relax＆民
AI Agent开发
能科科技有限公司 · 1年经验
日薪：
￥500/8h
地点：
北京 海淀
时间：
下班后周六周日
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
1.精通 Langchain 开发框架，理解 AI Agent 的基本逻辑，掌握 LLM, Chat, models, PromptTemplates, OutputParse, Chains 等组件的使用。精通 Agent Skills 的原理
2.多模态交互能力：熟练文本，语音，图像，文件等多模态数据处理，掌握多模态 Agent 交互流程设计，具备跨模态信息整合与生成能力。
3.工具调用与编排：能够使用 SpringAI 开发 MCP 的服务端，掌握 SSE 和 Streamable 的通信机制，并结合 Agent 进行异步开发。能够自定义 Function Call，实现工具的同异步调用。实现聊天、天气查询和网页搜索的 Agent 调用功能。精通 LangGraph 核心组件，理解 WorkFlow 的构建 和 React Agent 实现思路。
4.记忆上下文管理：精通短期/长期记忆设计，精通使用 Chroma ,FAISS、Milvus 等向量数据库的分布式部署， 构建本地知识库，实现存储与查询。熟悉 RAG + RAGAS 结合 WorkFlow 实现动态路由和多 知识库的检索 和评估。理解 Context Engineering ,Prompt Engineering 的区别和原理。
5.大模型私有化部署能力：精通基于 vllm 的各种大模型私有化部署，包括但不限于 DeepSeek，Qwen3，Llama-3.2 等。
6.数据切片和检索能力：精通使用 UnstructuredLoader 处理多种格式（JSON、PDF、HTML、Markdown、 CSV）包括结构化提取和 OCR 识别 图文提取。能够基于 bge-large-zh-v1.5 私有化实现向量数据库 Similarity Search，熟悉使用 MySQL，PostgresSQL 存储 Agent 会话与元数据。具有高并发数据读写的经验。
7.提高搜索质量的能力：精通 Dense 向量 ，Sparse 向量的混合检索，并基于结果进行 ReRanker 模型的重排。 8.AI 工具使用能力：熟悉 Dify,Cursor,Copilot，Claude code 等各种大模型应用工具的使用。能够基于 Claude
code 完成小程序前端页面的开发，使用 ChatGPT，
2.多模态交互能力：熟练文本，语音，图像，文件等多模态数据处理，掌握多模态 Agent 交互流程设计，具备跨模态信息整合与生成能力。
3.工具调用与编排：能够使用 SpringAI 开发 MCP 的服务端，掌握 SSE 和 Streamable 的通信机制，并结合 Agent 进行异步开发。能够自定义 Function Call，实现工具的同异步调用。实现聊天、天气查询和网页搜索的 Agent 调用功能。精通 LangGraph 核心组件，理解 WorkFlow 的构建 和 React Agent 实现思路。
4.记忆上下文管理：精通短期/长期记忆设计，精通使用 Chroma ,FAISS、Milvus 等向量数据库的分布式部署， 构建本地知识库，实现存储与查询。熟悉 RAG + RAGAS 结合 WorkFlow 实现动态路由和多 知识库的检索 和评估。理解 Context Engineering ,Prompt Engineering 的区别和原理。
5.大模型私有化部署能力：精通基于 vllm 的各种大模型私有化部署，包括但不限于 DeepSeek，Qwen3，Llama-3.2 等。
6.数据切片和检索能力：精通使用 UnstructuredLoader 处理多种格式（JSON、PDF、HTML、Markdown、 CSV）包括结构化提取和 OCR 识别 图文提取。能够基于 bge-large-zh-v1.5 私有化实现向量数据库 Similarity Search，熟悉使用 MySQL，PostgresSQL 存储 Agent 会话与元数据。具有高并发数据读写的经验。
7.提高搜索质量的能力：精通 Dense 向量 ，Sparse 向量的混合检索，并基于结果进行 ReRanker 模型的重排。 8.AI 工具使用能力：熟悉 Dify,Cursor,Copilot，Claude code 等各种大模型应用工具的使用。能够基于 Claude
code 完成小程序前端页面的开发，使用 ChatGPT，
项目经验
睿影医鉴——多模态医疗智能研判系统（RAG 开发） 核心开发人员 2026.3-至今
