实践方向
AI 集成工程师
无人值守也能跑、第二天早上依然正确的 LLM 流水线
我围绕语言模型构建生产系统——那些不体面的部分:编排、校验、重试、成本,以及告诉你这东西还灵不灵的评测。一条无人介入就能生成、检查、编辑并翻译的自动内容流水线。一个把语音变成结构化文档的流式转写模块。底下是完整的技术栈,所以模型只是一个部件,而不会变成架构本身。
我能做什么
- 把无聊的部分一并设计进 LLM 流水线:校验、重试、幂等,以及成本上限。
- 从模型拿到按模式校验过的结构化输出,而不是事后还要解析的散文。
- 在你自己的文档上做检索,并清楚它什么时候会给回错误的段落。
- 把语音和文档接进系统:转写、抽取,最后生成一份成品。
- 把评测搭起来,让改一次提示词成为一次测量,而不是一种感觉。
- 直说哪里不该用模型,并在那里写普通的代码。
这些从哪来
- 2025 —
ASMB Tech
Litseller:一条自动的 LLM 编排流水线,生成、校验、编辑并把文章翻译成十一种语言,全程无人介入地发布。Auto Inspect:把流式语音转写结构化,生成 PDF 报告。
- 2023 — 2025
Yandex
高负载 B2B 模块,以及微服务与外部分析之间的集成层。
- 2019 — 2022
Sber
解析并结构化执行文书中的非结构化数据,减少人工错误。
技术栈
- AI 与语言模型
- OpenAI API ·Claude API ·LLM orchestration ·Prompt engineering ·Structured output ·RAG ·Speech transcription ·Evaluation harnesses
- 后端与数据
- Node.js ·TypeScript ·PostgreSQL ·Supabase ·Queues ·REST API
- 前端
- React ·Astro ·Next.js ·Streaming UI
- 基础设施
- Docker ·GitHub Actions ·Vercel ·Playwright
站内相关文章
一起工作
如果你的问题是这个形状,欢迎联系我。
联系我