别闹
全栈开发工程师
广域铭岛 · 2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
AI Agent & LLM
熟悉 ReAct、Plan-and-Execute 等 Agent 推理范式，在多步推理、自我反思与任务规划方面有实际落地经验。
掌握 Function Calling 全流程及 MCP 协议，实践过超时重试、指数退避、模型降级、熔断兜底等一整套稳定性治理方案。
熟练使用 LangChain / LangGraph 构建有状态 Agent 工作流，实践过 DAG 并行调度、自循环纠错与状态持久化。
深入理解 RAG 全链路（文档切片、向量化、多路召回、重排序），具备独立搭建业务问答系统及检索优化经验。
有实际构建多 Agent 协作工作流的经验，能够设计多角色协同的自动化生产流水线。
工程化与后端
熟练使用 Java 生态的 Spring Cloud Alibaba、Spring Boot 等框架搭建微服务项目，能高效进行企业级开发。
将分布式系统幂等设计、最终一致性、分布式锁经验复用于Agent状态管理，保障工具调用的幂等性与并发安全性。
熟练使用 Oracle/MySQL、RabbitMQ、Redis、Elasticsearch，了解 Milvus，能独立设计Agent记忆与会话数据模型。
部署与运维
熟悉 Docker 容器化部署， Nginx 反向代理与 Linux 常用运维，能独立完成 Agent 服务的容器化部署与上线。
AI 辅助开发
熟练使用 ClaudeCode / Codex / Cursor 等工具进行任务拆解、代码开发、功能优化、代码审查、覆盖测试，提高工作效率。
熟悉 ReAct、Plan-and-Execute 等 Agent 推理范式，在多步推理、自我反思与任务规划方面有实际落地经验。
掌握 Function Calling 全流程及 MCP 协议，实践过超时重试、指数退避、模型降级、熔断兜底等一整套稳定性治理方案。
熟练使用 LangChain / LangGraph 构建有状态 Agent 工作流，实践过 DAG 并行调度、自循环纠错与状态持久化。
深入理解 RAG 全链路（文档切片、向量化、多路召回、重排序），具备独立搭建业务问答系统及检索优化经验。
有实际构建多 Agent 协作工作流的经验，能够设计多角色协同的自动化生产流水线。
工程化与后端
熟练使用 Java 生态的 Spring Cloud Alibaba、Spring Boot 等框架搭建微服务项目，能高效进行企业级开发。
将分布式系统幂等设计、最终一致性、分布式锁经验复用于Agent状态管理，保障工具调用的幂等性与并发安全性。
熟练使用 Oracle/MySQL、RabbitMQ、Redis、Elasticsearch，了解 Milvus，能独立设计Agent记忆与会话数据模型。
部署与运维
熟悉 Docker 容器化部署， Nginx 反向代理与 Linux 常用运维，能独立完成 Agent 服务的容器化部署与上线。
AI 辅助开发
熟练使用 ClaudeCode / Codex / Cursor 等工具进行任务拆解、代码开发、功能优化、代码审查、覆盖测试，提高工作效率。
项目经验
2026.04 - 2026.08
产线智能助手
全栈开发
技术架构：Python / FastAPI / LangGraph / LangChain / PostgreSQL + pgvector / Redis / Neo4j / SSE 流式响应
项目简介： 针对一线操作与管理人员高频查询 MES 操作及业务场景，基于 LangGraph 搭建企业级智能助手：将实时统计与知识库检索双通道解耦，检索按问题复杂度自适应分流，多路证据经 RRF + 加权融合后生成，回答强制携带可校验的 [依据] 引用，无效引用直接拒绝、证据不足自动转人工，未命中问题自动沉淀为知识缺口，让一线人员从"到处找人问"变成"答案直达"。
技术亮点：
多路召回 ：使用向量、BM25 多路并行召回，采用 RRF 进行粗排融合，再经统一精排与 MMR 多样性去重。实测 Hit Rate@10 从单路 65% 提升至 88% +。
防幻觉分层保障： 按链路设置三层质量关卡——检索后由 LLM Judge 语义判定证据覆盖度，不足则定向回环补充召回；生成前若无证据或数据源异常直接熔断并转人工；生成后基于正则对答案引用做存在性硬校验，引用不指向真实证据则整条答案拒答。
多跳推理：复杂问题拆解为若干子查询，逐跳补充证据并锚定来源。多跳证据冲突时，以最新版本证据为准；LLM 异常时自动降级为确定性排序。多跳问题准确率较单跳提升 40%+。
知识库版本化治理：知识库多版本共存，线上仅使用当前发布版本指针，候选版本与线上隔离。发布前须通过回归评测（召回率、图谱证据率、退步幅度），未达标禁止上线；支持一键回滚。
