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。

PythonFastAPIQdrantBGE-M3RAGDocker

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。

PythonPDF ParsingData ValidationDesktop 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。

PythonTime SeriesAnomaly DetectionTransfer Learning

使用 Python 实现的人机对战五子棋项目。

PythonGame AIAlgorithms

• 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