Z_
后端开发工程师
腾讯外包 · 3年经验
日薪：
￥500/8h
地点：
北京 海淀
时间：
周日
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
熟练使用 Python，具备多年AI 应用及后端开发经验。
后端开发：FastAPI、RESTful API、Pydantic、JWT、PostgreSQL、MySQL、Redis、Celery、SSE，能够独立完成接口设计、业务逻辑、权限控制、异步任务、第三方 API 对接及数据处理。
AI 应用：熟悉 RAG、Agent、LangGraph、Dify / Coze、Tool Calling、MCP、大模型 API 接入及 Prompt Engineering，可进行知识库、AI 工作流、智能助手及自动化应用开发。
RAG / 知识库：熟悉 Milvus、BGE-M3、BGE-Reranker、BM25、HyDE、RAGAS，可完成文档解析、OCR、切分、Embedding、混合召回、重排、引用溯源和效果评测。
数据与自动化：熟悉 Python 数据处理，可完成 Excel / CSV 批量处理、数据清洗、匹配合并、格式转换、接口数据同步及自动化脚本开发。
多模态：具备 OCR、本地 VLM、图片 / 扫描件结构化识别经验。
部署与工程化：熟悉 Linux、Docker、Docker Compose、Git、CI/CD，具备企业内网应用部署、日志追踪、限流、异常重试及系统稳定性优化经验。
可承接：Python 后端、FastAPI 接口、现有项目二开、API 接入、AI / RAG / Agent 应用、Dify 工作流、Excel 数据处理、OCR / PDF 文档处理及小型 Web 系统开发。
后端开发：FastAPI、RESTful API、Pydantic、JWT、PostgreSQL、MySQL、Redis、Celery、SSE，能够独立完成接口设计、业务逻辑、权限控制、异步任务、第三方 API 对接及数据处理。
AI 应用：熟悉 RAG、Agent、LangGraph、Dify / Coze、Tool Calling、MCP、大模型 API 接入及 Prompt Engineering，可进行知识库、AI 工作流、智能助手及自动化应用开发。
RAG / 知识库：熟悉 Milvus、BGE-M3、BGE-Reranker、BM25、HyDE、RAGAS，可完成文档解析、OCR、切分、Embedding、混合召回、重排、引用溯源和效果评测。
数据与自动化：熟悉 Python 数据处理，可完成 Excel / CSV 批量处理、数据清洗、匹配合并、格式转换、接口数据同步及自动化脚本开发。
多模态：具备 OCR、本地 VLM、图片 / 扫描件结构化识别经验。
部署与工程化：熟悉 Linux、Docker、Docker Compose、Git、CI/CD，具备企业内网应用部署、日志追踪、限流、异常重试及系统稳定性优化经验。
可承接：Python 后端、FastAPI 接口、现有项目二开、API 接入、AI / RAG / Agent 应用、Dify 工作流、Excel 数据处理、OCR / PDF 文档处理及小型 Web 系统开发。
项目经验
多智能体深度调研平台
负责架构设计及 Python 后端核心开发，基于 LangGraph、FastAPI、Milvus、Redis、Celery 搭建 Planner、Researcher、Writer、Fact Check 多 Agent 工作流，实现任务拆解、并行检索、报告生成和引用核验。将原本需要 2–3 天的人工调研缩短至小时级，并行检索效率提升 57%，混合检索 MRR 从 0.458 提升至 0.917，模型调用成本降低 43%。
企业知识库智能问答系统
负责 RAG 核心链路开发，处理企业标准、检测报告、工艺资料等文档，完成 OCR、文档切分、Embedding、Milvus 向量检索、BM25 混合召回和 BGE-Reranker 精排。RAGAS 从 0.47 提升至 0.78，检索延迟优化至约 0.2 秒，并支持中英德日跨语言检索及截图 / 扫描件问答。
视觉智能质检平台
基于 FastAPI、LangGraph、本地 VLM、RAG 搭建视觉识别、根因分析、处置建议和人工审核多 Agent 流程。缺陷识别准确率达到 95%（内部评测集），系统已部署企业内网并进行内部试点，同时实现异步任务、实时进度、模型 fallback、限流及异常处理。
多模态识别服务
使用 FastAPI + OCR + 本地 VLM 搭建统一图片、截图和扫描件识别接口，将非结构化内容转换为结构化字段，为知识库和业务系统提供复用能力。单张识别 P50 约 1.1 秒，并通过 Schema 校验、字段归一化和异常兜底提升输出稳定性。