高频实时问题：针对工单状态、良率、线体产量等高频查询，直连 MES 接口获取实时数据并完成分析，输出数据与分析结果，与知识库流程数据双路互补，覆盖产线提问场景。
自学习反馈闭环：通过三条渠道自动沉淀知识缺口——问答链路实时将未命中问题记为缺口；用户反馈（点赞/点踩/转人工）；低质量回答批量沉淀为缺陷样本。管理员补答经审批发布后闭环关闭，形成“提问 → 缺口 → 补答 → 覆盖”的自我迭代循环。
产线智能助手
全栈开发
技术架构：Python / FastAPI / LangGraph / LangChain / PostgreSQL + pgvector / Redis / Neo4j / SSE 流式响应
项目简介： 针对一线操作与管理人员高频查询 MES 操作及业务场景，基于 LangGraph 搭建企业级智能助手：将实时统计与知识库检索双通道解耦，检索按问题复杂度自适应分流，多路证据经 RRF + 加权融合后生成，回答强制携带可校验的 [依据] 引用，无效引用直接拒绝、证据不足自动转人工，未命中问题自动沉淀为知识缺口，让一线人员从"到处找人问"变成"答案直达"。
技术亮点：
多路召回 ：使用向量、BM25 多路并行召回，采用 RRF 进行粗排融合，再经统一精排与 MMR 多样性去重。实测 Hit Rate@10 从单路 65% 提升至 88% +。
防幻觉分层保障： 按链路设置三层质量关卡——检索后由 LLM Judge 语义判定证据覆盖度，不足则定向回环补充召回；生成前若无证据或数据源异常直接熔断并转人工；生成后基于正则对答案引用做存在性硬校验，引用不指向真实证据则整条答案拒答。
多跳推理：复杂问题拆解为若干子查询，逐跳补充证据并锚定来源。多跳证据冲突时，以最新版本证据为准；LLM 异常时自动降级为确定性排序。多跳问题准确率较单跳提升 40%+。
知识库版本化治理：知识库多版本共存，线上仅使用当前发布版本指针，候选版本与线上隔离。发布前须通过回归评测（召回率、图谱证据率、退步幅度），未达标禁止上线；支持一键回滚。
高频实时问题：针对工单状态、良率、线体产量等高频查询，直连 MES 接口获取实时数据并完成分析，输出数据与分析结果，与知识库流程数据双路互补，覆盖产线提问场景。
自学习反馈闭环：通过三条渠道自动沉淀知识缺口——问答链路实时将未命中问题记为缺口；用户反馈（点赞/点踩/转人工）；低质量回答批量沉淀为缺陷样本。管理员补答经审批发布后闭环关闭，形成“提问 → 缺口 → 补答 → 覆盖”的自我迭代循环。
别闹
全栈开发工程师 · 2年经验 · 广域铭岛
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
AI Agent & LLM
熟悉 ReAct、Plan-and-Execute 等 Agent 推理范式，在多步推理、自我反思与任务规划方面有实际落地经验。
掌握 Function Calling 全流程及 MCP 协议，实践过超时重试、指数退避、模型降级、熔断兜底等一整套稳定性治理方案。
熟练使用 LangChain / LangGraph 构建有状态 Agent 工作流，实践过 DAG 并行调度、自循环纠错与状态持久化。
深入理解 RAG 全链路（文档切片、向量化、多路召回、重排序），具备独立搭建业务问答系统及检索优化经验。
有实际构建多 Agent 协作工作流的经验，能够设计多角色协同的自动化生产流水线。
工程化与后端
熟练使用 Java 生态的 Spring Cloud Alibaba、Spring Boot 等框架搭建微服务项目，能高效进行企业级开发。
将分布式系统幂等设计、最终一致性、分布式锁经验复用于Agent状态管理，保障工具调用的幂等性与并发安全性。
熟练使用 Oracle/MySQL、RabbitMQ、Redis、Elasticsearch，了解 Milvus，能独立设计Agent记忆与会话数据模型。
部署与运维
熟悉 Docker 容器化部署， Nginx 反向代理与 Linux 常用运维，能独立完成 Agent 服务的容器化部署与上线。
AI 辅助开发
熟练使用 ClaudeCode / Codex / Cursor 等工具进行任务拆解、代码开发、功能优化、代码审查、覆盖测试，提高工作效率。
熟悉 ReAct、Plan-and-Execute 等 Agent 推理范式，在多步推理、自我反思与任务规划方面有实际落地经验。
掌握 Function Calling 全流程及 MCP 协议，实践过超时重试、指数退避、模型降级、熔断兜底等一整套稳定性治理方案。
熟练使用 LangChain / LangGraph 构建有状态 Agent 工作流，实践过 DAG 并行调度、自循环纠错与状态持久化。
深入理解 RAG 全链路（文档切片、向量化、多路召回、重排序），具备独立搭建业务问答系统及检索优化经验。
有实际构建多 Agent 协作工作流的经验，能够设计多角色协同的自动化生产流水线。
工程化与后端
