化、Top-K 召回、强约束结构化提示词设计、大模型输出自动重试机制。
* 技术能力： 精通 RAG 落地全流程，擅长处理超长文档的上下文超限问题；具备高并发 AI 接口开发经验，能通过缓存策略（MD5 去重）优化 Token 消耗与响应延迟。
项目经验三：跨境信用证单据大模型微调与抽取系统
项目介绍：
针对跨境零售出口业务量大的痛点，银行议付信用证整套单据（中英文混杂、手写批注、表格错乱）依靠传统正则和 OCR 规则抽取泛化能力极差。本项目构建了一套基于开源大模型微调的智能抽取服务，支持私有化部署、自定义字段，对外提供 HTTP 接口，彻底解决了复杂单据的自动化录入难题。
担任角色：技术负责人
技术栈与AI技术点：
* 技术栈：Python、FastAPI、Qwen 开源大模型、LoRA、Pandas、Docker。
* I技术点：大模型 LoRA 微调、数据集构建与训练参数调优、Prompt 工程、OCR 文本预处理与后处理校验、高并发推理接口开发。
* 技术能力： 掌握大模型微调全流程，能将开源模型适配到垂直业务场景；具备完整的 AI 模型训练、评估、压测及私有化上线交付能力。
项目经验四：实时语音 AI 客服与高级 RAG 知识库
项目介绍：
将运营和客户经理的微信对话数据经数据中台清洗后建立 RAG 知识库，构建可实时语音交互的智能客服系统，承接客户咨询和引导下单的全流程。项目重点攻克了语音链路弱网优化与 RAG 检索性能瓶颈，确保回复的准确性与极低延迟。
担任角色：技术负责人
技术栈与AI技术点：
* 技术栈：Python、ASR/TTS、RTC 实时语音、Milvus、HNSW_HYBRID 索引、Int8 量化、Rerank 模型、LangSmith。
* AI技术点： 实时语音交互（RTC）链路、FEC 前向纠错与 Jitter Buffer 弱网优化、HNSW_HYBRID 混合检索、Int8 量化压缩、动态 dense_weight 调优、Prefix Caching / KV Cache 推理加速。
* 技术能力：具备极致的 AI 性能优化能力，能将复杂 RAG 场景的首字延迟（TTFT）从 15s 压缩至 2s 内；熟悉语音与大模型融合的全栈开发，具备底层网络优化经验。
项目经验五：自媒体运营多模态 AI 智能体
项目介绍：
为产品宣传提供商品图、商品介绍、宣传文案的持续输出，构建内容生成 Agent 降本增效。系统基于 LangGraph 编排多阶段工作流，支持选题、写作、配图的自动化生成，产出图片直接关联素材中心供客服多模态回复，并具备完整的生产级容错与可观测性。
担任角色：技术负责人
技术栈与AI技术点：
* 技术栈：Python、FastAPI、LangGraph、SubGraph、PostgreSQL Checkpointer、SSE、MCP 协议、React 19、LangSmith。
* AI技术点： LangGraph 状态机编排（SubGraph/Checkpointer 断点续传）、SSE 流式输出、MCP 多 Agent 协同协议、熔断器（Circuit Breaker）降级、指数退避重试、全链路 Token 成本核算。
* 技术能力：精通复杂 Agent 架构设计，具备生产级 AI 应用的容错与可观测性建设能力；能通过 MCP 协议实现多 Agent 服务的解耦与扩展，支撑高可用业务系统。
案例展示
RAG知识问答
这是一个专用的 RAG（检索增强生成）问答系统，核心思路是把运维手册、故障处理文档、架构设计文档等上传进来，让 AI 基于这些真实内部文档来回答运维问题。 前端三个页面的功能 知识库管理页面：这是文档管理的入口。左侧是知识库列表，可以新建多个知识库，每个知识库相当于一个分类文
AI工具管理系统
页面是 企业 AI 智能工作台 的核心入口页面。它主要作为一个企业内部统一的 AI 应用门户，将各类专业化 AI 助手（如智慧商机、智能人才助手、PR审核系统等）进行统一集中展示和调用。同时，该页面深度集成了飞书（Feishu） JS、API、 SDK，支持在飞书客户端内免登并自
群力光电智能流程管理
1、独立负责PCB报工系统的AI智能体与RAG知识库。 2、解决工艺SOP、公差拦截、外发对账散落在文档里，蚀刻超差、AOI误报、镀金回料对不上账等痛点。 3、智能问答按工序检索原文并附出处，讲清告警与拦截、98%良率基线、选做工序能否跳过，覆盖管理后台与企业微信工人端。
CMS 教学运营管理系统
CMS 是一套面向 K12 教培机构的课件与教学运营系统。同一套网站服务平台方、机构负责人和任课教师。数据按机构隔离：超级管理员可看全部机构，用于演示和平台管理；校长只看本校；教师只看自己的课表、班级和课件。家长只能看到自己孩子的学习情况。 功能围绕备课、上课和招生。课件库
立即沟通
