普通话
英语
0
1
2
3
4
5
0
1
2
3
4
5
1小时前在线
开发工程师全职 · 300/日 · 6525/月信用一般
工作时间: 工作日18:00-22:00、周末08:30-22:00工作地点:
远程
服务企业:
0家累计提交:
0工时
联系方式:
********
********
********
****************聊一聊
个人介绍
我是程序员客栈的NimTon，一名AI助手与后端系统开发工程师；我毕业于中国矿业大学，担任过浙江米来智能有限公司的无人机项目经理，也担任过徐州硕博电子科技有限公司的AI助手开发工程师；负责过无人机自动巡检平台、测绘数据处理系统、Dify+LLM智能助手系统的开发；熟练使用 Python、Flask、Vue3、OpenCV、Docker；如果我能帮上您的忙，请点击“立即预约”或“发布需求”！
工作经历
2025-04-01 -至今徐州硕博电子科技开发工程师
作为AI助手开发负责人，我的核心职责包括： AI助手系统设计与开发： 基于 Dify 平台 + LLM（大语言模型） 构建仿真器配套的智能助手； 实现用户输入的自然语言指令识别、意图分类，并自动执行对应控制或查询操作； 构建知识库问答系统，支持对仿真器使用指南、操作流程、异常排查等知识的语义问答。 指令管理模块开发： 设计并实现一套结构化的指令库体系，支持指令配置、动态绑定执行函数； 提供用户自定义指令或扩展接口的能力。 知识库构建与训练： 参与从文档、图纸、培训材料中自动提取知识，并进行结构化存储； 优化 Embedding 向量化方案与召回效果，提高问答准确率。 LLM 模型集成与调优： 对比并试用不同大模型（如通义千问、GLM、ChatGLM、GPT等）在不同业务场景下的响应质量； 优化 Prompt、调用链与系统性能，提升指令响应速度与问答实用性。 系统落地与演示交付： 配合模拟器软件团队完成 AI 助手在项目中的集成； 支持技术交流与产品演示，协助客户了解 AI 模块功能与使用方式。
2024-06-01 -2025-04-01杭州米来智能科技有限公司开发工程师
项目管理：带领3人技术团队，规划和执行无人机自动巡检与测绘项目； 系统开发： 后端开发使用 Python，涉及 GIS 数据处理（如 arcpy、geopandas、shapely）与调度逻辑； 参与无人机任务平台的架构设计与开发，实现航线管理、数据上传、分析与可视化； 平台构建与部署：使用 Ubuntu、Docker、Nginx、Redis 构建部署环境，提升系统稳定性与自动化水平； 前后端协作：使用 Flask 构建 RESTful 接口，与前端协作完成界面功能对接； 客户对接与服务：负责与客户沟通技术需求，制定实施方案，并提供技术支持与培训； Java 方向：配合团队完成基于 Spring Boot 的数据服务模块； 软件使用：熟练应用 ArcGIS、AI 等进行图件处理和成果表达。
教育经历
2021-09-01 - 2024-06-01中国矿业大学地球信息科学硕士
2017-09-01 - 2021-06-01东华理工大学资源勘查工程本科
语言
技能
Vue
0
1
2
3
4
5
0
1
2
3
4
5
作品
一、软件面向的行业和业务场景（25%） 本项目面向工业园区、化工厂、仓储物流中心等对安全监控有较高要求的行业，旨在构建一套基于视频流的异常检测与多渠道报警系统。用户可在系统中部署多个实时视频流，并结合自定义电子围栏，对围栏内的人员倒地、物品倾倒、入侵等异常行为进行自动识别。一旦识别为异常事件，系统将通过钉钉、*、短信、邮件等方式实时推送报警信息至预设联系人，提升应急响应效率，适用于安全值守自动化改造、无人值守区域监管和巡检优化场景。 二、项目功能模块与用户功能实现（50%） 本系统从用户角度划分，包含以下主要功能模块： 1. 视频流接入与管理 支持接入 RTSP、RTMP、第三方平台等多种视频流； 前端提供视频源列表和流添加页面； 用户可管理视频流基本信息，并通过页面直接预览视频。 2. 电子围栏配置 用户可在视频画面中划定电子围栏区域； 每个围栏与视频源绑定，可设定检测频率和阈值； 用于限定监控范围，聚焦关注区域。 3. 异常检测与AI智能判别 系统定时从视频流抓取画面，结合围栏区域，识别是否存在剧烈变化； 变化区域将通过图像分析和多模态大模型接口（如 qwen_ai.py）判断是否为真正异常，如倒地、异常入侵等； AI模块输出判别结果并参与报警内容生成。 4. 报警配置与推送 用户可配置报警联系人、分组、报警渠道（钉钉、*、邮件、短信）； 可自定义报警模板，模板变量由系统实时填充（异常类型、时间、位置等）； 报警消息通过多种通道自动发送，确保及时送达。 5. 联系人与绑定管理 可添加联系人信息（姓名、*号、*、*等）； 视频流与联系人支持双向绑定，实现多流→多人的灵活告警分配。 6. 缩略图与视频回看（可扩展） 支持展示视频缩略图，方便概览； 可扩展为点击缩略图跳转历史回放或异常记录（当前版本为实时告警）。 三、技术选型与架构特点（25%） 技术选型： 前端：基于 Vue3 + Element-Plus 构建，组件式开发，页面简洁、响应迅速； 后端：使用 Flask 构建 RESTful API，结合 Python 多线程实现视频流异步监控； 视频处理：使用 OpenCV 实现图像变化检测，封装为自定义线程； AI 模块：调用多模态 API（如阿里通义千问）对图像+文本进行语义识别判断； 存储方式：系统采用 JSON 文件管理报警配置、联系人、流信息等，便于快速部署与修改。 架构特点： 模块化设计：各功能组件解耦，如报警模块、视频模块、AI模块独立运行、独立测试； 高扩展性：支持快速替换推送渠道、AI接口或前端展示模块； 跨平台兼容：ZLMediaKit 支持多平台部署，前端后端可独立运行于不同服务器；
02025-07-14 22:55
下载次数：0
￥1000
