废土乐园的青年
ai应用开发工程师
中国科学院 · 1年经验
日薪：
￥500/8h
地点：
北京 海淀
时间：
下班后周六周日可工作日远程
信用行为
0
接单数
0
评价数
1
收藏数
技术能力
1.智能体研发： 熟练掌握Agent设计、Prompt Engineering、RAG（检索增强生成）优化。
2.后端开发：熟练掌握python语言和Linux系统。
3.AI 生产力：深度集成 Cursor, Claude, GPT, Qwen进入全开发工作流；熟悉 LLM 的 Fine-tuning（微调）与部署流程。
2.后端开发：熟练掌握python语言和Linux系统。
3.AI 生产力：深度集成 Cursor, Claude, GPT, Qwen进入全开发工作流；熟悉 LLM 的 Fine-tuning（微调）与部署流程。
项目经验
1，减灾领域文献综述写作智能体
技术栈：Python，vLLM，Qwen，GraphRAG
描述：针对大模型在学术写作任务中易产生幻觉、难以输出长文的问题，构建一套全流程本地化文献综述写作系统：融合离线 Wikipedia、知识图谱与在线检索的多源知识检索，系统自动生成多视角专家模拟圆桌会议进行知识汇聚，经结构化大纲生成后逐节写作润色，输出完整综述。
2，多源融合的学术知识增强检索系统
技术栈：Python，GraphRAG，Qwen3，vLLM，FastAPI
描述：基于 4w 篇领域学术论文构建结构化知识图谱，封装为独立检索服务；同时集成 IFRC 与 GDACS 实时灾害数据 API，通过 LLM 解析用户查询意图并提取结构化检索参数，实现多源检索、去重与融合排序，最终由本地大模型完成答案生成，构成"离线知识图谱 + 在线实时数据"双路融合检索架构。
业绩:
成功构建面向学术场景的多源知识增强体系，显著提升了大模型在专业领域的知识召回能力与回答可信度；支持高效图谱检索与实时数据融合，大幅提升知识利用率。系统可稳定生成结构完整、逻辑清晰、可追溯的文献综述内容；专业领域问答中大模型幻觉问题显著降低，系统将于2026年8月在IRDR（灾害风险综合研究计划）上线。
技术栈：Python，vLLM，Qwen，GraphRAG
描述：针对大模型在学术写作任务中易产生幻觉、难以输出长文的问题，构建一套全流程本地化文献综述写作系统：融合离线 Wikipedia、知识图谱与在线检索的多源知识检索，系统自动生成多视角专家模拟圆桌会议进行知识汇聚，经结构化大纲生成后逐节写作润色，输出完整综述。
2，多源融合的学术知识增强检索系统
技术栈：Python，GraphRAG，Qwen3，vLLM，FastAPI
描述：基于 4w 篇领域学术论文构建结构化知识图谱，封装为独立检索服务；同时集成 IFRC 与 GDACS 实时灾害数据 API，通过 LLM 解析用户查询意图并提取结构化检索参数，实现多源检索、去重与融合排序，最终由本地大模型完成答案生成，构成"离线知识图谱 + 在线实时数据"双路融合检索架构。
业绩:
成功构建面向学术场景的多源知识增强体系，显著提升了大模型在专业领域的知识召回能力与回答可信度；支持高效图谱检索与实时数据融合，大幅提升知识利用率。系统可稳定生成结构完整、逻辑清晰、可追溯的文献综述内容；专业领域问答中大模型幻觉问题显著降低，系统将于2026年8月在IRDR（灾害风险综合研究计划）上线。
废土乐园的青年
ai应用开发工程师 · 1年经验 · 中国科学院
0
累计接单
0
用户评价
1
被收藏
信用行为
0
接单数
0
评价数
1
收藏数
技术能力
1.智能体研发： 熟练掌握Agent设计、Prompt Engineering、RAG（检索增强生成）优化。
2.后端开发：熟练掌握python语言和Linux系统。
3.AI 生产力：深度集成 Cursor, Claude, GPT, Qwen进入全开发工作流；熟悉 LLM 的 Fine-tuning（微调）与部署流程。
