提拉米苏cake
AI训练师
上海昇迪凡科技术有限公司 · 1年经验
日薪：
￥500/8h
地点：
无锡 全区
时间：
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
作为计科专业毕业生，我具备扎实的软件开发基础和全栈工程实践能力。在前端开发领域，我熟练掌握 React/Vue 3 生态，能够使用 TypeScript 进行类型安全的组件化开发，并具备 Next.js 服务端渲染与静态站点生成的实战经验，擅长构建高性能、SEO友好的现代Web应用。
后端开发方面，我精通 Node.js (Express/NestJS) 与 Python (FastAPI/Django) 双栈，熟悉 RESTful API 设计与 GraphQL 服务构建，具备 微服务架构 的设计思维。数据库层面，熟练运用 PostgreSQL、MongoDB 进行数据建模，掌握 Redis 缓存策略与消息队列（RabbitMQ/Kafka）的异步处理方案。
在云原生与DevOps领域，我熟悉 Docker 容器化部署与 Kubernetes 集群编排，能够使用 GitHub Actions 或 GitLab CI 搭建自动化流水线。此外，我具备 AWS/阿里云 等主流云平台的实战经验，了解 Serverless 架构与 Terraform 基础设施即代码的最佳实践。
对于AI工程化，我能够使用 LangChain/LlamaIndex 构建RAG应用，集成 OpenAI/Claude 等大模型API，开发智能客服、知识库问答等AI原生应用。我注重代码质量，遵循 Clean Code 原则，熟悉 单元测试（Jest/Pytest） 与 TDD 开发模式，能够编写可维护、可扩展的企业级代码。
后端开发方面，我精通 Node.js (Express/NestJS) 与 Python (FastAPI/Django) 双栈，熟悉 RESTful API 设计与 GraphQL 服务构建，具备 微服务架构 的设计思维。数据库层面，熟练运用 PostgreSQL、MongoDB 进行数据建模，掌握 Redis 缓存策略与消息队列（RabbitMQ/Kafka）的异步处理方案。
在云原生与DevOps领域，我熟悉 Docker 容器化部署与 Kubernetes 集群编排，能够使用 GitHub Actions 或 GitLab CI 搭建自动化流水线。此外，我具备 AWS/阿里云 等主流云平台的实战经验，了解 Serverless 架构与 Terraform 基础设施即代码的最佳实践。
对于AI工程化，我能够使用 LangChain/LlamaIndex 构建RAG应用，集成 OpenAI/Claude 等大模型API，开发智能客服、知识库问答等AI原生应用。我注重代码质量，遵循 Clean Code 原则，熟悉 单元测试（Jest/Pytest） 与 TDD 开发模式，能够编写可维护、可扩展的企业级代码。
项目经验
1. 企业级SaaS协作平台（全栈开发）
项目背景：为某初创团队开发仿Notion的在线文档协作系统，支持实时多人编辑与权限管理。
技术架构：
前端采用 Next.js 14 + TypeScript + Tailwind CSS，使用 Zustand 进行状态管理，集成 TipTap 编辑器实现富文本与块级编辑功能
后端使用 NestJS + PostgreSQL，通过 WebSocket (Socket.io) 实现 Operational Transformation 算法，保障多人实时协作的数据一致性
部署采用 Docker Compose 本地开发环境，生产环境使用 AWS ECS Fargate 容器化部署，配合 AWS RDS 托管数据库与 S3 对象存储
核心难点：
设计 Yjs 冲突解决机制处理离线编辑场景，实现文档版本历史回溯功能
使用 Redis 实现用户在线状态与光标位置广播，降低WebSocket服务器负载
通过 NextAuth.js 实现SSO单点登录，集成 Google Workspace 企业账号体系
项目成果：支持50人团队并发协作，文档加载速度优化至800ms以内，代码通过 Jest 单元测试覆盖率达85%。
2. 电商大促实时监控系统（云原生/DevOps）
项目背景：为某中型电商平台开发双十一大促期间的实时数据监控与告警平台。
技术架构：
数据采集层使用 Python FastAPI 构建高性能API网关，通过 Apache Kafka 处理每秒10万+订单事件流
实时计算采用 Flink 进行窗口聚合，计算GMV、订单转化率等核心指标，结果写入 InfluxDB 时序数据库
可视化层使用 React + ECharts 构建实时仪表盘，支持WebSocket推送秒级数据更新
基础设施使用 Terraform 编排 阿里云ACK 集群，Prometheus + Grafana 实现集群监控，ArgoCD 管理GitOps流水线
核心难点：
设计 Kubernetes HPA 自动扩缩容策略，根据CPU/内存指标在流量高峰自动扩容Flink TaskManager
