今天多吃点儿
大模型应用开发工程师 · 2年经验 · 电子科技大学
0
累计接单
0
用户评价
0
被收藏
技术能力
大模型应用开发
熟悉大模型应用从 Prompt 设计、上下文管理、工具调用、知识库接入到业务系统集成的完整开发流程。能够根据业务需求设计大模型应用架构，并完成 Agent、RAG、工作流等核心模块开发。
AI Agents 开发
熟悉 AI Agent 的基本架构，包括任务规划、工具调用、记忆管理、多轮对话、状态流转和结果生成。能够基于业务场景设计专属 Agent，实现自动问答、流程引导、知识查询、任务执行等能力。
LangChain
熟练使用 LangChain 进行大模型应用开发，掌握 PromptTemplate、Chains、Retrievers、Tools、Memory、Output Parser 等核心组件，能够构建问答系统、知识库问答、工具增强型 Agent 等应用。
LangGraph
熟悉 LangGraph 的图结构工作流开发模式，能够设计基于节点、边、状态管理的 Agent 执行流程。具备多步骤任务编排、条件分支、循环执行、多 Agent 协作等开发经验。
RAG / 高级 RAG
熟悉 RAG 检索增强生成技术，掌握文档切分、向量化、Embedding、向量数据库、召回、重排序、上下文拼接与答案生成等核心流程。了解并实践过高级 RAG 技术，如混合检索、Query Rewrite、多路召回、Rerank、上下文压缩、分层检索、知识库优化等。
向量数据库与知识库
熟悉知识库构建流程，能够完成非结构化文档解析、文本清洗、Chunk 切分、Embedding 存储和检索链路搭建。了解常见向量数据库或检索组件的使用方式，可结合业务需求优化知识检索效果。
熟悉大模型应用从 Prompt 设计、上下文管理、工具调用、知识库接入到业务系统集成的完整开发流程。能够根据业务需求设计大模型应用架构，并完成 Agent、RAG、工作流等核心模块开发。
AI Agents 开发
熟悉 AI Agent 的基本架构，包括任务规划、工具调用、记忆管理、多轮对话、状态流转和结果生成。能够基于业务场景设计专属 Agent，实现自动问答、流程引导、知识查询、任务执行等能力。
LangChain
熟练使用 LangChain 进行大模型应用开发，掌握 PromptTemplate、Chains、Retrievers、Tools、Memory、Output Parser 等核心组件，能够构建问答系统、知识库问答、工具增强型 Agent 等应用。
LangGraph
熟悉 LangGraph 的图结构工作流开发模式，能够设计基于节点、边、状态管理的 Agent 执行流程。具备多步骤任务编排、条件分支、循环执行、多 Agent 协作等开发经验。
RAG / 高级 RAG
熟悉 RAG 检索增强生成技术，掌握文档切分、向量化、Embedding、向量数据库、召回、重排序、上下文拼接与答案生成等核心流程。了解并实践过高级 RAG 技术，如混合检索、Query Rewrite、多路召回、Rerank、上下文压缩、分层检索、知识库优化等。
向量数据库与知识库
熟悉知识库构建流程，能够完成非结构化文档解析、文本清洗、Chunk 切分、Embedding 存储和检索链路搭建。了解常见向量数据库或检索组件的使用方式，可结合业务需求优化知识检索效果。
项目经验
项目一：学校专属 AI Agent 平台
项目角色： AI Agent 开发 / 大模型应用开发
项目方向： 校园智能助手、知识问答、业务流程 Agent
技术栈： LangChain、LangGraph、RAG、Embedding、向量检索、大模型 API、后端接口
项目描述
该项目面向学校内部场景，构建专属 AI Agent 平台，为师生提供智能问答、校园信息查询、制度文件检索、办事流程引导等能力。平台通过接入学校相关知识文档和业务数据，结合 RAG 与 Agent 工作流，实现对校园专属问题的准确回答和任务辅助处理。
主要工作
独立完成 AI Agent 平台整体方案设计，根据校园业务场景拆分智能问答、知识检索、任务引导、环境监控等核心模块。
基于 LangChain 构建知识库问答链路，实现文档解析、文本切分、向量化存储、相似度召回和答案生成。
使用 LangGraph 设计 Agent 工作流，通过节点状态管理实现多步骤任务执行、条件判断和工具调用。
针对学校制度文件、通知公告、办事流程等内容构建专属知识库，优化文档切分策略和检索效果。
设计 Prompt 模板和上下文拼接策略，提升回答准确性、稳定性和业务相关性。
对 Agent 多轮对话能力进行优化，使系统能够根据上下文理解用户意图并持续完成任务。