具备从需求分析、技术方案、后端开发、第三方 API 对接，到 Docker 部署和交付的完整项目经验，可承接短周期开发、已有项目修改和功能二次开发。
负责架构设计及 Python 后端核心开发，基于 LangGraph、FastAPI、Milvus、Redis、Celery 搭建 Planner、Researcher、Writer、Fact Check 多 Agent 工作流，实现任务拆解、并行检索、报告生成和引用核验。将原本需要 2–3 天的人工调研缩短至小时级，并行检索效率提升 57%，混合检索 MRR 从 0.458 提升至 0.917，模型调用成本降低 43%。
企业知识库智能问答系统
负责 RAG 核心链路开发，处理企业标准、检测报告、工艺资料等文档，完成 OCR、文档切分、Embedding、Milvus 向量检索、BM25 混合召回和 BGE-Reranker 精排。RAGAS 从 0.47 提升至 0.78，检索延迟优化至约 0.2 秒，并支持中英德日跨语言检索及截图 / 扫描件问答。
视觉智能质检平台
基于 FastAPI、LangGraph、本地 VLM、RAG 搭建视觉识别、根因分析、处置建议和人工审核多 Agent 流程。缺陷识别准确率达到 95%（内部评测集），系统已部署企业内网并进行内部试点，同时实现异步任务、实时进度、模型 fallback、限流及异常处理。
多模态识别服务
使用 FastAPI + OCR + 本地 VLM 搭建统一图片、截图和扫描件识别接口，将非结构化内容转换为结构化字段，为知识库和业务系统提供复用能力。单张识别 P50 约 1.1 秒，并通过 Schema 校验、字段归一化和异常兜底提升输出稳定性。
具备从需求分析、技术方案、后端开发、第三方 API 对接，到 Docker 部署和交付的完整项目经验，可承接短周期开发、已有项目修改和功能二次开发。
案例展示 全部案例 >
ID:424554
复制
Z_
后端开发工程师 · 3年经验 · 腾讯外包
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
熟练使用 Python，具备多年AI 应用及后端开发经验。
后端开发：FastAPI、RESTful API、Pydantic、JWT、PostgreSQL、MySQL、Redis、Celery、SSE，能够独立完成接口设计、业务逻辑、权限控制、异步任务、第三方 API 对接及数据处理。
AI 应用：熟悉 RAG、Agent、LangGraph、Dify / Coze、Tool Calling、MCP、大模型 API 接入及 Prompt Engineering，可进行知识库、AI 工作流、智能助手及自动化应用开发。
RAG / 知识库：熟悉 Milvus、BGE-M3、BGE-Reranker、BM25、HyDE、RAGAS，可完成文档解析、OCR、切分、Embedding、混合召回、重排、引用溯源和效果评测。
数据与自动化：熟悉 Python 数据处理，可完成 Excel / CSV 批量处理、数据清洗、匹配合并、格式转换、接口数据同步及自动化脚本开发。
多模态：具备 OCR、本地 VLM、图片 / 扫描件结构化识别经验。
部署与工程化：熟悉 Linux、Docker、Docker Compose、Git、CI/CD，具备企业内网应用部署、日志追踪、限流、异常重试及系统稳定性优化经验。
可承接：Python 后端、FastAPI 接口、现有项目二开、API 接入、AI / RAG / Agent 应用、Dify 工作流、Excel 数据处理、OCR / PDF 文档处理及小型 Web 系统开发。
后端开发：FastAPI、RESTful API、Pydantic、JWT、PostgreSQL、MySQL、Redis、Celery、SSE，能够独立完成接口设计、业务逻辑、权限控制、异步任务、第三方 API 对接及数据处理。
AI 应用：熟悉 RAG、Agent、LangGraph、Dify / Coze、Tool Calling、MCP、大模型 API 接入及 Prompt Engineering，可进行知识库、AI 工作流、智能助手及自动化应用开发。
RAG / 知识库：熟悉 Milvus、BGE-M3、BGE-Reranker、BM25、HyDE、RAGAS，可完成文档解析、OCR、切分、Embedding、混合召回、重排、引用溯源和效果评测。
数据与自动化：熟悉 Python 数据处理，可完成 Excel / CSV 批量处理、数据清洗、匹配合并、格式转换、接口数据同步及自动化脚本开发。
