编程语言与框架:
Python: 10年+经验, 后端开发, 自动化脚本, k8s应用开发, AI机器学习应用开发(pytorch)等
熟练使用FastAPI + SQLAlchemy进行后端开发, 熟练使用Flask做后端开发(RAGFlow的后端)
并发编程: 熟练使用 async/await 实现并发控制与协程调度
AI机器学习应用开发, 基于框架如pytorch, langchain, RAG应用的开发
k8s脚本开发(基于k8s client-python)
AWS脚本开发(基于AWS SDK)

数据库: 熟悉MySQL, SQL ORM SQLAlchemy; 熟悉非关系数据库, 如AWS DynamoDB

Linux: 10年+经验, 熟悉linux的使用和bash脚本开发

Vibe coding: 1年+, 效率经成倍提升
约4.5万行Vibe coding实战工作经验(基于python fastapi, SQLAlchemy with mysql), 目前使用claude code + Minimax M2.5 / qwen 3.5 codingplan, 99%代码非手写
全栈开发, 前端React + 后端next.js + 数据库postgresql/supabase, 及在线部署vercel

AI: 跟踪AI的最新发展, 有以下AI项目实践经验
Openclaw的部署和使用
RAG
基于google file search API的RAG系统构建, 450万字文档
RAGFlow + Ollama(运行embedding模型) + vLLM(运行chat模型)的部署和使用, 纯本地知识库方案
熟悉RAG系统评估方案RAGAS
熟悉Milvus, AWS S3 vector store等向量数据库的使用
各个官方大模型API的使用: doubao, deepseek r1, gemini, qwen等
大语言模型微调(基于Unsloth)
MCP server的使用和开发(AI agent)
基于coze, dify的应用开发
stable diffusion/comfyUI的AI绘图

云计算: 熟悉docker, Kubernetes, Redhat OCP, helm

企业数据智能体项目的后端实现:
基于python fastapi, sqlalchemy with mysql, 4.5万行, 完成其中80%。
对接企业OpenAPI数据, 将其封装为MCP协议, 提供给RAGFlow智能体。
API性能优化: 优化数据传输格式, 引入CDN加速, 通过定时任务预加载外部数据, 提速90%。
对接来自产品经理的需求, 设计数据库表结构, 设计API并和前端讨论, 后端任务分解分工。
RAGFlow二次开发:
暴露RAGFlow的大模型、MCP插件、智能体API, 使得用户可以通过外部系统向RAGFlow导入MCP插件, 和智能体交互。
Agent智能体性能调优, 改善智能体使用MCP插件的性能, 提供了快速反馈的选项, 原本需要和LLM至少五轮交互才有反馈, 缩短到最少两轮, 从几十秒缩短到几秒。
用户认证: 实现OAuth2客户端, 对接统一用户登录服务; 实现OAuth2服务端, 对接RAGFlow; 对接微信小程序认证系统, 可用小程序访问后端服务。集成企业数据API做MCP封装, 集成RAGFlow对外提供智能体的使用。
Vibe coding: 积极采纳AI辅助编程, 逐渐99%代码无需手写。