参与接口封装与系统集成，使 AI Agent 能够嵌入学校平台或 Web 应用中使用。
项目成果
搭建了面向学校业务场景的专属 AI Agent 平台原型。
实现了基于学校知识库的智能问答和信息检索能力。
提升了校园政策、通知、流程类问题的查询效率。
形成了可扩展的 Agent 工作流架构，便于后续接入更多校园业务场景。
项目二：Dify 开源平台知识检索功能二次开发
项目角色： 大模型应用开发 / Dify 二次开发
项目方向： 知识库检索优化、RAG 链路改造、开源平台定制
技术栈： Dify、RAG、Embedding、向量数据库、检索优化、后端开发
项目描述
基于 Dify 开源平台进行二次开发，重点围绕知识库检索功能进行定制化改造，使平台能够更好适配特定业务知识库场景。项目主要关注知识召回准确率、检索结果相关性、上下文质量以及最终回答效果。
主要工作
分析 Dify 知识库检索流程，理解其文档上传、文本切分、Embedding、向量检索和上下文组装机制。
对知识检索模块进行二次开发，根据业务需求调整召回逻辑和检索参数。
优化文档 Chunk 切分策略，减少语义断裂问题，提高检索片段的完整性和可读性。
优化高级 RAG 策略，例如多路召回、关键词检索与向量检索结合、Rerank 重排序等。
优化知识库命中结果的上下文拼接方式，减少无关内容干扰，提高大模型回答准确率。
调整 Prompt 模板，使模型回答更加符合业务场景要求。
参与功能测试与效果评估，对比优化前后的知识召回质量和问答效果。
项目成果
完成 Dify 知识检索功能的定制化改造。
提升了知识库问答场景下的召回准确率和回答相关性。
增强了平台对复杂业务文档的适配能力。
积累了开源大模型应用平台二次开发经验。
项目角色： AI Agent 开发 / 大模型应用开发
项目方向： 校园智能助手、知识问答、业务流程 Agent
技术栈： LangChain、LangGraph、RAG、Embedding、向量检索、大模型 API、后端接口
项目描述
该项目面向学校内部场景，构建专属 AI Agent 平台，为师生提供智能问答、校园信息查询、制度文件检索、办事流程引导等能力。平台通过接入学校相关知识文档和业务数据，结合 RAG 与 Agent 工作流，实现对校园专属问题的准确回答和任务辅助处理。
主要工作
独立完成 AI Agent 平台整体方案设计，根据校园业务场景拆分智能问答、知识检索、任务引导、环境监控等核心模块。
基于 LangChain 构建知识库问答链路，实现文档解析、文本切分、向量化存储、相似度召回和答案生成。
使用 LangGraph 设计 Agent 工作流，通过节点状态管理实现多步骤任务执行、条件判断和工具调用。
针对学校制度文件、通知公告、办事流程等内容构建专属知识库，优化文档切分策略和检索效果。
设计 Prompt 模板和上下文拼接策略，提升回答准确性、稳定性和业务相关性。
对 Agent 多轮对话能力进行优化，使系统能够根据上下文理解用户意图并持续完成任务。
参与接口封装与系统集成，使 AI Agent 能够嵌入学校平台或 Web 应用中使用。
项目成果
搭建了面向学校业务场景的专属 AI Agent 平台原型。
实现了基于学校知识库的智能问答和信息检索能力。
提升了校园政策、通知、流程类问题的查询效率。
形成了可扩展的 Agent 工作流架构，便于后续接入更多校园业务场景。
项目二：Dify 开源平台知识检索功能二次开发
项目角色： 大模型应用开发 / Dify 二次开发
项目方向： 知识库检索优化、RAG 链路改造、开源平台定制
技术栈： Dify、RAG、Embedding、向量数据库、检索优化、后端开发
项目描述
基于 Dify 开源平台进行二次开发，重点围绕知识库检索功能进行定制化改造，使平台能够更好适配特定业务知识库场景。项目主要关注知识召回准确率、检索结果相关性、上下文质量以及最终回答效果。
主要工作
分析 Dify 知识库检索流程，理解其文档上传、文本切分、Embedding、向量检索和上下文组装机制。
对知识检索模块进行二次开发，根据业务需求调整召回逻辑和检索参数。
优化文档 Chunk 切分策略，减少语义断裂问题，提高检索片段的完整性和可读性。
优化高级 RAG 策略，例如多路召回、关键词检索与向量检索结合、Rerank 重排序等。
优化知识库命中结果的上下文拼接方式，减少无关内容干扰，提高大模型回答准确率。
调整 Prompt 模板，使模型回答更加符合业务场景要求。
参与功能测试与效果评估，对比优化前后的知识召回质量和问答效果。
项目成果
完成 Dify 知识检索功能的定制化改造。
提升了知识库问答场景下的召回准确率和回答相关性。
增强了平台对复杂业务文档的适配能力。
积累了开源大模型应用平台二次开发经验。
立即沟通