项目背景：融合多模态 RAG 技术的医疗智能系统，攻克跨模态检索难题，为医生提供精准病情研判与决策支持。技术栈:Gradio,Milvus,PyMilvus,DotsOCR,VLLM,DashScope,Fitz/PyMuPDF,BM25,PostgresSQL, RAGAS
项目成果：
1. 通过 milvus 中的建立双索引架构，使用 multimodal-embedding-vl 实现 Any2Any 跨模态检索
2.使用 vllm 推理引擎完成 Dots.OCR 的私有化部署，解析了 PDF 等非结构文档，解决跨页断裂问题处理
3.使用 Chains 完成上下文工程开发,通过 Postgresql 与异步多线程任务实现长期记忆语义检索,
4.使用 Prompt,将上下文信息除了最后两条以外的信息传入 LLM 提取重要事实和信息实现短期记忆摘要处理
5.通过问题，上下文，response,reference 构建样例模版传入 LLM 构建 RAGAS 双层评估体系，设置指标阈值， 显著提升 RAG 准确率，准确率可达到 98%
6.interrupt_before 设置节点的名字实现人工介入中断与恢复机制，保障低质量结果的人工审核与流程续跑
项目背景：融合多模态 RAG 技术的医疗智能系统，攻克跨模态检索难题，为医生提供精准病情研判与决策支持。技术栈:Gradio,Milvus,PyMilvus,DotsOCR,VLLM,DashScope,Fitz/PyMuPDF,BM25,PostgresSQL, RAGAS
项目成果：
1. 通过 milvus 中的建立双索引架构，使用 multimodal-embedding-vl 实现 Any2Any 跨模态检索
2.使用 vllm 推理引擎完成 Dots.OCR 的私有化部署，解析了 PDF 等非结构文档，解决跨页断裂问题处理
3.使用 Chains 完成上下文工程开发,通过 Postgresql 与异步多线程任务实现长期记忆语义检索,
4.使用 Prompt,将上下文信息除了最后两条以外的信息传入 LLM 提取重要事实和信息实现短期记忆摘要处理
5.通过问题，上下文，response,reference 构建样例模版传入 LLM 构建 RAGAS 双层评估体系，设置指标阈值， 显著提升 RAG 准确率，准确率可达到 98%
6.interrupt_before 设置节点的名字实现人工介入中断与恢复机制，保障低质量结果的人工审核与流程续跑
relax＆民
AI Agent开发 · 1年经验 · 能科科技有限公司
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
1.精通 Langchain 开发框架，理解 AI Agent 的基本逻辑，掌握 LLM, Chat, models, PromptTemplates, OutputParse, Chains 等组件的使用。精通 Agent Skills 的原理
2.多模态交互能力：熟练文本，语音，图像，文件等多模态数据处理，掌握多模态 Agent 交互流程设计，具备跨模态信息整合与生成能力。
3.工具调用与编排：能够使用 SpringAI 开发 MCP 的服务端，掌握 SSE 和 Streamable 的通信机制，并结合 Agent 进行异步开发。能够自定义 Function Call，实现工具的同异步调用。实现聊天、天气查询和网页搜索的 Agent 调用功能。精通 LangGraph 核心组件，理解 WorkFlow 的构建 和 React Agent 实现思路。
4.记忆上下文管理：精通短期/长期记忆设计，精通使用 Chroma ,FAISS、Milvus 等向量数据库的分布式部署， 构建本地知识库，实现存储与查询。熟悉 RAG + RAGAS 结合 WorkFlow 实现动态路由和多 知识库的检索 和评估。理解 Context Engineering ,Prompt Engineering 的区别和原理。
5.大模型私有化部署能力：精通基于 vllm 的各种大模型私有化部署，包括但不限于 DeepSeek，Qwen3，Llama-3.2 等。
6.数据切片和检索能力：精通使用 UnstructuredLoader 处理多种格式（JSON、PDF、HTML、Markdown、 CSV）包括结构化提取和 OCR 识别 图文提取。能够基于 bge-large-zh-v1.5 私有化实现向量数据库 Similarity Search，熟悉使用 MySQL，PostgresSQL 存储 Agent 会话与元数据。具有高并发数据读写的经验。
7.提高搜索质量的能力：精通 Dense 向量 ，Sparse 向量的混合检索，并基于结果进行 ReRanker 模型的重排。 8.AI 工具使用能力：熟悉 Dify,Cursor,Copilot，Claude code 等各种大模型应用工具的使用。能够基于 Claude
