kuzhon
c++工程师
广东产互 · 13年经验
日薪：
￥500/8h
地点：
广州
时间：
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
1、熟练掌握C/C++，python，golang
2、具备扎实的LLM工程落地经验，掌握 Embedding 向量检索，熟练使用 LangChain、LangGraph 构建工具调用 Agent、多子 Agent 分层调度
3、能实现自定义 Tool 封装、任务队列调度、异步沙箱执行（OpenSandbox）；
4、掌握 Agent 记忆管理、任务状态持久化、任务取消 / 重试机制；
5、可编写 YAML 智能体配置文件，完成父子 Agent 流程编排。
6、了解向量数据库的基本使用，能完成RAG流程搭建
7、性格开朗、为人诚恳、乐观向上、善于沟通、拥有较强的适应能力。
2、具备扎实的LLM工程落地经验，掌握 Embedding 向量检索，熟练使用 LangChain、LangGraph 构建工具调用 Agent、多子 Agent 分层调度
3、能实现自定义 Tool 封装、任务队列调度、异步沙箱执行（OpenSandbox）；
4、掌握 Agent 记忆管理、任务状态持久化、任务取消 / 重试机制；
5、可编写 YAML 智能体配置文件，完成父子 Agent 流程编排。
6、了解向量数据库的基本使用，能完成RAG流程搭建
7、性格开朗、为人诚恳、乐观向上、善于沟通、拥有较强的适应能力。
项目经验
本项目依托开源多模态Embedding大模型，搭建无标注、纯语义的图片向量检索平台，实现文本搜图的智能化能力。主要负责：
1. 图像库离线向量化构建：调用Qwen3-VL-Embedding多模态嵌入模型，对海量原始图片进行视觉特征提取，统一生成固定维度图像向量，完成全量图片库的离线向量入库，规避线上实时编码带来的延迟问题；
2. 跨模态检索链路搭建：设计统一向量空间检索流程，用户输入自然语言查询文本后，复用同款Embedding模型完成文本向量生成，保证文本与图像处于同一语义向量空间，保障跨模态向量可比性；
3. 相似度检索与结果优化：采用余弦相似度算法计算文本向量与图库图像向量的距离，按照相似度分值对图片进行降序排序，设置动态阈值过滤无效低匹配结果，优化检索输出效果；
1. 图像库离线向量化构建：调用Qwen3-VL-Embedding多模态嵌入模型，对海量原始图片进行视觉特征提取，统一生成固定维度图像向量，完成全量图片库的离线向量入库，规避线上实时编码带来的延迟问题；
2. 跨模态检索链路搭建：设计统一向量空间检索流程，用户输入自然语言查询文本后，复用同款Embedding模型完成文本向量生成，保证文本与图像处于同一语义向量空间，保障跨模态向量可比性；
3. 相似度检索与结果优化：采用余弦相似度算法计算文本向量与图库图像向量的距离，按照相似度分值对图片进行降序排序，设置动态阈值过滤无效低匹配结果，优化检索输出效果；
ID:434193
复制
kuzhon
c++工程师 · 13年经验 · 广东产互
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
1、熟练掌握C/C++，python，golang
2、具备扎实的LLM工程落地经验，掌握 Embedding 向量检索，熟练使用 LangChain、LangGraph 构建工具调用 Agent、多子 Agent 分层调度
3、能实现自定义 Tool 封装、任务队列调度、异步沙箱执行（OpenSandbox）；
4、掌握 Agent 记忆管理、任务状态持久化、任务取消 / 重试机制；
5、可编写 YAML 智能体配置文件，完成父子 Agent 流程编排。
6、了解向量数据库的基本使用，能完成RAG流程搭建
7、性格开朗、为人诚恳、乐观向上、善于沟通、拥有较强的适应能力。
2、具备扎实的LLM工程落地经验，掌握 Embedding 向量检索，熟练使用 LangChain、LangGraph 构建工具调用 Agent、多子 Agent 分层调度
3、能实现自定义 Tool 封装、任务队列调度、异步沙箱执行（OpenSandbox）；
4、掌握 Agent 记忆管理、任务状态持久化、任务取消 / 重试机制；
5、可编写 YAML 智能体配置文件，完成父子 Agent 流程编排。
6、了解向量数据库的基本使用，能完成RAG流程搭建
7、性格开朗、为人诚恳、乐观向上、善于沟通、拥有较强的适应能力。
项目经验
本项目依托开源多模态Embedding大模型，搭建无标注、纯语义的图片向量检索平台，实现文本搜图的智能化能力。主要负责：
1. 图像库离线向量化构建：调用Qwen3-VL-Embedding多模态嵌入模型，对海量原始图片进行视觉特征提取，统一生成固定维度图像向量，完成全量图片库的离线向量入库，规避线上实时编码带来的延迟问题；
2. 跨模态检索链路搭建：设计统一向量空间检索流程，用户输入自然语言查询文本后，复用同款Embedding模型完成文本向量生成，保证文本与图像处于同一语义向量空间，保障跨模态向量可比性；
3. 相似度检索与结果优化：采用余弦相似度算法计算文本向量与图库图像向量的距离，按照相似度分值对图片进行降序排序，设置动态阈值过滤无效低匹配结果，优化检索输出效果；
1. 图像库离线向量化构建：调用Qwen3-VL-Embedding多模态嵌入模型，对海量原始图片进行视觉特征提取，统一生成固定维度图像向量，完成全量图片库的离线向量入库，规避线上实时编码带来的延迟问题；
2. 跨模态检索链路搭建：设计统一向量空间检索流程，用户输入自然语言查询文本后，复用同款Embedding模型完成文本向量生成，保证文本与图像处于同一语义向量空间，保障跨模态向量可比性；
3. 相似度检索与结果优化：采用余弦相似度算法计算文本向量与图库图像向量的距离，按照相似度分值对图片进行降序排序，设置动态阈值过滤无效低匹配结果，优化检索输出效果；
立即沟通
