阿巴阿巴
AI应用开发工程师
- 公司信息：
- 个人开发者
- 工作经验：
- 1年
- 兼职日薪：
- 500元/8小时
- 兼职时间：
- 下班后
- 所在区域：
- 杭州
- 西湖
技术能力
长期深耕 AI 大模型方向，熟练Claude code、LangChain、RAG 知识库、ReAct‑Agent、LangGraph 开发；采用 AI 辅助开发的方式，遵循企业级代码规范。承接本地模型私有化部署、智能 Agent 开发、Python 脚本编写，交付完整源码、部署文档，远程配置运行环境。
项目经验
ccpc金。
1.企业级智能招聘系统（RAG + 大模型简历推荐）
项目简介
基于 RAG（Retrieval-Augmented Generation）构建企业级智能招聘系统，实现职位需求解析、简历智能检索、候选人匹配评分、AI 推荐理由生成等核心能力，提高 HR 筛选效率与人岗匹配准确率。
项目亮点
基于 RAG 构建企业知识库，实现岗位 JD 与候选人简历语义检索
使用向量数据库进行简历 Embedding 存储与相似度召回
支持自然语言职位描述，自动解析招聘需求
利用 LLM 对候选人进行综合分析并生成推荐理由
支持多维度排序（技能、项目经验、工作经历、学历等）
支持 Top-K 候选人推荐及可解释性分析
技术栈
Python
FastAPI
LangChain
LangGraph（可选）
OpenAI / DeepSeek API
Milvus / FAISS / Chroma
Sentence Transformers
Redis
Docker
2.企业级智能知识助手（ReAct Agent + RAG）
项目简介
基于 ReAct 推理框架与 RAG 技术构建智能 Agent，支持知识问答、工具调用、多轮对话、联网搜索及任务规划，可应用于企业知识库、办公自动化及智能客服等场景。
项目亮点
基于 ReAct 实现 Think → Action → Observation 推理流程
集成 RAG，实现企业私有知识库精准问答
支持 Tool Calling，可调用数据库、搜索引擎、Python 工具等
支持多轮上下文记忆，提高连续对话体验
实现任务拆解与自动执行，提高复杂任务完成能力
支持 Prompt Engineering 与 Agent Workflow 优化
技术栈
Python
LangChain
LangGraph
OpenAI SDK
DeepSeek API
FastAPI
Redis
Chroma / Milvus
Docker
案例展示
-
企业级智能招聘系统
项目简介 基于 RAG（Retrieval-Augmented Generation）构建企业级智能招聘系统，实现职位需求解析、简历智能检索、候选人匹配评分、AI 推荐理由生成等核心能力，提高 HR 筛选效率与人岗匹配准确率。 项目亮点 基于 RAG 构建企业知
-
企业级智能知识助手（ReAct+ RAG
项目简介 基于 ReAct 推理框架与 RAG 技术构建智能 Agent，支持知识问答、工具调用、多轮对话、联网搜索及任务规划，可应用于企业知识库、办公自动化及智能客服等场景。 项目亮点 基于 ReAct 实现 Think → Action → Observat
