AI Agent / RAG / Python Backend Engineer
我关注如何把大模型能力做成可靠、可观测、可评测的工程系统。目前主要实践方向包括 RAG、Agent 工作流、检索评测和 Python 后端服务。
- 构建带引用约束、检索评测与全链路 Trace 的 RAG 系统
- 探索工具调用、受控查询与结果校验等 Agent 工程问题
- 使用 FastAPI、Qdrant、Docker 和可观测性组件完成可运行的 AI 应用
从零实现的中文 RAG 学习项目。基于 BGE-M3、Qdrant、可替换的检索与重排组件生成严格引用答案，并提供 FastAPI 接口、请求级 Trace、离线评测、Locust 压测及 Prometheus/Grafana 监控。
Python FastAPI Qdrant BGE-M3 RAG Docker
将桥牌 PDF 或网页牌型转换为标准 PBN 文件，同时生成 CSV 校验报告；提供命令行工具和免配置的 Windows 图形界面版本。
Python PDF Parsing Data Validation Desktop GUI
面向多变量时间序列的聚类、异常检测与自适应迁移实验项目。
Python Time Series Anomaly Detection Transfer Learning
使用 Python 实现的人机对战五子棋项目。
Python Game AI Algorithms
- AI Engineering: RAG, Embedding, Retrieval, Reranking, LLM Evaluation, Agent Workflows
- Backend: Python, FastAPI, REST API, SQL
- Data & Infrastructure: Qdrant, Docker, Prometheus, Grafana, Git
- GitHub: @liangminghan0228