1
AI应用开发工程师 | 全栈 | Python/JS
个人开发者 · 11年经验
日薪：
￥800/8h
地点：
杭州
时间：
可工作日驻场（自由职业原因）
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
具备全栈开发能力，熟练掌握 Python / Node.js 后端与前端对接。专注于 AI 应用落地，能够独立完成 LLM API 接入、Prompt 工程、RAG 知识库构建以及 AI Agent 工作流开发。可承接小程序、Web 端以及 AI 智能助手的整体交付。
项目经验
项目背景：为解决重复性计算、文本统计与结果归档类任务的人力消耗，独立设计并开发了基于 ReAct 模式的 AI Agent 自动化工作流工具（自研项目，已实测运行）。
你的职责：负责整体架构设计与全栈实现。基于 Python + FastAPI 与本地 Ollama（Qwen3-4B）构建自主规划循环：大模型按“思考→选择工具→真实执行→观察结果”逐步推进；实现沙箱计算器、文本统计、文件写入三个真实执行的工具，工具报错自动回喂模型形成闭环纠错；单任务限 8 步防失控；前端实时可视化执行轨迹（每步思考、调用参数、观察结果、耗时），SSE 流式推送。
结果产出：实测“复利计算+结论归档”任务 3 步自动完成，全程轨迹可审计；工具拒绝非法表达式后，模型能自主改写并重试成功，闭环纠错有效。另独立开发基于 RAG 的企业知识库问答助手（Chroma 向量检索 + bge-m3 向量模型 + 引用溯源 + 知识库外拒答），两个项目均已完成并通过实测验证。
你的职责：负责整体架构设计与全栈实现。基于 Python + FastAPI 与本地 Ollama（Qwen3-4B）构建自主规划循环：大模型按“思考→选择工具→真实执行→观察结果”逐步推进；实现沙箱计算器、文本统计、文件写入三个真实执行的工具，工具报错自动回喂模型形成闭环纠错；单任务限 8 步防失控；前端实时可视化执行轨迹（每步思考、调用参数、观察结果、耗时），SSE 流式推送。
结果产出：实测“复利计算+结论归档”任务 3 步自动完成，全程轨迹可审计；工具拒绝非法表达式后，模型能自主改写并重试成功，闭环纠错有效。另独立开发基于 RAG 的企业知识库问答助手（Chroma 向量检索 + bge-m3 向量模型 + 引用溯源 + 知识库外拒答），两个项目均已完成并通过实测验证。
ID:433908
复制
1
AI应用开发工程师 | 全栈 | Python/JS · 11年经验 · 个人开发者
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
具备全栈开发能力，熟练掌握 Python / Node.js 后端与前端对接。专注于 AI 应用落地，能够独立完成 LLM API 接入、Prompt 工程、RAG 知识库构建以及 AI Agent 工作流开发。可承接小程序、Web 端以及 AI 智能助手的整体交付。
项目经验
项目背景：为解决重复性计算、文本统计与结果归档类任务的人力消耗，独立设计并开发了基于 ReAct 模式的 AI Agent 自动化工作流工具（自研项目，已实测运行）。
你的职责：负责整体架构设计与全栈实现。基于 Python + FastAPI 与本地 Ollama（Qwen3-4B）构建自主规划循环：大模型按“思考→选择工具→真实执行→观察结果”逐步推进；实现沙箱计算器、文本统计、文件写入三个真实执行的工具，工具报错自动回喂模型形成闭环纠错；单任务限 8 步防失控；前端实时可视化执行轨迹（每步思考、调用参数、观察结果、耗时），SSE 流式推送。
结果产出：实测“复利计算+结论归档”任务 3 步自动完成，全程轨迹可审计；工具拒绝非法表达式后，模型能自主改写并重试成功，闭环纠错有效。另独立开发基于 RAG 的企业知识库问答助手（Chroma 向量检索 + bge-m3 向量模型 + 引用溯源 + 知识库外拒答），两个项目均已完成并通过实测验证。
你的职责：负责整体架构设计与全栈实现。基于 Python + FastAPI 与本地 Ollama（Qwen3-4B）构建自主规划循环：大模型按“思考→选择工具→真实执行→观察结果”逐步推进；实现沙箱计算器、文本统计、文件写入三个真实执行的工具，工具报错自动回喂模型形成闭环纠错；单任务限 8 步防失控；前端实时可视化执行轨迹（每步思考、调用参数、观察结果、耗时），SSE 流式推送。
结果产出：实测“复利计算+结论归档”任务 3 步自动完成，全程轨迹可审计；工具拒绝非法表达式后，模型能自主改写并重试成功，闭环纠错有效。另独立开发基于 RAG 的企业知识库问答助手（Chroma 向量检索 + bge-m3 向量模型 + 引用溯源 + 知识库外拒答），两个项目均已完成并通过实测验证。
案例展示
企业知识库RAG问答助手
针对企业内部文档分散、直接使用大模型易产生幻觉的问题，独立开发了基于 RAG 架构的本地知识库问答系统，负责全部架构设计与开发。后端使用 Python/FastAPI，通过 LangChain 调用本地 Ollama 推理（Qwen3-4B 大模型 + bge-m3 多语言向量模
AI Agent自动化工作流工具
针对重复性计算、文本处理与结果归档类任务，独立开发了基于 ReAct 模式的 AI Agent 自动化工具，负责全部设计与开发。核心使用 Python + FastAPI，本地 Ollama 部署 Qwen3-4B 模型进行自主规划：Agent 循环执行"思考→选择工具
立即沟通
