猿急送>

其他Python兼职程序员

ID：425657

海鸟跟鱼相爱

无

公司信息：
无

工作经验：
1年

兼职日薪：
500元/8小时

兼职时间：
可工作日驻场（自由职业原因）

所在区域：
其他
全区

技术能力

后端开发

Python：精通 Python 高级特性（装饰器、生成器、上下文管理器），熟练掌握异步编程（asyncio、async/await），深刻理解 GIL 锁及协程并发模型。

FastAPI：熟练使用 FastAPI 构建高并发 RESTful API，深度集成 Pydantic 进行数据校验，熟练运用依赖注入（Dependency Injection）与中间件实现鉴权、日志及异常统一处理。

Django：熟悉 Django 框架生命周期，掌握 ORM 性能优化（select_related/prefetch_related、批量操作），具备 Django 中间件、信号（Signal）及自定义 Manager 的实际项目开发经验。

数据库与缓存

MySQL：掌握 MySQL 底层索引数据结构（B+Tree），具备 SQL 慢查询调优与执行计划分析（EXPLAIN）能力；熟悉事务隔离级别及 MVCC 机制，能根据业务场景解决数据一致性问题。

Redis：熟练使用 Redis 五种核心数据结构（String/Hash/List/Set/Sorted Set），并应用于缓存设计、分布式锁（Redisson）、接口限流及延迟队列等场景；理解缓存穿透、雪崩、击穿的解决方案。

AI 应用与工程化

LangChain & RAG：熟练基于 LangChain 构建 RAG（检索增强生成）应用，掌握文档加载、文本分块（Chunking）、向量化（Embedding）及向量数据库（如 Chromadb/FAISS）的集成，能实现基于私域数据的智能问答系统。

LangGraph：了解 LangGraph 多智能体（Multi-Agent）工作流编排，具备构建带有记忆（Memory）与状态管理（State）的复杂 Agent 应用能力。

项目经验

小卡 Daisy — 桌面 AI 语音助手
项目描述：Windows 桌面 AI 助手，支持语音唤醒、大模型对话与系统操作。后端 FastAPI 提供核心服务，前端通过 LLM 辅助完成界面实现。

个人工作（Python 后端）：

设计并实现 FastAPI 微服务架构，包含配置管理、Token 鉴权中间件、WebSocket 双向流式通信
对接豆包 ASR WebSocket 流式识别（自定义二进制协议：4 字节 header + gzip 压缩 + PCM 音频流）
集成 DeepSeek 大模型，实现 JSON Structured Output 解析 + 10 轮对话上下文自动总结压缩
实现 Edge TTS 流式语音合成，设计 Piper 本地 TTS 降级链
搭建指令执行器：白名单校验 → JSON Schema 参数验证 → 系统目录硬编码拦截 → 二次确认，覆盖 8 种操作类型
API Key 通过 Windows DPAPI 加密存储，本地通信使用随机端口 + Token 鉴权
编写完整的 pytest 单元测试
借助 LLM 完成：Electron / React / TypeScript 前端界面、窗口管理、快捷键注册等桌面交互层。

技术栈：FastAPI · WebSocket · Uvicorn · LangChain · DeepSeek · 豆包 ASR · Edge TTS · Windows DPAPI · pytest

基于 RAG 的知识库问答系统
项目简介：设计并实现了一套面向企业内部文档的本地化检索增强生成（RAG）问答系统，支持用户上传txt/pdf格式
文档，通过自然语言提问获取基于文档内容的精准、可溯源回答，解决了传统问答无法引用私有数据、大模型易编造信
息的痛点。
技术栈：Python / LangChain / Ollama / ChromaDB / bge-large-zh / Gradio
技术亮点：全流程管道搭建：使用LangChain LCEL构建模块化RAG管道，串联「文档解析与切分 → 向量检索 → 上下
文拼装 → 大模型生成」全链路，确保回答内容可溯源、有效抑制模型幻觉。
本地化向量引擎实现：部署开源嵌入模型bge-large-zh-v1.5，结合ChromaDB向量数据库实现文档向量化存储与增量
追加，支持多文档累积检索，保障私有数据安全。
交互式Web应用开发：基于Gradio开发双栏Web界面，覆盖文档上传、知识库管理、智能问答全流程，并内置空知识
库校验、文件格式检查、服务状态检测等异常处理机制，提升系统稳定性与用户体验。
项目成果：建成一套可独立运行的本地化RAG问答系统，上传文档后即可基于文档内容进行问答，回答附带引用来源，
支持多文档累积检索，可快速落地企业内部知识问答场景。