璐璐
ai开发工程师
某互联网公司 · 5年经验
日薪：
￥500/8h
地点：
其他
时间：
下班后
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
模型调用与微调层：熟练掌握 OpenAI API / 本地模型部署（vLLM、Ollama），具备垂直领域模型微调（Fine-tuning）及 Prompt Engineering 实战经验。
AI 应用框架层：熟练使用 LangChain / LlamaIndex / AutoGen 搭建 RAG（检索增强生成）问答系统与 Multi-Agent 智能协作框架。
工程化与部署层：精通 FastAPI 封装推理接口，熟悉 Docker 容器化部署；熟练使用向量数据库（Milvus、ES、Chroma）进行语义检索，具备 Token 成本核算与上下文精简优化能力。
AI 应用框架层：熟练使用 LangChain / LlamaIndex / AutoGen 搭建 RAG（检索增强生成）问答系统与 Multi-Agent 智能协作框架。
工程化与部署层：精通 FastAPI 封装推理接口，熟悉 Docker 容器化部署；熟练使用向量数据库（Milvus、ES、Chroma）进行语义检索，具备 Token 成本核算与上下文精简优化能力。
项目经验
项目描述：在传统电商/后台管理系统基础上，新增 AI 导购与智能搜索能力。
核心职责：使用 BGE-M3 模型对商品数据进行 Embedding 存入 Milvus 向量库，支持语义搜索；基于 LangChain 构建对话链，通过 Function Calling 调用库存查询等工具，实现多轮对话式引导。
量化结果：搜索结果相关性评分较传统关键词匹配提升 35%；Redis 缓存高频 Embedding 结果，向量检索 P99 延迟控制在 120ms 内。
核心职责：使用 BGE-M3 模型对商品数据进行 Embedding 存入 Milvus 向量库，支持语义搜索；基于 LangChain 构建对话链，通过 Function Calling 调用库存查询等工具，实现多轮对话式引导。
量化结果：搜索结果相关性评分较传统关键词匹配提升 35%；Redis 缓存高频 Embedding 结果，向量检索 P99 延迟控制在 120ms 内。
璐璐
ai开发工程师 · 5年经验 · 某互联网公司
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
模型调用与微调层：熟练掌握 OpenAI API / 本地模型部署（vLLM、Ollama），具备垂直领域模型微调（Fine-tuning）及 Prompt Engineering 实战经验。
AI 应用框架层：熟练使用 LangChain / LlamaIndex / AutoGen 搭建 RAG（检索增强生成）问答系统与 Multi-Agent 智能协作框架。
工程化与部署层：精通 FastAPI 封装推理接口，熟悉 Docker 容器化部署；熟练使用向量数据库（Milvus、ES、Chroma）进行语义检索，具备 Token 成本核算与上下文精简优化能力。
AI 应用框架层：熟练使用 LangChain / LlamaIndex / AutoGen 搭建 RAG（检索增强生成）问答系统与 Multi-Agent 智能协作框架。
工程化与部署层：精通 FastAPI 封装推理接口，熟悉 Docker 容器化部署；熟练使用向量数据库（Milvus、ES、Chroma）进行语义检索，具备 Token 成本核算与上下文精简优化能力。
项目经验
项目描述：在传统电商/后台管理系统基础上，新增 AI 导购与智能搜索能力。
核心职责：使用 BGE-M3 模型对商品数据进行 Embedding 存入 Milvus 向量库，支持语义搜索；基于 LangChain 构建对话链，通过 Function Calling 调用库存查询等工具，实现多轮对话式引导。
量化结果：搜索结果相关性评分较传统关键词匹配提升 35%；Redis 缓存高频 Embedding 结果，向量检索 P99 延迟控制在 120ms 内。
核心职责：使用 BGE-M3 模型对商品数据进行 Embedding 存入 Milvus 向量库，支持语义搜索；基于 LangChain 构建对话链，通过 Function Calling 调用库存查询等工具，实现多轮对话式引导。
量化结果：搜索结果相关性评分较传统关键词匹配提升 35%；Redis 缓存高频 Embedding 结果，向量检索 P99 延迟控制在 120ms 内。
立即沟通
