yzh
技术总监
智梦科技有限公司 · 6年经验
日薪：
￥500/8h
地点：
杭州
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
0
收藏数
技术能力
5年+AI算法与工程落地经验，主攻两个方向：
一、大模型应用：多模型调度、RAG检索增强（Milvus向量库+Neo4j知识图谱）、Prompt工程、多模态生成，可独立交付AI问答、智能推荐、AI生图系统；
二、计算机视觉：目标检测（YOLO系列）、关键点检测、人脸识别、多目标追踪（DeepSort）、细粒度图像检索（Swin-Transformer+向量库），含TensorRT量化与端侧/服务器部署。
后端扎实：Python高并发、FastAPI、Redis/MySQL、Docker微服务，算法到部署全链路独立完成。
擅长承接：AI应用0到1开发、视觉识别/检测系统、大模型接入与推理优化。
一、大模型应用：多模型调度、RAG检索增强（Milvus向量库+Neo4j知识图谱）、Prompt工程、多模态生成，可独立交付AI问答、智能推荐、AI生图系统；
二、计算机视觉：目标检测（YOLO系列）、关键点检测、人脸识别、多目标追踪（DeepSort）、细粒度图像检索（Swin-Transformer+向量库），含TensorRT量化与端侧/服务器部署。
后端扎实：Python高并发、FastAPI、Redis/MySQL、Docker微服务，算法到部署全链路独立完成。
擅长承接：AI应用0到1开发、视觉识别/检测系统、大模型接入与推理优化。
项目经验
① 大模型Agent问答系统系列（主导）：基于RAG落地健康问答、美丽管理师问答、营养师问答、微信智能体大健康对话等系统；向量检索+知识图谱双引擎，多模型调度可用性99.9%，精准度提升30%；
② 大模型多模态菜品推荐系统（主导·全栈）：「大模型+线性规划」混合调度，意图识别准确率95%+，召回效率提升10倍；
③ 餐饮菜品识别系统+AI标注训练平台（主导）：准确率97.5%，日均10万+次，支撑50+门店、300+菜品，标注效率提升300%；
④ 智能取餐称重视觉检测平台（参与）：YOLO-Pose+DeepSort+人脸识别融合，误报率20%→4.8%，TensorRT端侧推理<100ms。
② 大模型多模态菜品推荐系统（主导·全栈）：「大模型+线性规划」混合调度，意图识别准确率95%+，召回效率提升10倍；
③ 餐饮菜品识别系统+AI标注训练平台（主导）：准确率97.5%，日均10万+次，支撑50+门店、300+菜品，标注效率提升300%；
④ 智能取餐称重视觉检测平台（参与）：YOLO-Pose+DeepSort+人脸识别融合，误报率20%→4.8%，TensorRT端侧推理<100ms。
yzh
技术总监 · 6年经验 · 智梦科技有限公司
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
5年+AI算法与工程落地经验，主攻两个方向：
一、大模型应用：多模型调度、RAG检索增强（Milvus向量库+Neo4j知识图谱）、Prompt工程、多模态生成，可独立交付AI问答、智能推荐、AI生图系统；
二、计算机视觉：目标检测（YOLO系列）、关键点检测、人脸识别、多目标追踪（DeepSort）、细粒度图像检索（Swin-Transformer+向量库），含TensorRT量化与端侧/服务器部署。
后端扎实：Python高并发、FastAPI、Redis/MySQL、Docker微服务，算法到部署全链路独立完成。
擅长承接：AI应用0到1开发、视觉识别/检测系统、大模型接入与推理优化。
一、大模型应用：多模型调度、RAG检索增强（Milvus向量库+Neo4j知识图谱）、Prompt工程、多模态生成，可独立交付AI问答、智能推荐、AI生图系统；
二、计算机视觉：目标检测（YOLO系列）、关键点检测、人脸识别、多目标追踪（DeepSort）、细粒度图像检索（Swin-Transformer+向量库），含TensorRT量化与端侧/服务器部署。
后端扎实：Python高并发、FastAPI、Redis/MySQL、Docker微服务，算法到部署全链路独立完成。
擅长承接：AI应用0到1开发、视觉识别/检测系统、大模型接入与推理优化。
项目经验
① 大模型Agent问答系统系列（主导）：基于RAG落地健康问答、美丽管理师问答、营养师问答、微信智能体大健康对话等系统；向量检索+知识图谱双引擎，多模型调度可用性99.9%，精准度提升30%；
② 大模型多模态菜品推荐系统（主导·全栈）：「大模型+线性规划」混合调度，意图识别准确率95%+，召回效率提升10倍；
③ 餐饮菜品识别系统+AI标注训练平台（主导）：准确率97.5%，日均10万+次，支撑50+门店、300+菜品，标注效率提升300%；
④ 智能取餐称重视觉检测平台（参与）：YOLO-Pose+DeepSort+人脸识别融合，误报率20%→4.8%，TensorRT端侧推理<100ms。
② 大模型多模态菜品推荐系统（主导·全栈）：「大模型+线性规划」混合调度，意图识别准确率95%+，召回效率提升10倍；
③ 餐饮菜品识别系统+AI标注训练平台（主导）：准确率97.5%，日均10万+次，支撑50+门店、300+菜品，标注效率提升300%；
④ 智能取餐称重视觉检测平台（参与）：YOLO-Pose+DeepSort+人脸识别融合，误报率20%→4.8%，TensorRT端侧推理<100ms。
案例展示
大健康AI问答智能体系统
面向大健康行业的AI问答与智能推荐系统。基于大模型+RAG架构：Milvus向量库+Neo4j知识图谱双引擎检索，多模型调度引擎（服务可用性99.9%），覆盖健康问答、营养师对话、美丽管理师问答、微信智能体等多个场景。本人主导架构设计与全栈开发：领域知识库构建、文档向量化、检索增
AI菜品识别与智能结算系统
面向智慧餐饮的计算机视觉系统：两阶段识别方案（YOLO目标检测定位菜品 + Swin-Transformer提取特征做向量相似检索），新菜品拍照即录入、秒级上线、无需重新训练。本人主导算法与平台开发：数据集构建、模型训练迭代、TensorRT部署加速、Redis特征库、AI标注训
立即沟通
