逸昂先森
数据开发|AI大模型应用开发
深圳法本 · 10年经验
日薪：
￥500/8h
地点：
西安 全区
时间：
可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
1、精通RAG检索增强生成技术，熟悉向量数据库(FAISS/Milvus)；
2、掌握Agent框架(LangChain/LCEL)和Function Calling技术；
3、熟练Prompt Engineering，精通结构化输出(JSON Schema);
4、熟悉MCP(Model Context Protocol)和Skill开发机制;
5、了解主流LLM模型(Qwen/Claude/GPT)的特性和应用场景;
6、掌握Jina Reranker等重排序技术，提升检索准确率;
7、熟练使用Trae IDE进行Vibe Coding开发，具备AI辅助编程、实时调试和代码审查能力
8、熟练掌握 HQL 优化的技巧 ，数据倾斜问题的解决经验；
9、熟悉Hadoop生态系统(HDFS/YARN/MapReduce)；
10、熟悉Linux常用指令 ，会使用第三方工具 Xshell；
11、熟悉python、sql等编程语言；
12、熟悉Docker容器化部署。
2、掌握Agent框架(LangChain/LCEL)和Function Calling技术；
3、熟练Prompt Engineering，精通结构化输出(JSON Schema);
4、熟悉MCP(Model Context Protocol)和Skill开发机制;
5、了解主流LLM模型(Qwen/Claude/GPT)的特性和应用场景;
6、掌握Jina Reranker等重排序技术，提升检索准确率;
7、熟练使用Trae IDE进行Vibe Coding开发，具备AI辅助编程、实时调试和代码审查能力
8、熟练掌握 HQL 优化的技巧 ，数据倾斜问题的解决经验；
9、熟悉Hadoop生态系统(HDFS/YARN/MapReduce)；
10、熟悉Linux常用指令 ，会使用第三方工具 Xshell；
11、熟悉python、sql等编程语言；
12、熟悉Docker容器化部署。
项目经验
项目： RAG企业知识库问答系统
技术框架：LangChain + LCEL + DashScope + FAISS + BM25 + FastAPI + Docker + Python
项目背景：公司是 CAE 仿真软件平台，技术部、产品部、销售部等部门长期积累大量技术手册、产品文档、销售材料等知识资产，传统人工检索效率低、跨部门协作困难；同时部门知识存在保密要求，需做到部门间知识隔离，仅授权人员可访问本部门或被授予的其他部门知识库。项目目标是基于 LangChain 构建支持部门隔离与权限管控的 RAG 知识库问答系统，从各部门文档中提取信息并给出带页码引用的可溯源答案。
工作描述：
1.采用Docling+Mineru双引擎解析PDF/技术文档，将PDF转化为保留页码和表格结构的分块JSON文档；
2.设计"向量检索+BM25"加权混合检索方案，通过Jina Reranker v2模型二次精排，提升检索准确率；
3.设计包含推理过程、引用页码、最终答案的结构化Prompt模板，使用JSON Schema约束LLM输出格式，结合上下文拼接策略调用大模型生成可溯源答案，以此降低幻觉率；
4.基于 LCEL 将全流程编排为问答、重写、比较三条可复用链，Pipeline 串联 解析→分块→建索引→检索→重排→生成 全流程；以 FastAPI 封装为 REST 接口（Token 鉴权 + 部门路由），Docker 容器化部署后嵌入公司数字化平台；
5.编写测试用例覆盖核心流程。
技术框架：LangChain + LCEL + DashScope + FAISS + BM25 + FastAPI + Docker + Python
项目背景：公司是 CAE 仿真软件平台，技术部、产品部、销售部等部门长期积累大量技术手册、产品文档、销售材料等知识资产，传统人工检索效率低、跨部门协作困难；同时部门知识存在保密要求，需做到部门间知识隔离，仅授权人员可访问本部门或被授予的其他部门知识库。项目目标是基于 LangChain 构建支持部门隔离与权限管控的 RAG 知识库问答系统，从各部门文档中提取信息并给出带页码引用的可溯源答案。
工作描述：
1.采用Docling+Mineru双引擎解析PDF/技术文档，将PDF转化为保留页码和表格结构的分块JSON文档；
2.设计"向量检索+BM25"加权混合检索方案，通过Jina Reranker v2模型二次精排，提升检索准确率；
3.设计包含推理过程、引用页码、最终答案的结构化Prompt模板，使用JSON Schema约束LLM输出格式，结合上下文拼接策略调用大模型生成可溯源答案，以此降低幻觉率；
4.基于 LCEL 将全流程编排为问答、重写、比较三条可复用链，Pipeline 串联 解析→分块→建索引→检索→重排→生成 全流程；以 FastAPI 封装为 REST 接口（Token 鉴权 + 部门路由），Docker 容器化部署后嵌入公司数字化平台；
5.编写测试用例覆盖核心流程。
团队情况
整包服务：
其他开发
负责人：
数据开发|AI大模型应用开发
团队成员：
前端工程师 后端工程师
ID:426744
复制
逸昂先森
有团队 · 可整包
数据开发|AI大模型应用开发 · 10年经验 · 深圳法本
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
1、精通RAG检索增强生成技术，熟悉向量数据库(FAISS/Milvus)；
