BUILDING .THE FUTURE ...... WITH AI
陈泓韦 · AI 应用开发工程师

用 AI 构建未来

专注 Agent 工作流编排与 Python 后端工程化、 RAG 检索增强。
从数据中心网络到 AI 应用,将工程交付经验融入每一个 Agent 系统设计。

arrow_downward

陈泓韦

BUILDING THE FUTURE WITH AI

HEU

哈尔滨工程大学 (211)

计算机科学与技术 本科 · 2020.09 - 2024.06

主修:计算机网络、计算机组成原理、数据结构、操作系统、C语言、嵌入式设计

计算机科学与技术本科毕业,具备 1 年华为数据中心网络工程交付经验。2026 年全力转向 AI 应用开发。

我的核心能力在于将 RAG、Agent workflow、工具调用和长期记忆工程化落地——关注 eval、trace、降级、审计和可回滚设计。

英语 / ENG CET6 · 526
意向城市 / CITY 北京 · 深圳 · 广州 · 成都

GitHub

open_in_new
code

CandlePower

github.com

Commits

Repos

Stars

VolShape AI 健身教练
CARdle 智能座舱 Agent

代码统计 / CODE STATS

# VolShape

88 commits · 19 tests · FastAPI + LangGraph

# CARdle

21 commits · 439 intents · Gemma NLU + Socket.IO

# Stack

Python · TypeScript · Docker · Redis

技术能力

STACK & CAPABILITIES

01

大模型基础

理解 Transformer 架构与 GPT/BERT 底层原理。清楚 Attention、KV Cache 相关技术知识,能据此做模型选型与推理成本评估。

TransformerGPT/BERTAttentionKV Cache
02

Agent 编排

熟悉LangGraph 状态机设计、条件边路由 架构。熟练使用Function Calling 、 MCP 、SKILL 等Agent相关技术。

LangGraphMCP受限解码Skill
03

RAG 与记忆

熟悉RAG过程:文档解析 → Chunking → Embedding → BM25+混合检索 → RRF → Reranker 全链路。Qdrant / Mem0 语义记忆。使用 4 层分层长期记忆为项目做记忆系统设计。

RAGQdrantMem0Hybrid Search
04

后端工程

Python / FastAPI 异步后端,SSE / WebSocket / Socket.IO 流式通信。Redis 会话,SQLite / PostgreSQL 持久化,JWT 鉴权与 API 配额管理。

FastAPIRedisAPI中转SSE
05

模型微调

构建数据训练集、验证集,熟练进行LoRA / SFT 应用侧微调:使用LLaMA-Factory 对 多个模型进行微调。JSON 合规率 99.44%,领域分类 100%,Top-5 召回 83.13%。

LoRA/SFTLLaMA-FactoryLora
06

工程化与部署

熟练使用 Langfuse 全链路 trace 与离线 eval 体系。Prompt 版本管理。熟练使用 Docker / Nginx / Linux 部署。

LangfuseDockerNginxpytest

联系方式

开放 AI 应用开发岗位机会。
目标城市:北京 / 深圳 / 杭州 / 上海。

mail

邮箱

chenhongwei21@126.com
call

电话

152-9165-1626
location_on

城市

北京 · 深圳 · 杭州