郭海峰
大模型算法工程师
腾讯 · 15年经验
日薪：
￥1200/8h
地点：
北京
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
熟悉主流预训练框架（NeMo、Megatron）；掌握分布式训练策略、数据清洗与配比、持续预训练方法；精通LLaMA Factory等微调框架，熟悉LoRA/QLoRA。领域模型微调项目、模型训练性能优化项目。精通vLLM、TensorRT-LLM等推理引擎；掌握量化、并行、投机解码等优化技术；具备性能压测与调优能力；了解国产芯片适配。推理服务优化项目、国产硬件适配项目。精通LangChain、LlamaIndex等框架；掌握RAG全链路开发；具备智能体工作流设计、工具集成、记忆系统设计能力；具备端侧智能体，智能体平台构建项目、RAG问答系统项目的全栈开发能力
项目经验
项目名称：企业级智能体平台构建（基于LangChain）
项目背景：公司需构建一个内部知识库问答和自动化流程处理平台。
技术方案与个人贡献：1.RAG管线搭建：使用 LlamaIndex 构建文档索引（支持PDF、Word、网页），接入 Milvus 向量数据库，并实现混合检索（向量+关键词）。优化chunking策略，提升检索相关性。2.智能体工作流：基于 LangChain 构建“智能体链”，集成工具（如内部API查询、邮件发送、数据库操作）。设计反思机制，当工具调用失败或结果不确定时，智能体能自我修正并重试。3.记忆系统设计：实现对话历史存储（Redis）和实体记忆（基于Neo4j知识图谱），使智能体能跨会话记忆用户偏好和重要实体。4.部署与集成：将应用容器化（Docker），并部署为API服务（FastAPI），供前端（React）和其他系统调用。加入速率限制、异常处理和日志监控。
项目成果：平台上线后，员工查询内部信息效率提升50%，部分流程自动化处理节省了30%的人力成本，获得了业务部门的高度认可。
项目背景：公司需构建一个内部知识库问答和自动化流程处理平台。
技术方案与个人贡献：1.RAG管线搭建：使用 LlamaIndex 构建文档索引（支持PDF、Word、网页），接入 Milvus 向量数据库，并实现混合检索（向量+关键词）。优化chunking策略，提升检索相关性。2.智能体工作流：基于 LangChain 构建“智能体链”，集成工具（如内部API查询、邮件发送、数据库操作）。设计反思机制，当工具调用失败或结果不确定时，智能体能自我修正并重试。3.记忆系统设计：实现对话历史存储（Redis）和实体记忆（基于Neo4j知识图谱），使智能体能跨会话记忆用户偏好和重要实体。4.部署与集成：将应用容器化（Docker），并部署为API服务（FastAPI），供前端（React）和其他系统调用。加入速率限制、异常处理和日志监控。
项目成果：平台上线后，员工查询内部信息效率提升50%，部分流程自动化处理节省了30%的人力成本，获得了业务部门的高度认可。
ID:438859
复制
郭海峰
大模型算法工程师 · 15年经验 · 腾讯
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
熟悉主流预训练框架（NeMo、Megatron）；掌握分布式训练策略、数据清洗与配比、持续预训练方法；精通LLaMA Factory等微调框架，熟悉LoRA/QLoRA。领域模型微调项目、模型训练性能优化项目。精通vLLM、TensorRT-LLM等推理引擎；掌握量化、并行、投机解码等优化技术；具备性能压测与调优能力；了解国产芯片适配。推理服务优化项目、国产硬件适配项目。精通LangChain、LlamaIndex等框架；掌握RAG全链路开发；具备智能体工作流设计、工具集成、记忆系统设计能力；具备端侧智能体，智能体平台构建项目、RAG问答系统项目的全栈开发能力
项目经验
项目名称：企业级智能体平台构建（基于LangChain）
项目背景：公司需构建一个内部知识库问答和自动化流程处理平台。
技术方案与个人贡献：1.RAG管线搭建：使用 LlamaIndex 构建文档索引（支持PDF、Word、网页），接入 Milvus 向量数据库，并实现混合检索（向量+关键词）。优化chunking策略，提升检索相关性。2.智能体工作流：基于 LangChain 构建“智能体链”，集成工具（如内部API查询、邮件发送、数据库操作）。设计反思机制，当工具调用失败或结果不确定时，智能体能自我修正并重试。3.记忆系统设计：实现对话历史存储（Redis）和实体记忆（基于Neo4j知识图谱），使智能体能跨会话记忆用户偏好和重要实体。4.部署与集成：将应用容器化（Docker），并部署为API服务（FastAPI），供前端（React）和其他系统调用。加入速率限制、异常处理和日志监控。
项目成果：平台上线后，员工查询内部信息效率提升50%，部分流程自动化处理节省了30%的人力成本，获得了业务部门的高度认可。
项目背景：公司需构建一个内部知识库问答和自动化流程处理平台。
技术方案与个人贡献：1.RAG管线搭建：使用 LlamaIndex 构建文档索引（支持PDF、Word、网页），接入 Milvus 向量数据库，并实现混合检索（向量+关键词）。优化chunking策略，提升检索相关性。2.智能体工作流：基于 LangChain 构建“智能体链”，集成工具（如内部API查询、邮件发送、数据库操作）。设计反思机制，当工具调用失败或结果不确定时，智能体能自我修正并重试。3.记忆系统设计：实现对话历史存储（Redis）和实体记忆（基于Neo4j知识图谱），使智能体能跨会话记忆用户偏好和重要实体。4.部署与集成：将应用容器化（Docker），并部署为API服务（FastAPI），供前端（React）和其他系统调用。加入速率限制、异常处理和日志监控。
项目成果：平台上线后，员工查询内部信息效率提升50%，部分流程自动化处理节省了30%的人力成本，获得了业务部门的高度认可。
立即沟通
