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
1
收藏数
技术能力
5 年+ AI 算法与工程落地经验，独立完成从算法到上线的全链路，主攻能帮企业直接降本增收的两个方向：
一、大模型应用落地：精通多模型调度、RAG 检索增强（Milvus 向量库 + Neo4j 知识图谱）、Prompt 工程与多模态生成。能把大模型从"演示玩具"变成 7×24 稳定运行的生产力工具——AI 智能问答、智能推荐、AI 生图、数字人内容生产系统均可独立交付。
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，让识别算法在低算力设备上也能毫秒级实时运行。
后端工程扎实：Python 高并发、FastAPI、Redis/MySQL、Docker 微服务，一个人就是一支完整交付团队。
擅长承接：AI 应用 0→1 定制开发、AI 数字人/内容生产系统、视觉识别与检测系统、大模型接入与推理优化。目标是让客户用 AI 真正解决问题，而不是买一堆用不起来的概念。
一、大模型应用落地：精通多模型调度、RAG 检索增强（Milvus 向量库 + Neo4j 知识图谱）、Prompt 工程与多模态生成。能把大模型从"演示玩具"变成 7×24 稳定运行的生产力工具——AI 智能问答、智能推荐、AI 生图、数字人内容生产系统均可独立交付。
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，让识别算法在低算力设备上也能毫秒级实时运行。
后端工程扎实：Python 高并发、FastAPI、Redis/MySQL、Docker 微服务，一个人就是一支完整交付团队。
擅长承接：AI 应用 0→1 定制开发、AI 数字人/内容生产系统、视觉识别与检测系统、大模型接入与推理优化。目标是让客户用 AI 真正解决问题，而不是买一堆用不起来的概念。
项目经验
① 大模型 Agent 问答系统系列（主导）：基于 RAG 先后落地健康问答、美丽管理师问答、营养师问答、微信智能体大健康对话等多套系统，向量检索 + 知识图谱双引擎，多模型调度可用性 99.9%，回答精准度提升 30%——帮客户把重复咨询人力砍掉大半。
② 大模型多模态菜品推荐系统（主导·全栈）：创新「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——让推荐系统既懂人话，又算得准账。
③ 餐饮菜品识别系统 + AI 标注训练平台（主导）：识别准确率 97.5%，日均调用 10 万+次，稳定支撑 50+ 门店、300+ 菜品，标注效率提升 300%——客户后厨收银环节人力直接省掉。
④ 智能取餐称重视觉检测平台（参与）：YOLO-Pose + DeepSort + 人脸识别融合，误报率从 20% 降至 4.8%，TensorRT 端侧推理 <100ms——用视觉杜绝取餐漏扫与损耗。
以上项目均已真实上线运行，覆盖大健康、餐饮、新零售行业，可应需求演示。
② 大模型多模态菜品推荐系统（主导·全栈）：创新「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——让推荐系统既懂人话，又算得准账。
③ 餐饮菜品识别系统 + AI 标注训练平台（主导）：识别准确率 97.5%，日均调用 10 万+次，稳定支撑 50+ 门店、300+ 菜品，标注效率提升 300%——客户后厨收银环节人力直接省掉。
④ 智能取餐称重视觉检测平台（参与）：YOLO-Pose + DeepSort + 人脸识别融合，误报率从 20% 降至 4.8%，TensorRT 端侧推理 <100ms——用视觉杜绝取餐漏扫与损耗。
以上项目均已真实上线运行，覆盖大健康、餐饮、新零售行业，可应需求演示。
ID:431098
复制
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
1
被收藏
信用行为
0
接单数
0
评价数
1
收藏数
技术能力
5 年+ AI 算法与工程落地经验，独立完成从算法到上线的全链路，主攻能帮企业直接降本增收的两个方向：
一、大模型应用落地：精通多模型调度、RAG 检索增强（Milvus 向量库 + Neo4j 知识图谱）、Prompt 工程与多模态生成。能把大模型从"演示玩具"变成 7×24 稳定运行的生产力工具——AI 智能问答、智能推荐、AI 生图、数字人内容生产系统均可独立交付。
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，让识别算法在低算力设备上也能毫秒级实时运行。
后端工程扎实：Python 高并发、FastAPI、Redis/MySQL、Docker 微服务，一个人就是一支完整交付团队。
擅长承接：AI 应用 0→1 定制开发、AI 数字人/内容生产系统、视觉识别与检测系统、大模型接入与推理优化。目标是让客户用 AI 真正解决问题，而不是买一堆用不起来的概念。
一、大模型应用落地：精通多模型调度、RAG 检索增强（Milvus 向量库 + Neo4j 知识图谱）、Prompt 工程与多模态生成。能把大模型从"演示玩具"变成 7×24 稳定运行的生产力工具——AI 智能问答、智能推荐、AI 生图、数字人内容生产系统均可独立交付。
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，让识别算法在低算力设备上也能毫秒级实时运行。
后端工程扎实：Python 高并发、FastAPI、Redis/MySQL、Docker 微服务，一个人就是一支完整交付团队。
擅长承接：AI 应用 0→1 定制开发、AI 数字人/内容生产系统、视觉识别与检测系统、大模型接入与推理优化。目标是让客户用 AI 真正解决问题，而不是买一堆用不起来的概念。
项目经验
① 大模型 Agent 问答系统系列（主导）：基于 RAG 先后落地健康问答、美丽管理师问答、营养师问答、微信智能体大健康对话等多套系统，向量检索 + 知识图谱双引擎，多模型调度可用性 99.9%，回答精准度提升 30%——帮客户把重复咨询人力砍掉大半。
② 大模型多模态菜品推荐系统（主导·全栈）：创新「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——让推荐系统既懂人话，又算得准账。
③ 餐饮菜品识别系统 + AI 标注训练平台（主导）：识别准确率 97.5%，日均调用 10 万+次，稳定支撑 50+ 门店、300+ 菜品，标注效率提升 300%——客户后厨收银环节人力直接省掉。
④ 智能取餐称重视觉检测平台（参与）：YOLO-Pose + DeepSort + 人脸识别融合，误报率从 20% 降至 4.8%，TensorRT 端侧推理 <100ms——用视觉杜绝取餐漏扫与损耗。
以上项目均已真实上线运行，覆盖大健康、餐饮、新零售行业，可应需求演示。
② 大模型多模态菜品推荐系统（主导·全栈）：创新「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——让推荐系统既懂人话，又算得准账。
③ 餐饮菜品识别系统 + AI 标注训练平台（主导）：识别准确率 97.5%，日均调用 10 万+次，稳定支撑 50+ 门店、300+ 菜品，标注效率提升 300%——客户后厨收银环节人力直接省掉。
④ 智能取餐称重视觉检测平台（参与）：YOLO-Pose + DeepSort + 人脸识别融合，误报率从 20% 降至 4.8%，TensorRT 端侧推理 <100ms——用视觉杜绝取餐漏扫与损耗。
以上项目均已真实上线运行，覆盖大健康、餐饮、新零售行业，可应需求演示。
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
好生意AI超级助手
独立负责开发的 AI 数字人营销 SaaS「好生意AI超级助手」，为本地商家与运营团队提供从对标获客到内容分发的全链路解决方案。系统包含两大核心模块：AI 同行对标（行业热点分析、同行动态洞察、爆款文案仿写、一键开拍）与 AI 超级助手（行业选择、文案生成、形象复刻、智能剪辑、矩
立即沟通
