鲸落
算法工程师
边缘智能研究院 · 2年经验
日薪：
￥500/8h
地点：
南京
时间：
可工作日远程可工作日驻场（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
从事 AI Agent 开发两年，专注大模型项目从 0 到 1 的落地与工程化，擅长把"演示能用"的 AI Demo 做成"上线能用"的产品。
技术栈：以 Python 为主，熟悉 LangChain / LlamaIndex 等 Agent 与 RAG 框架，掌握 vLLM 等大模型推理部署方案，了解 LoRA/QLoRA 微调，熟悉 MCP、Skill、Harness 等 Agent 工程化体系。
最擅长解决这几类问题：
1. RAG 检索不准、答非所问——通过切分策略、检索重排、混合检索提升命中率；
2. 大模型回答幻觉、乱编内容——通过引用溯源、约束生成、结果校验降低幻觉；
3. 复杂 PDF / 扫描件解析难——多栏、表格、复杂版面的结构化提取；
4. 大模型部署慢、成本高——量化、并发与显存优化，把推理成本压下来；
5. AI Agent 工程化——用 MCP、Skill、Harness 把 Agent 做成可维护、可扩展的工程系统。
一句话：如果你的 AI 项目卡在"效果差、跑不动、落不了地"，我最擅长把这些工程化问题解决掉。
技术栈：以 Python 为主，熟悉 LangChain / LlamaIndex 等 Agent 与 RAG 框架，掌握 vLLM 等大模型推理部署方案，了解 LoRA/QLoRA 微调，熟悉 MCP、Skill、Harness 等 Agent 工程化体系。
最擅长解决这几类问题：
1. RAG 检索不准、答非所问——通过切分策略、检索重排、混合检索提升命中率；
2. 大模型回答幻觉、乱编内容——通过引用溯源、约束生成、结果校验降低幻觉；
3. 复杂 PDF / 扫描件解析难——多栏、表格、复杂版面的结构化提取；
4. 大模型部署慢、成本高——量化、并发与显存优化，把推理成本压下来；
5. AI Agent 工程化——用 MCP、Skill、Harness 把 Agent 做成可维护、可扩展的工程系统。
一句话：如果你的 AI 项目卡在"效果差、跑不动、落不了地"，我最擅长把这些工程化问题解决掉。
项目经验
项目一：军工数据智能处理平台｜核心开发者｜2025.10–2026.04 背景：41 万+条军工非结构化报文格式分散、事件边界模糊，需产出标准化结构化数据集。
职责：负责"预处理 → OCR 版面清洗 → Qwen3-32B 事件抽取 + 8B 意图识别 → 动态 Prompt 路由 → 入库"六阶段流水线；针对事件边界识别不准，用 Megatron-LM + LoRA 微调 Qwen3-32B。
结果：完成 41 万条端到端处理，产出 4 万+条高质量结构化数据，效率提升约 60%，数据分配准确率 98%+，方案被部门采纳为同类项目参考架构。
项目二：智能客服 Agent 系统｜核心参与者｜2025.01–2025.07 背景：企业客服咨询量大、重复问题多、跨系统查询复杂。
职责：基于 LangGraph 搭建路由 / 问答 / 业务 / 转接四类 Agent，用 FunctionCalling 打通 CRM 与订单系统 API，设计"意图识别 → 任务拆解 → 工具调用"的 ReAct 推理链。
结果：覆盖 3 条业务线，日均处理咨询 2000+ 次，自动化解决率 78%，人工坐席工作量降低 45%。
职责：负责"预处理 → OCR 版面清洗 → Qwen3-32B 事件抽取 + 8B 意图识别 → 动态 Prompt 路由 → 入库"六阶段流水线；针对事件边界识别不准，用 Megatron-LM + LoRA 微调 Qwen3-32B。
结果：完成 41 万条端到端处理，产出 4 万+条高质量结构化数据，效率提升约 60%，数据分配准确率 98%+，方案被部门采纳为同类项目参考架构。
项目二：智能客服 Agent 系统｜核心参与者｜2025.01–2025.07 背景：企业客服咨询量大、重复问题多、跨系统查询复杂。
职责：基于 LangGraph 搭建路由 / 问答 / 业务 / 转接四类 Agent，用 FunctionCalling 打通 CRM 与订单系统 API，设计"意图识别 → 任务拆解 → 工具调用"的 ReAct 推理链。
结果：覆盖 3 条业务线，日均处理咨询 2000+ 次，自动化解决率 78%，人工坐席工作量降低 45%。