熟练使用 Java 生态的 Spring Cloud Alibaba、Spring Boot 等框架搭建微服务项目，能高效进行企业级开发。
将分布式系统幂等设计、最终一致性、分布式锁经验复用于Agent状态管理，保障工具调用的幂等性与并发安全性。
熟练使用 Oracle/MySQL、RabbitMQ、Redis、Elasticsearch，了解 Milvus，能独立设计Agent记忆与会话数据模型。
部署与运维
熟悉 Docker 容器化部署， Nginx 反向代理与 Linux 常用运维，能独立完成 Agent 服务的容器化部署与上线。
AI 辅助开发
熟练使用 ClaudeCode / Codex / Cursor 等工具进行任务拆解、代码开发、功能优化、代码审查、覆盖测试，提高工作效率。
项目经验
2026.04 - 2026.08
产线智能助手
全栈开发
技术架构：Python / FastAPI / LangGraph / LangChain / PostgreSQL + pgvector / Redis / Neo4j / SSE 流式响应
项目简介： 针对一线操作与管理人员高频查询 MES 操作及业务场景，基于 LangGraph 搭建企业级智能助手：将实时统计与知识库检索双通道解耦，检索按问题复杂度自适应分流，多路证据经 RRF + 加权融合后生成，回答强制携带可校验的 [依据] 引用，无效引用直接拒绝、证据不足自动转人工，未命中问题自动沉淀为知识缺口，让一线人员从"到处找人问"变成"答案直达"。
技术亮点：
多路召回 ：使用向量、BM25 多路并行召回，采用 RRF 进行粗排融合，再经统一精排与 MMR 多样性去重。实测 Hit Rate@10 从单路 65% 提升至 88% +。
防幻觉分层保障： 按链路设置三层质量关卡——检索后由 LLM Judge 语义判定证据覆盖度，不足则定向回环补充召回；生成前若无证据或数据源异常直接熔断并转人工；生成后基于正则对答案引用做存在性硬校验，引用不指向真实证据则整条答案拒答。
多跳推理：复杂问题拆解为若干子查询，逐跳补充证据并锚定来源。多跳证据冲突时，以最新版本证据为准；LLM 异常时自动降级为确定性排序。多跳问题准确率较单跳提升 40%+。
知识库版本化治理：知识库多版本共存，线上仅使用当前发布版本指针，候选版本与线上隔离。发布前须通过回归评测（召回率、图谱证据率、退步幅度），未达标禁止上线；支持一键回滚。
高频实时问题：针对工单状态、良率、线体产量等高频查询，直连 MES 接口获取实时数据并完成分析，输出数据与分析结果，与知识库流程数据双路互补，覆盖产线提问场景。
自学习反馈闭环：通过三条渠道自动沉淀知识缺口——问答链路实时将未命中问题记为缺口；用户反馈（点赞/点踩/转人工）；低质量回答批量沉淀为缺陷样本。管理员补答经审批发布后闭环关闭，形成“提问 → 缺口 → 补答 → 覆盖”的自我迭代循环。
产线智能助手
全栈开发
技术架构：Python / FastAPI / LangGraph / LangChain / PostgreSQL + pgvector / Redis / Neo4j / SSE 流式响应
项目简介： 针对一线操作与管理人员高频查询 MES 操作及业务场景，基于 LangGraph 搭建企业级智能助手：将实时统计与知识库检索双通道解耦，检索按问题复杂度自适应分流，多路证据经 RRF + 加权融合后生成，回答强制携带可校验的 [依据] 引用，无效引用直接拒绝、证据不足自动转人工，未命中问题自动沉淀为知识缺口，让一线人员从"到处找人问"变成"答案直达"。
技术亮点：
多路召回 ：使用向量、BM25 多路并行召回，采用 RRF 进行粗排融合，再经统一精排与 MMR 多样性去重。实测 Hit Rate@10 从单路 65% 提升至 88% +。
防幻觉分层保障： 按链路设置三层质量关卡——检索后由 LLM Judge 语义判定证据覆盖度，不足则定向回环补充召回；生成前若无证据或数据源异常直接熔断并转人工；生成后基于正则对答案引用做存在性硬校验，引用不指向真实证据则整条答案拒答。
多跳推理：复杂问题拆解为若干子查询，逐跳补充证据并锚定来源。多跳证据冲突时，以最新版本证据为准；LLM 异常时自动降级为确定性排序。多跳问题准确率较单跳提升 40%+。
知识库版本化治理：知识库多版本共存，线上仅使用当前发布版本指针，候选版本与线上隔离。发布前须通过回归评测（召回率、图谱证据率、退步幅度），未达标禁止上线；支持一键回滚。
高频实时问题：针对工单状态、良率、线体产量等高频查询，直连 MES 接口获取实时数据并完成分析，输出数据与分析结果，与知识库流程数据双路互补，覆盖产线提问场景。
自学习反馈闭环：通过三条渠道自动沉淀知识缺口——问答链路实时将未命中问题记为缺口；用户反馈（点赞/点踩/转人工）；低质量回答批量沉淀为缺陷样本。管理员补答经审批发布后闭环关闭，形成“提问 → 缺口 → 补答 → 覆盖”的自我迭代循环。
立即沟通
