ID:415787
复制
菠萝AI开发
高级python工程师，人工智能工程师 · 10年经验 · 字节
0
累计接单
0
用户评价
1
被收藏
技术能力
编程与基础：Python、Git、Linux、Shell
AI框架与模型：PyTorch、Transformers、LangChain、YOLO、OpenCV
数据处理与算法：Pandas、NumPy、Scikit-learn、特征工程、模型调优
服务与部署：FastAPI、Docker、Redis、Celery、PostgreSQL
大模型应用：熟悉 RAG 全链路开发，掌握 LangChain 框架，有企业级知识库系统开发经验。
AI框架与模型：PyTorch、Transformers、LangChain、YOLO、OpenCV
数据处理与算法：Pandas、NumPy、Scikit-learn、特征工程、模型调优
服务与部署：FastAPI、Docker、Redis、Celery、PostgreSQL
大模型应用：熟悉 RAG 全链路开发，掌握 LangChain 框架，有企业级知识库系统开发经验。
项目经验
项目名称：基于RAG架构的企业级智能知识库问答系统
项目背景： 针对企业内部文档分散、信息检索效率低下的痛点，开发了一套基于检索增强生成（RAG）技术的智能问答系统，实现文档的精准解析与自然语言交互。
核心技术栈： Python, LangChain / LlamaIndex, FastAPI, ChromaDB / Milvus, OpenAI API / 智谱AI, Docker。
核心职责与成果：
文档处理与向量化： 利用 LangChain 构建文档加载器，支持PDF、Word、Markdown等多种格式。采用语义分块（Semantic Chunking）技术替代传统的固定长度分块，结合 BAAI/bge-large-zh 嵌入模型，将文本向量化存入向量数据库，有效提升了检索的上下文连贯性，检索命中率（Hit Rate）提升约15%。
检索与生成优化： 设计混合检索（Hybrid Search）策略（倒排索引 + 向量检索），结合 RRF（倒数排名融合）算法重排结果，解决了关键词匹配与语义理解的互补问题。
服务封装与部署： 基于 FastAPI 构建异步API服务，实现了流式输出（Streaming）功能。利用 Docker 进行容器化部署，并接入了前端对话界面，系统平均响应耗时控制在 2s 以内，显著减少了人工查阅文档的时间成本
项目名称：AIGC 内容生成平台（后端架构）
项目背景： 参与开发一款面向营销人员的AI内容生成平台，支持根据关键词一键生成营销文案、海报图以及口播脚本。
核心技术栈： Python, Django / FastAPI, Celery, Redis, PostgreSQL, Stable Diffusion, GPT。
核心职责与成果：
异步任务调度： 由于文生图和长文本生成耗时较长，采用 Celery + Redis 构建异步任务队列。设计了任务状态机（Pending -> Processing -> Success/Failed），支持客户端轮询和WebSocket推送两种方式获取生成结果，解决了高并发下的请求阻塞问题。
多模态接口集成： 封装了对外的API层，统一对接了开源大模型（LLaMA 3）和文生图模型（Stable Diffusion XL）。实现了动态Prompt工程，根据用户输入动态拼接负面提示词（Negative Prompt）和风格化词缀，有效控制了生成内容的可控性。
并发优化： 针对SDXL模型显存占用高的问题，实现了模型预加载和单例模式，结合 asyncio 协程处理IO密集型请求，系统吞吐量（QPS）提升了 3倍。
项目背景： 针对企业内部文档分散、信息检索效率低下的痛点，开发了一套基于检索增强生成（RAG）技术的智能问答系统，实现文档的精准解析与自然语言交互。
核心技术栈： Python, LangChain / LlamaIndex, FastAPI, ChromaDB / Milvus, OpenAI API / 智谱AI, Docker。
核心职责与成果：
文档处理与向量化： 利用 LangChain 构建文档加载器，支持PDF、Word、Markdown等多种格式。采用语义分块（Semantic Chunking）技术替代传统的固定长度分块，结合 BAAI/bge-large-zh 嵌入模型，将文本向量化存入向量数据库，有效提升了检索的上下文连贯性，检索命中率（Hit Rate）提升约15%。
检索与生成优化： 设计混合检索（Hybrid Search）策略（倒排索引 + 向量检索），结合 RRF（倒数排名融合）算法重排结果，解决了关键词匹配与语义理解的互补问题。
服务封装与部署： 基于 FastAPI 构建异步API服务，实现了流式输出（Streaming）功能。利用 Docker 进行容器化部署，并接入了前端对话界面，系统平均响应耗时控制在 2s 以内，显著减少了人工查阅文档的时间成本
项目名称：AIGC 内容生成平台（后端架构）
项目背景： 参与开发一款面向营销人员的AI内容生成平台，支持根据关键词一键生成营销文案、海报图以及口播脚本。
核心技术栈： Python, Django / FastAPI, Celery, Redis, PostgreSQL, Stable Diffusion, GPT。
核心职责与成果：
异步任务调度： 由于文生图和长文本生成耗时较长，采用 Celery + Redis 构建异步任务队列。设计了任务状态机（Pending -> Processing -> Success/Failed），支持客户端轮询和WebSocket推送两种方式获取生成结果，解决了高并发下的请求阻塞问题。
多模态接口集成： 封装了对外的API层，统一对接了开源大模型（LLaMA 3）和文生图模型（Stable Diffusion XL）。实现了动态Prompt工程，根据用户输入动态拼接负面提示词（Negative Prompt）和风格化词缀，有效控制了生成内容的可控性。
并发优化： 针对SDXL模型显存占用高的问题，实现了模型预加载和单例模式，结合 asyncio 协程处理IO密集型请求，系统吞吐量（QPS）提升了 3倍。
立即沟通