2.后端开发：熟练掌握python语言和Linux系统。
3.AI 生产力：深度集成 Cursor, Claude, GPT, Qwen进入全开发工作流；熟悉 LLM 的 Fine-tuning（微调）与部署流程。
项目经验
1，减灾领域文献综述写作智能体
技术栈：Python，vLLM，Qwen，GraphRAG
描述：针对大模型在学术写作任务中易产生幻觉、难以输出长文的问题，构建一套全流程本地化文献综述写作系统：融合离线 Wikipedia、知识图谱与在线检索的多源知识检索，系统自动生成多视角专家模拟圆桌会议进行知识汇聚，经结构化大纲生成后逐节写作润色，输出完整综述。
2，多源融合的学术知识增强检索系统
技术栈：Python，GraphRAG，Qwen3，vLLM，FastAPI
描述：基于 4w 篇领域学术论文构建结构化知识图谱，封装为独立检索服务；同时集成 IFRC 与 GDACS 实时灾害数据 API，通过 LLM 解析用户查询意图并提取结构化检索参数，实现多源检索、去重与融合排序，最终由本地大模型完成答案生成，构成"离线知识图谱 + 在线实时数据"双路融合检索架构。
业绩:
成功构建面向学术场景的多源知识增强体系，显著提升了大模型在专业领域的知识召回能力与回答可信度；支持高效图谱检索与实时数据融合，大幅提升知识利用率。系统可稳定生成结构完整、逻辑清晰、可追溯的文献综述内容；专业领域问答中大模型幻觉问题显著降低，系统将于2026年8月在IRDR（灾害风险综合研究计划）上线。
技术栈：Python，vLLM，Qwen，GraphRAG
描述：针对大模型在学术写作任务中易产生幻觉、难以输出长文的问题，构建一套全流程本地化文献综述写作系统：融合离线 Wikipedia、知识图谱与在线检索的多源知识检索，系统自动生成多视角专家模拟圆桌会议进行知识汇聚，经结构化大纲生成后逐节写作润色，输出完整综述。
2，多源融合的学术知识增强检索系统
技术栈：Python，GraphRAG，Qwen3，vLLM，FastAPI
描述：基于 4w 篇领域学术论文构建结构化知识图谱，封装为独立检索服务；同时集成 IFRC 与 GDACS 实时灾害数据 API，通过 LLM 解析用户查询意图并提取结构化检索参数，实现多源检索、去重与融合排序，最终由本地大模型完成答案生成，构成"离线知识图谱 + 在线实时数据"双路融合检索架构。
业绩:
成功构建面向学术场景的多源知识增强体系，显著提升了大模型在专业领域的知识召回能力与回答可信度；支持高效图谱检索与实时数据融合，大幅提升知识利用率。系统可稳定生成结构完整、逻辑清晰、可追溯的文献综述内容；专业领域问答中大模型幻觉问题显著降低，系统将于2026年8月在IRDR（灾害风险综合研究计划）上线。
案例展示
文献综述写作智能体
## IRDR 灾害风险智能研究系统 ### 项目简介 IRDR 是一套面向灾害风险研究领域的智能研究与知识服务系统，融合大语言模型、知识图谱、RAG 检索增强生成和多智能体协作技术，为用户提供专业问答、知识图谱增强检索和文献综述自动生成能力。 系统主要包含三种
灾害领域知识图谱增强问答系统
## GraphRAG 灾害领域知识图谱增强问答系统 ### 项目背景 通用大语言模型在回答灾害领域专业问题时，容易出现术语识别不准确、实体关系混乱和回答依据不足等问题。为提升 IRDR 系统的专业问答能力，项目建设了 GraphRAG 知识图谱检索子系统，将灾害领域
灾害领域知识图谱增强问答系统
## GraphRAG 灾害领域知识图谱增强问答系统 ### 项目背景 通用大语言模型在回答灾害领域专业问题时，容易出现术语识别不准确、实体关系混乱和回答依据不足等问题。为提升 IRDR 系统的专业问答能力，项目建设了 GraphRAG 知识图谱检索子系统，将灾害领域
立即沟通