code 完成小程序前端页面的开发，使用 ChatGPT，
2.多模态交互能力：熟练文本，语音，图像，文件等多模态数据处理，掌握多模态 Agent 交互流程设计，具备跨模态信息整合与生成能力。
3.工具调用与编排：能够使用 SpringAI 开发 MCP 的服务端，掌握 SSE 和 Streamable 的通信机制，并结合 Agent 进行异步开发。能够自定义 Function Call，实现工具的同异步调用。实现聊天、天气查询和网页搜索的 Agent 调用功能。精通 LangGraph 核心组件，理解 WorkFlow 的构建 和 React Agent 实现思路。
4.记忆上下文管理：精通短期/长期记忆设计，精通使用 Chroma ,FAISS、Milvus 等向量数据库的分布式部署， 构建本地知识库，实现存储与查询。熟悉 RAG + RAGAS 结合 WorkFlow 实现动态路由和多 知识库的检索 和评估。理解 Context Engineering ,Prompt Engineering 的区别和原理。
5.大模型私有化部署能力：精通基于 vllm 的各种大模型私有化部署，包括但不限于 DeepSeek，Qwen3，Llama-3.2 等。
6.数据切片和检索能力：精通使用 UnstructuredLoader 处理多种格式（JSON、PDF、HTML、Markdown、 CSV）包括结构化提取和 OCR 识别 图文提取。能够基于 bge-large-zh-v1.5 私有化实现向量数据库 Similarity Search，熟悉使用 MySQL，PostgresSQL 存储 Agent 会话与元数据。具有高并发数据读写的经验。
7.提高搜索质量的能力：精通 Dense 向量 ，Sparse 向量的混合检索，并基于结果进行 ReRanker 模型的重排。 8.AI 工具使用能力：熟悉 Dify,Cursor,Copilot，Claude code 等各种大模型应用工具的使用。能够基于 Claude
code 完成小程序前端页面的开发，使用 ChatGPT，
项目经验
睿影医鉴——多模态医疗智能研判系统（RAG 开发） 核心开发人员 2026.3-至今
项目背景：融合多模态 RAG 技术的医疗智能系统，攻克跨模态检索难题，为医生提供精准病情研判与决策支持。技术栈:Gradio,Milvus,PyMilvus,DotsOCR,VLLM,DashScope,Fitz/PyMuPDF,BM25,PostgresSQL, RAGAS
项目成果：
1. 通过 milvus 中的建立双索引架构，使用 multimodal-embedding-vl 实现 Any2Any 跨模态检索
2.使用 vllm 推理引擎完成 Dots.OCR 的私有化部署，解析了 PDF 等非结构文档，解决跨页断裂问题处理
3.使用 Chains 完成上下文工程开发,通过 Postgresql 与异步多线程任务实现长期记忆语义检索,
4.使用 Prompt,将上下文信息除了最后两条以外的信息传入 LLM 提取重要事实和信息实现短期记忆摘要处理
5.通过问题，上下文，response,reference 构建样例模版传入 LLM 构建 RAGAS 双层评估体系，设置指标阈值， 显著提升 RAG 准确率，准确率可达到 98%
6.interrupt_before 设置节点的名字实现人工介入中断与恢复机制，保障低质量结果的人工审核与流程续跑
项目背景：融合多模态 RAG 技术的医疗智能系统，攻克跨模态检索难题，为医生提供精准病情研判与决策支持。技术栈:Gradio,Milvus,PyMilvus,DotsOCR,VLLM,DashScope,Fitz/PyMuPDF,BM25,PostgresSQL, RAGAS
项目成果：
1. 通过 milvus 中的建立双索引架构，使用 multimodal-embedding-vl 实现 Any2Any 跨模态检索
2.使用 vllm 推理引擎完成 Dots.OCR 的私有化部署，解析了 PDF 等非结构文档，解决跨页断裂问题处理
3.使用 Chains 完成上下文工程开发,通过 Postgresql 与异步多线程任务实现长期记忆语义检索,
4.使用 Prompt,将上下文信息除了最后两条以外的信息传入 LLM 提取重要事实和信息实现短期记忆摘要处理
5.通过问题，上下文，response,reference 构建样例模版传入 LLM 构建 RAGAS 双层评估体系，设置指标阈值， 显著提升 RAG 准确率，准确率可达到 98%
6.interrupt_before 设置节点的名字实现人工介入中断与恢复机制，保障低质量结果的人工审核与流程续跑
立即沟通