多模态：具备 OCR、本地 VLM、图片 / 扫描件结构化识别经验。
部署与工程化：熟悉 Linux、Docker、Docker Compose、Git、CI/CD，具备企业内网应用部署、日志追踪、限流、异常重试及系统稳定性优化经验。
可承接：Python 后端、FastAPI 接口、现有项目二开、API 接入、AI / RAG / Agent 应用、Dify 工作流、Excel 数据处理、OCR / PDF 文档处理及小型 Web 系统开发。
项目经验
多智能体深度调研平台
负责架构设计及 Python 后端核心开发，基于 LangGraph、FastAPI、Milvus、Redis、Celery 搭建 Planner、Researcher、Writer、Fact Check 多 Agent 工作流，实现任务拆解、并行检索、报告生成和引用核验。将原本需要 2–3 天的人工调研缩短至小时级，并行检索效率提升 57%，混合检索 MRR 从 0.458 提升至 0.917，模型调用成本降低 43%。
企业知识库智能问答系统
负责 RAG 核心链路开发，处理企业标准、检测报告、工艺资料等文档，完成 OCR、文档切分、Embedding、Milvus 向量检索、BM25 混合召回和 BGE-Reranker 精排。RAGAS 从 0.47 提升至 0.78，检索延迟优化至约 0.2 秒，并支持中英德日跨语言检索及截图 / 扫描件问答。
视觉智能质检平台
基于 FastAPI、LangGraph、本地 VLM、RAG 搭建视觉识别、根因分析、处置建议和人工审核多 Agent 流程。缺陷识别准确率达到 95%（内部评测集），系统已部署企业内网并进行内部试点，同时实现异步任务、实时进度、模型 fallback、限流及异常处理。
多模态识别服务
使用 FastAPI + OCR + 本地 VLM 搭建统一图片、截图和扫描件识别接口，将非结构化内容转换为结构化字段，为知识库和业务系统提供复用能力。单张识别 P50 约 1.1 秒，并通过 Schema 校验、字段归一化和异常兜底提升输出稳定性。
具备从需求分析、技术方案、后端开发、第三方 API 对接，到 Docker 部署和交付的完整项目经验，可承接短周期开发、已有项目修改和功能二次开发。
负责架构设计及 Python 后端核心开发，基于 LangGraph、FastAPI、Milvus、Redis、Celery 搭建 Planner、Researcher、Writer、Fact Check 多 Agent 工作流，实现任务拆解、并行检索、报告生成和引用核验。将原本需要 2–3 天的人工调研缩短至小时级，并行检索效率提升 57%，混合检索 MRR 从 0.458 提升至 0.917，模型调用成本降低 43%。
企业知识库智能问答系统
负责 RAG 核心链路开发，处理企业标准、检测报告、工艺资料等文档，完成 OCR、文档切分、Embedding、Milvus 向量检索、BM25 混合召回和 BGE-Reranker 精排。RAGAS 从 0.47 提升至 0.78，检索延迟优化至约 0.2 秒，并支持中英德日跨语言检索及截图 / 扫描件问答。
视觉智能质检平台
基于 FastAPI、LangGraph、本地 VLM、RAG 搭建视觉识别、根因分析、处置建议和人工审核多 Agent 流程。缺陷识别准确率达到 95%（内部评测集），系统已部署企业内网并进行内部试点，同时实现异步任务、实时进度、模型 fallback、限流及异常处理。
多模态识别服务
使用 FastAPI + OCR + 本地 VLM 搭建统一图片、截图和扫描件识别接口，将非结构化内容转换为结构化字段，为知识库和业务系统提供复用能力。单张识别 P50 约 1.1 秒，并通过 Schema 校验、字段归一化和异常兜底提升输出稳定性。
具备从需求分析、技术方案、后端开发、第三方 API 对接，到 Docker 部署和交付的完整项目经验，可承接短周期开发、已有项目修改和功能二次开发。
案例展示
多智能体深度调研平台
针对人工收集行业、竞品及市场资料耗时较长的问题，开发多智能体自动调研平台。 系统能够自动进行任务拆解、资料搜索、内容整理、报告撰写、事实核验及引用生成，并输出 Word / PDF 报告。 通过 LangGraph 实现多个 Agent 分工协作，并配合 RAG 检索、异步任
企业知识库 RAG 系统
针对企业内部标准文件、检测报告、工艺资料分散、查询效率低的问题，开发企业知识库智能问答系统。 支持 PDF、扫描件、图片等资料解析，通过 OCR、文档切分、向量检索、关键词检索和 Reranker 精排提升查询准确率，并支持答案引用溯源及中英德日跨语言检索。 项目中完成 Fa
立即沟通