2、掌握Agent框架(LangChain/LCEL)和Function Calling技术；
3、熟练Prompt Engineering，精通结构化输出(JSON Schema);
4、熟悉MCP(Model Context Protocol)和Skill开发机制;
5、了解主流LLM模型(Qwen/Claude/GPT)的特性和应用场景;
6、掌握Jina Reranker等重排序技术，提升检索准确率;
7、熟练使用Trae IDE进行Vibe Coding开发，具备AI辅助编程、实时调试和代码审查能力
8、熟练掌握 HQL 优化的技巧 ，数据倾斜问题的解决经验；
9、熟悉Hadoop生态系统(HDFS/YARN/MapReduce)；
10、熟悉Linux常用指令 ，会使用第三方工具 Xshell；
11、熟悉python、sql等编程语言；
12、熟悉Docker容器化部署。
2、掌握Agent框架(LangChain/LCEL)和Function Calling技术；
3、熟练Prompt Engineering，精通结构化输出(JSON Schema);
4、熟悉MCP(Model Context Protocol)和Skill开发机制;
5、了解主流LLM模型(Qwen/Claude/GPT)的特性和应用场景;
6、掌握Jina Reranker等重排序技术，提升检索准确率;
7、熟练使用Trae IDE进行Vibe Coding开发，具备AI辅助编程、实时调试和代码审查能力
8、熟练掌握 HQL 优化的技巧 ，数据倾斜问题的解决经验；
9、熟悉Hadoop生态系统(HDFS/YARN/MapReduce)；
10、熟悉Linux常用指令 ，会使用第三方工具 Xshell；
11、熟悉python、sql等编程语言；
12、熟悉Docker容器化部署。
项目经验
项目： RAG企业知识库问答系统
技术框架：LangChain + LCEL + DashScope + FAISS + BM25 + FastAPI + Docker + Python
项目背景：公司是 CAE 仿真软件平台，技术部、产品部、销售部等部门长期积累大量技术手册、产品文档、销售材料等知识资产，传统人工检索效率低、跨部门协作困难；同时部门知识存在保密要求，需做到部门间知识隔离，仅授权人员可访问本部门或被授予的其他部门知识库。项目目标是基于 LangChain 构建支持部门隔离与权限管控的 RAG 知识库问答系统，从各部门文档中提取信息并给出带页码引用的可溯源答案。
工作描述：
1.采用Docling+Mineru双引擎解析PDF/技术文档，将PDF转化为保留页码和表格结构的分块JSON文档；
2.设计"向量检索+BM25"加权混合检索方案，通过Jina Reranker v2模型二次精排，提升检索准确率；
3.设计包含推理过程、引用页码、最终答案的结构化Prompt模板，使用JSON Schema约束LLM输出格式，结合上下文拼接策略调用大模型生成可溯源答案，以此降低幻觉率；
4.基于 LCEL 将全流程编排为问答、重写、比较三条可复用链，Pipeline 串联 解析→分块→建索引→检索→重排→生成 全流程；以 FastAPI 封装为 REST 接口（Token 鉴权 + 部门路由），Docker 容器化部署后嵌入公司数字化平台；
5.编写测试用例覆盖核心流程。
技术框架：LangChain + LCEL + DashScope + FAISS + BM25 + FastAPI + Docker + Python
项目背景：公司是 CAE 仿真软件平台，技术部、产品部、销售部等部门长期积累大量技术手册、产品文档、销售材料等知识资产，传统人工检索效率低、跨部门协作困难；同时部门知识存在保密要求，需做到部门间知识隔离，仅授权人员可访问本部门或被授予的其他部门知识库。项目目标是基于 LangChain 构建支持部门隔离与权限管控的 RAG 知识库问答系统，从各部门文档中提取信息并给出带页码引用的可溯源答案。
工作描述：
1.采用Docling+Mineru双引擎解析PDF/技术文档，将PDF转化为保留页码和表格结构的分块JSON文档；
2.设计"向量检索+BM25"加权混合检索方案，通过Jina Reranker v2模型二次精排，提升检索准确率；
3.设计包含推理过程、引用页码、最终答案的结构化Prompt模板，使用JSON Schema约束LLM输出格式，结合上下文拼接策略调用大模型生成可溯源答案，以此降低幻觉率；
4.基于 LCEL 将全流程编排为问答、重写、比较三条可复用链，Pipeline 串联 解析→分块→建索引→检索→重排→生成 全流程；以 FastAPI 封装为 REST 接口（Token 鉴权 + 部门路由），Docker 容器化部署后嵌入公司数字化平台；
5.编写测试用例覆盖核心流程。
团队情况
服务范围：
团队构成：
负责人(数据开发|AI大模型应用开发)
|
核心队员：前端工程师 ·
后端工程师
案例展示
文生短视频agent
本项目是一个基于多Agent架构的文本生成短视频系统。用户输入文本描述，系统通过5个专业Agent协作，自动完成内容规划、脚本生成、视频生成、音频生成和特效处理，最终输出带旁白和字幕的动漫风格短视频。 技术栈：FastAPI + SQLAlchemy + DashScope A
rag企业级知识库问答系统
这个项目是一个 RAG 企业知识库问答系统。甲方公司技术部、产品部、销售部长期积累了大量技术手册、产品文档、销售材料，传统人工检索效率很低，跨部门协作困难，而且部门知识有保密要求，需要做到部门间知识隔离。我基于 LangChain 构建了一套支持部门隔离、权限管控、答案可溯源的问
立即沟通
