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

  1. 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。

  2. 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。

  3. 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