使用 Istio 服务网格实现流量熔断与灰度发布，保障大促期间零宕机
编写 Helm Charts 标准化中间件部署，将环境搭建时间从2天缩短至30分钟
项目成果：系统支撑单日500万订单峰值，P99延迟控制在200ms，帮助运营团队实时调整促销策略。
3. AI智能客服知识库系统（AI工程化）
项目背景：为某跨境电商企业开发基于大模型的智能客服系统，支持多语言自动问答与工单生成。
技术架构：
RAG引擎使用 LangChain + ChromaDB 构建向量检索，将历史客服对话、产品手册等文档进行 OpenAI Embedding 向量化存储
对话管理采用 FastAPI 封装 GPT-4/Claude 3 API，设计 ReAct 推理链实现多轮对话与工具调用（查询订单状态、物流跟踪）
前端使用 Vue 3 + Vite 开发客服工作台，集成 WebRTC 实现语音转文字输入
部署使用 Docker 容器化，AWS Lambda 处理异步文档Embedding任务，降低空闲成本
核心难点：
设计 Rerank 机制优化检索准确率，结合 BM25 + 向量相似度 混合排序，将回答准确率从72%提升至89%
使用 LlamaIndex 实现多模态检索，支持用户上传图片识别产品型号
开发 Prompt版本管理系统，通过 LangSmith 追踪对话链路，实现A/B测试不同Prompt策略
项目成果：客服响应时间从平均5分钟降至15秒，人工介入率降低60%，支持中英西法四种语言。
项目背景：为某初创团队开发仿Notion的在线文档协作系统，支持实时多人编辑与权限管理。
技术架构：
前端采用 Next.js 14 + TypeScript + Tailwind CSS，使用 Zustand 进行状态管理，集成 TipTap 编辑器实现富文本与块级编辑功能
后端使用 NestJS + PostgreSQL，通过 WebSocket (Socket.io) 实现 Operational Transformation 算法，保障多人实时协作的数据一致性
部署采用 Docker Compose 本地开发环境，生产环境使用 AWS ECS Fargate 容器化部署，配合 AWS RDS 托管数据库与 S3 对象存储
核心难点：
设计 Yjs 冲突解决机制处理离线编辑场景，实现文档版本历史回溯功能
使用 Redis 实现用户在线状态与光标位置广播，降低WebSocket服务器负载
通过 NextAuth.js 实现SSO单点登录，集成 Google Workspace 企业账号体系
项目成果：支持50人团队并发协作，文档加载速度优化至800ms以内，代码通过 Jest 单元测试覆盖率达85%。
2. 电商大促实时监控系统（云原生/DevOps）
项目背景：为某中型电商平台开发双十一大促期间的实时数据监控与告警平台。
技术架构：
数据采集层使用 Python FastAPI 构建高性能API网关，通过 Apache Kafka 处理每秒10万+订单事件流
实时计算采用 Flink 进行窗口聚合，计算GMV、订单转化率等核心指标，结果写入 InfluxDB 时序数据库
可视化层使用 React + ECharts 构建实时仪表盘，支持WebSocket推送秒级数据更新
基础设施使用 Terraform 编排 阿里云ACK 集群，Prometheus + Grafana 实现集群监控，ArgoCD 管理GitOps流水线
核心难点：
设计 Kubernetes HPA 自动扩缩容策略，根据CPU/内存指标在流量高峰自动扩容Flink TaskManager
使用 Istio 服务网格实现流量熔断与灰度发布，保障大促期间零宕机
编写 Helm Charts 标准化中间件部署，将环境搭建时间从2天缩短至30分钟
项目成果：系统支撑单日500万订单峰值，P99延迟控制在200ms，帮助运营团队实时调整促销策略。
3. AI智能客服知识库系统（AI工程化）
项目背景：为某跨境电商企业开发基于大模型的智能客服系统，支持多语言自动问答与工单生成。
技术架构：
RAG引擎使用 LangChain + ChromaDB 构建向量检索，将历史客服对话、产品手册等文档进行 OpenAI Embedding 向量化存储
对话管理采用 FastAPI 封装 GPT-4/Claude 3 API，设计 ReAct 推理链实现多轮对话与工具调用（查询订单状态、物流跟踪）
前端使用 Vue 3 + Vite 开发客服工作台，集成 WebRTC 实现语音转文字输入
部署使用 Docker 容器化，AWS Lambda 处理异步文档Embedding任务，降低空闲成本
核心难点：
设计 Rerank 机制优化检索准确率，结合 BM25 + 向量相似度 混合排序，将回答准确率从72%提升至89%
使用 LlamaIndex 实现多模态检索，支持用户上传图片识别产品型号
开发 Prompt版本管理系统，通过 LangSmith 追踪对话链路，实现A/B测试不同Prompt策略
项目成果：客服响应时间从平均5分钟降至15秒，人工介入率降低60%，支持中英西法四种语言。
