深耕AI应用后端开发，熟练掌握 Python/FastAPI/Django 等后端框架。精通大模型（LLM）应用落地，熟练使用 LangChain/LlamaIndex 搭建 RAG（检索增强生成）系统，熟悉 Milvus/Pinecone 等向量数据库。擅长高并发API设计、模型推理加速（vLLM/TensorRT）及 Docker/K8s 容器化部署。能解决大模型幻觉、响应延迟高、上下文管理混乱及复杂业务系统集成等痛点，提供从模型微调（LoRA）到高性能接口输出的全链路后端解决方案。

项目背景：为解决企业内部文档繁杂、检索效率低的问题，主导开发基于大模型的RAG智能问答系统。
我的职责：负责后端核心架构设计与开发。使用 FastAPI 搭建主服务，集成 LangChain 框架，设计混合检索策略（向量+关键词），并优化多路召回与重排算法，解决大模型幻觉问题。
结果产出：系统上线后，支持日均 5万+ 次并发查询，响应延迟控制在 800ms 内，知识问答准确率从 65% 提升至 92%，为内部客服团队节省了约 40% 的人力成本。