大模型应用开发:
框架与工具:熟练使用 LangChain 构建 Agent 流程,熟悉 Rasa 意图识别,具备 Dify/Coze 知识库搭建经验
检索增强生成(RAG):掌握文本分块策略(Recursive/Character/Sentence),使用 RAGAs 评估检索效果,
具备检索优化经验
向量数据库:熟悉 Milvus 与 ChromaDB,具备向量存储与检索实践经验
后端与工程化:
开发框架:掌握 FastAPI 开发 RESTful 接口,熟悉 Streamlit 快速原型开发
工具与部署:熟练使用 Git、Docker,具备服务容器化与基础运维能力
机器学习基础:
熟悉 PyTorch,具备 Transformer 模型微调实践经验
掌握 SQL(MySQL/PostgreSQL)进行数据操作与分析
项目一:智能客服 Agent 原型系统架构(汇智有识科技有限公司):
业务场景:企业客服场景,实现意图识别 → 知识库问答 → 信息提取的自动化流程
技术架构:LangChain +Rasa + Dify + FastAPI
核心贡献:
设计并实现基于 LangChain 的 Agent 流程,通过意图-工具映射规则减少无效调用约 30%
针对 500+条产品文档,实验三种分块策略,最终选取最优方案使问答准确率提升约 15%
开发 FastAPI 接口并完成 Docker 容器化部署,支持前后端联调与快速部署
项目二:电梯维保 RAG 知识库系统(汇智有识科技有限公司)
业务场景:解决电梯维保手册查询效率低的问题,实现快速故障检索与解决方案推荐
技术架构:LangChain +Postgre + FastAPI
核心贡献:
完成 200+份维保文档(约 100 万字)的向量化存储与检索功能搭建
针对电梯维修场景优化分块策略,将检索相关性提升约 20%,响应时间控制在 1 秒内
实现文档上传、向量生成、检索问答全流程接口开发,支持本地测试与后续扩展
项目一:智能客服 Agent 原型系统架构(汇智有识科技有限公司): 业务场景:模拟企业客服场景,实现意图识别 → 知识库问答 → 信息提取的自动化流程 技术架构:LangChain +Rasa + Dify + FastAPI 核心贡献: 设计并实现基于 LangCha
项目二:电梯维保 RAG 知识库系统(汇智有识科技有限公司) 业务场景:解决电梯维保手册查询效率低的问题,实现快速故障检索与解决方案推荐 技术架构:LangChain +Postgre + FastAPI 核心贡献: 完成 200+份维保文档(约 100 万字)的向量化存