提拉米苏cake
AI训练师 · 1年经验 · 上海昇迪凡科技术有限公司
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
作为计科专业毕业生，我具备扎实的软件开发基础和全栈工程实践能力。在前端开发领域，我熟练掌握 React/Vue 3 生态，能够使用 TypeScript 进行类型安全的组件化开发，并具备 Next.js 服务端渲染与静态站点生成的实战经验，擅长构建高性能、SEO友好的现代Web应用。
后端开发方面，我精通 Node.js (Express/NestJS) 与 Python (FastAPI/Django) 双栈，熟悉 RESTful API 设计与 GraphQL 服务构建，具备 微服务架构 的设计思维。数据库层面，熟练运用 PostgreSQL、MongoDB 进行数据建模，掌握 Redis 缓存策略与消息队列（RabbitMQ/Kafka）的异步处理方案。
在云原生与DevOps领域，我熟悉 Docker 容器化部署与 Kubernetes 集群编排，能够使用 GitHub Actions 或 GitLab CI 搭建自动化流水线。此外，我具备 AWS/阿里云 等主流云平台的实战经验，了解 Serverless 架构与 Terraform 基础设施即代码的最佳实践。
对于AI工程化，我能够使用 LangChain/LlamaIndex 构建RAG应用，集成 OpenAI/Claude 等大模型API，开发智能客服、知识库问答等AI原生应用。我注重代码质量，遵循 Clean Code 原则，熟悉 单元测试（Jest/Pytest） 与 TDD 开发模式，能够编写可维护、可扩展的企业级代码。
后端开发方面，我精通 Node.js (Express/NestJS) 与 Python (FastAPI/Django) 双栈，熟悉 RESTful API 设计与 GraphQL 服务构建，具备 微服务架构 的设计思维。数据库层面，熟练运用 PostgreSQL、MongoDB 进行数据建模，掌握 Redis 缓存策略与消息队列（RabbitMQ/Kafka）的异步处理方案。
在云原生与DevOps领域，我熟悉 Docker 容器化部署与 Kubernetes 集群编排，能够使用 GitHub Actions 或 GitLab CI 搭建自动化流水线。此外，我具备 AWS/阿里云 等主流云平台的实战经验，了解 Serverless 架构与 Terraform 基础设施即代码的最佳实践。
对于AI工程化，我能够使用 LangChain/LlamaIndex 构建RAG应用，集成 OpenAI/Claude 等大模型API，开发智能客服、知识库问答等AI原生应用。我注重代码质量，遵循 Clean Code 原则，熟悉 单元测试（Jest/Pytest） 与 TDD 开发模式，能够编写可维护、可扩展的企业级代码。
项目经验
1. 企业级SaaS协作平台（全栈开发）
项目背景：为某初创团队开发仿Notion的在线文档协作系统，支持实时多人编辑与权限管理。
技术架构：
前端采用 Next.js 14 + TypeScript + Tailwind CSS，使用 Zustand 进行状态管理，集成 TipTap 编辑器实现富文本与块级编辑功能
后端使用 NestJS + PostgreSQL，通过 WebSocket (Socket.io) 实现 Operational Transformation 算法，保障多人实时协作的数据一致性
部署采用 Docker Compose 本地开发环境，生产环境使用 AWS ECS Fargate 容器化部署，配合 AWS RDS 托管数据库与 S3 对象存储
核心难点：
设计 Yjs 冲突解决机制处理离线编辑场景，实现文档版本历史回溯功能
使用 Redis 实现用户在线状态与光标位置广播，降低WebSocket服务器负载
通过 NextAuth.js 实现SSO单点登录，集成 Google Workspace 企业账号体系
项目成果：支持50人团队并发协作，文档加载速度优化至800ms以内，代码通过 Jest 单元测试覆盖率达85%。
2. 电商大促实时监控系统（云原生/DevOps）
项目背景：为某中型电商平台开发双十一大促期间的实时数据监控与告警平台。
技术架构：
数据采集层使用 Python FastAPI 构建高性能API网关，通过 Apache Kafka 处理每秒10万+订单事件流
实时计算采用 Flink 进行窗口聚合，计算GMV、订单转化率等核心指标，结果写入 InfluxDB 时序数据库
可视化层使用 React + ECharts 构建实时仪表盘，支持WebSocket推送秒级数据更新
基础设施使用 Terraform 编排 阿里云ACK 集群，Prometheus + Grafana 实现集群监控，ArgoCD 管理GitOps流水线
核心难点：
设计 Kubernetes HPA 自动扩缩容策略，根据CPU/内存指标在流量高峰自动扩容Flink TaskManager