鲸落
算法工程师 · 2年经验 · 边缘智能研究院
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
从事 AI Agent 开发两年，专注大模型项目从 0 到 1 的落地与工程化，擅长把"演示能用"的 AI Demo 做成"上线能用"的产品。
技术栈：以 Python 为主，熟悉 LangChain / LlamaIndex 等 Agent 与 RAG 框架，掌握 vLLM 等大模型推理部署方案，了解 LoRA/QLoRA 微调，熟悉 MCP、Skill、Harness 等 Agent 工程化体系。
最擅长解决这几类问题：
1. RAG 检索不准、答非所问——通过切分策略、检索重排、混合检索提升命中率；
2. 大模型回答幻觉、乱编内容——通过引用溯源、约束生成、结果校验降低幻觉；
3. 复杂 PDF / 扫描件解析难——多栏、表格、复杂版面的结构化提取；
4. 大模型部署慢、成本高——量化、并发与显存优化，把推理成本压下来；
5. AI Agent 工程化——用 MCP、Skill、Harness 把 Agent 做成可维护、可扩展的工程系统。
一句话：如果你的 AI 项目卡在"效果差、跑不动、落不了地"，我最擅长把这些工程化问题解决掉。
技术栈：以 Python 为主，熟悉 LangChain / LlamaIndex 等 Agent 与 RAG 框架，掌握 vLLM 等大模型推理部署方案，了解 LoRA/QLoRA 微调，熟悉 MCP、Skill、Harness 等 Agent 工程化体系。
最擅长解决这几类问题：
1. RAG 检索不准、答非所问——通过切分策略、检索重排、混合检索提升命中率；
2. 大模型回答幻觉、乱编内容——通过引用溯源、约束生成、结果校验降低幻觉；
3. 复杂 PDF / 扫描件解析难——多栏、表格、复杂版面的结构化提取；
4. 大模型部署慢、成本高——量化、并发与显存优化，把推理成本压下来；
5. AI Agent 工程化——用 MCP、Skill、Harness 把 Agent 做成可维护、可扩展的工程系统。
一句话：如果你的 AI 项目卡在"效果差、跑不动、落不了地"，我最擅长把这些工程化问题解决掉。
项目经验
项目一：军工数据智能处理平台｜核心开发者｜2025.10–2026.04 背景：41 万+条军工非结构化报文格式分散、事件边界模糊，需产出标准化结构化数据集。
职责：负责"预处理 → OCR 版面清洗 → Qwen3-32B 事件抽取 + 8B 意图识别 → 动态 Prompt 路由 → 入库"六阶段流水线；针对事件边界识别不准，用 Megatron-LM + LoRA 微调 Qwen3-32B。
结果：完成 41 万条端到端处理，产出 4 万+条高质量结构化数据，效率提升约 60%，数据分配准确率 98%+，方案被部门采纳为同类项目参考架构。
项目二：智能客服 Agent 系统｜核心参与者｜2025.01–2025.07 背景：企业客服咨询量大、重复问题多、跨系统查询复杂。
职责：基于 LangGraph 搭建路由 / 问答 / 业务 / 转接四类 Agent，用 FunctionCalling 打通 CRM 与订单系统 API，设计"意图识别 → 任务拆解 → 工具调用"的 ReAct 推理链。
结果：覆盖 3 条业务线，日均处理咨询 2000+ 次，自动化解决率 78%，人工坐席工作量降低 45%。
职责：负责"预处理 → OCR 版面清洗 → Qwen3-32B 事件抽取 + 8B 意图识别 → 动态 Prompt 路由 → 入库"六阶段流水线；针对事件边界识别不准，用 Megatron-LM + LoRA 微调 Qwen3-32B。
结果：完成 41 万条端到端处理，产出 4 万+条高质量结构化数据，效率提升约 60%，数据分配准确率 98%+，方案被部门采纳为同类项目参考架构。
项目二：智能客服 Agent 系统｜核心参与者｜2025.01–2025.07 背景：企业客服咨询量大、重复问题多、跨系统查询复杂。
职责：基于 LangGraph 搭建路由 / 问答 / 业务 / 转接四类 Agent，用 FunctionCalling 打通 CRM 与订单系统 API，设计"意图识别 → 任务拆解 → 工具调用"的 ReAct 推理链。
结果：覆盖 3 条业务线，日均处理咨询 2000+ 次，自动化解决率 78%，人工坐席工作量降低 45%。
立即沟通
