尚玄
无 · 1年经验 · 无
0
累计接单
0
用户评价
0
被收藏
技术能力
熟练掌握 Python 后端开发，主要使用 FastAPI 框架构建 RESTful API 和 SSE 流式服务。具备完整的 AI Agent 系统开发经验，熟悉 LangChain、LangGraph 框架，能够独立搭建 RAG 知识库、多 Agent 协作系统、Function Calling 工具链。熟悉 MCP 协议，有 MCP Server 开发经验（stdio + SSE 传输）。掌握 React + TypeScript + shadcn/ui 前端开发，能独立完成全栈项目。熟悉 SQLite、MySQL、Redis 数据库，掌握 Docker 容器化部署。有 LoRA 微调和 Ollama 本地部署大模型的实践经验。熟练使用 AI 编程工具（Claude Code、Cursor）提升开发效率，擅长快速出 MVP。有完整的开源项目经验，能独立完成从需求分析到开发上线的全流程交付。
项目经验
独立设计并开发了基于混合引擎的 AI 备考助手系统。采用代码驱动（MCP Server）+ 模型驱动（DeepSeek）分层架构，减少 70% Token 消耗。集成 3 个 MCP Server（计算/匹配/校验），实现三层幻觉防御。V4 工程化落地了 LLM 调用监控、指数退避重试、Token 预算控制、自动化测试流水线等模块。提供刷题复盘、模考分析、数据看板等 8 大功能，前端 ECharts 可视化 + FastAPI + SSE 流式输出 + SQLite 持久化。GitHub 开源。
独立全栈开发了 AI 面试陪跑与简历评估系统。后端 FastAPI + 前端 React + TypeScript + shadcn/ui，实现 SSE 流式出题、LLM-as-Judge 判分、RAG 简历审查闭环。设计了求职任务工作台，串联简历→JD 匹配→训练计划→模拟面试→报告全流程。工程化方面实现了 pytest 自动化测试、Schema 校验、SQLite 持久化、错误容错处理。GitHub 开源。
独立全栈开发了 AI 面试陪跑与简历评估系统。后端 FastAPI + 前端 React + TypeScript + shadcn/ui，实现 SSE 流式出题、LLM-as-Judge 判分、RAG 简历审查闭环。设计了求职任务工作台，串联简历→JD 匹配→训练计划→模拟面试→报告全流程。工程化方面实现了 pytest 自动化测试、Schema 校验、SQLite 持久化、错误容错处理。GitHub 开源。
案例展示
折桂 AI 备考助手
独立设计并开发了基于混合引擎的 AI 备考助手系统。采用代码驱动（MCP Server）+ 模型驱动（DeepSeek）分层架构，减少 70% Token 消耗。集成 3 个 MCP Server（计算/匹配/校验），实现三层幻觉防御。V4 工程化落地了 LLM 调用监控、指数退
AI 面试陪跑系统
AI面试陪跑系统是一个完整的面试准备与简历评估平台，采用 FastAPI + React + TypeScript + shadcn/ui 全栈架构，GitHub 开源。核心功能包括：简历真实性审查（RAG 技术比对简历与 JD 匹配度）、SSE 流式出题、LLM-as-Judg
AI 面试陪跑系统
AI面试陪跑系统是一个完整的面试准备与简历评估平台，采用 FastAPI + React + TypeScript + shadcn/ui 全栈架构，GitHub 开源。核心功能包括：简历真实性审查（RAG 技术比对简历与 JD 匹配度）、SSE 流式出题、LLM-as-Judg
立即沟通