使用 Istio 服务网格实现流量熔断与灰度发布，保障大促期间零宕机
编写 Helm Charts 标准化中间件部署，将环境搭建时间从2天缩短至30分钟
项目成果：系统支撑单日500万订单峰值，P99延迟控制在200ms，帮助运营团队实时调整促销策略。
3. AI智能客服知识库系统（AI工程化）
项目背景：为某跨境电商企业开发基于大模型的智能客服系统，支持多语言自动问答与工单生成。
技术架构：
RAG引擎使用 LangChain + ChromaDB 构建向量检索，将历史客服对话、产品手册等文档进行 OpenAI Embedding 向量化存储
对话管理采用 FastAPI 封装 GPT-4/Claude 3 API，设计 ReAct 推理链实现多轮对话与工具调用（查询订单状态、物流跟踪）
前端使用 Vue 3 + Vite 开发客服工作台，集成 WebRTC 实现语音转文字输入
部署使用 Docker 容器化，AWS Lambda 处理异步文档Embedding任务，降低空闲成本
核心难点：
设计 Rerank 机制优化检索准确率，结合 BM25 + 向量相似度 混合排序，将回答准确率从72%提升至89%
使用 LlamaIndex 实现多模态检索，支持用户上传图片识别产品型号
开发 Prompt版本管理系统，通过 LangSmith 追踪对话链路，实现A/B测试不同Prompt策略
项目成果：客服响应时间从平均5分钟降至15秒，人工介入率降低60%，支持中英西法四种语言。
项目背景：为某初创团队开发仿Notion的在线文档协作系统，支持实时多人编辑与权限管理。
技术架构：
前端采用 Next.js 14 + TypeScript + Tailwind CSS，使用 Zustand 进行状态管理，集成 TipTap 编辑器实现富文本与块级编辑功能
后端使用 NestJS + PostgreSQL，通过 WebSocket (Socket.io) 实现 Operational Transformation 算法，保障多人实时协作的数据一致性
部署采用 Docker Compose 本地开发环境，生产环境使用 AWS ECS Fargate 容器化部署，配合 AWS RDS 托管数据库与 S3 对象存储
核心难点：
设计 Yjs 冲突解决机制处理离线编辑场景，实现文档版本历史回溯功能
使用 Redis 实现用户在线状态与光标位置广播，降低WebSocket服务器负载
通过 NextAuth.js 实现SSO单点登录，集成 Google Workspace 企业账号体系
项目成果：支持50人团队并发协作，文档加载速度优化至800ms以内，代码通过 Jest 单元测试覆盖率达85%。
2. 电商大促实时监控系统（云原生/DevOps）
项目背景：为某中型电商平台开发双十一大促期间的实时数据监控与告警平台。
技术架构：
数据采集层使用 Python FastAPI 构建高性能API网关，通过 Apache Kafka 处理每秒10万+订单事件流
实时计算采用 Flink 进行窗口聚合，计算GMV、订单转化率等核心指标，结果写入 InfluxDB 时序数据库
可视化层使用 React + ECharts 构建实时仪表盘，支持WebSocket推送秒级数据更新
基础设施使用 Terraform 编排 阿里云ACK 集群，Prometheus + Grafana 实现集群监控，ArgoCD 管理GitOps流水线
核心难点：
设计 Kubernetes HPA 自动扩缩容策略，根据CPU/内存指标在流量高峰自动扩容Flink TaskManager
使用 Istio 服务网格实现流量熔断与灰度发布，保障大促期间零宕机
编写 Helm Charts 标准化中间件部署，将环境搭建时间从2天缩短至30分钟
项目成果：系统支撑单日500万订单峰值，P99延迟控制在200ms，帮助运营团队实时调整促销策略。
3. AI智能客服知识库系统（AI工程化）
项目背景：为某跨境电商企业开发基于大模型的智能客服系统，支持多语言自动问答与工单生成。
技术架构：
RAG引擎使用 LangChain + ChromaDB 构建向量检索，将历史客服对话、产品手册等文档进行 OpenAI Embedding 向量化存储
对话管理采用 FastAPI 封装 GPT-4/Claude 3 API，设计 ReAct 推理链实现多轮对话与工具调用（查询订单状态、物流跟踪）
前端使用 Vue 3 + Vite 开发客服工作台，集成 WebRTC 实现语音转文字输入
部署使用 Docker 容器化，AWS Lambda 处理异步文档Embedding任务，降低空闲成本
核心难点：
设计 Rerank 机制优化检索准确率，结合 BM25 + 向量相似度 混合排序，将回答准确率从72%提升至89%
使用 LlamaIndex 实现多模态检索，支持用户上传图片识别产品型号
开发 Prompt版本管理系统，通过 LangSmith 追踪对话链路，实现A/B测试不同Prompt策略
项目成果：客服响应时间从平均5分钟降至15秒，人工介入率降低60%，支持中英西法四种语言。
立即沟通
