把核心功能跑起来
用 Python、FastAPI 写接口,连接大模型 API、数据处理逻辑与前端页面,完成一个可以现场操作的功能闭环。
我不是样样精通,但这些事有实际动手经验。更希望根据队伍的目标,补上最需要的一块。
用 Python、FastAPI 写接口,连接大模型 API、数据处理逻辑与前端页面,完成一个可以现场操作的功能闭环。
有 RAG 检索、LangGraph 路由、工具调用和人工审批的实践,能协助把“AI 想法”变成有边界的执行流程。
愿意参与需求拆解、功能取舍、联调和部署。前端会借助 AI 编程工具协作实现,目标是尽快拿到可体验版本。
更熟悉 AI 应用与后端实践;复杂视觉设计、成熟的前端工程和硬件系统不是我的强项。如果你擅长这些,我们会很互补。
两个公开的 GitHub 仓库,展示我在检索问答与 Agent 工作流方面的动手实践,也如实说明尚未完成的部分。
独立搭建文件解析、分块、向量检索、引用溯源的问答 API;同时考虑离线测试、异常处理与可复现性。
基于 LangGraph 将模型提议与业务执行分离,包含确定性策略、人类审批中断与恢复、SQLite 幂等写入和执行记录。
说明:以上是学习与工程实践项目,不是已经落地商用的企业系统。工单 Agent 目前使用内存检查点,持久恢复等能力仍在开发中。
我习惯从真实任务出发,拆解步骤、组合已有工具,再为输出设置检查规则。下面是几组我实际定制过的工作流,而不是把所有 Skill 名称罗列出来。
围绕儿童课程,把课件、互动演示、基于本人声音参考的配音,与按语音时间驱动画面操作衔接起来;再用脚本辅助剪辑、字幕和音量检查。
将多组 OECT 数据的清洗、计算、图表整理和汇报导出串起来,并为电化学分析结论加入证据与边界检查,减少重复整理和遗漏。
将两台电脑分工为交互编排与 GPU 任务执行,处理任务提交、状态跟踪和结果回收;也把日常项目任务、学习复盘和知识笔记整理成持续使用的流程。
这些是基于现有模型、开源工具与个人实践定制、组合的工作流,并不表示相关底层模型和第三方工具由我原创;部分流程仍需要人工检查。
不把时间消耗在无限讨论里:先确定一件值得解决的小事,再用最短的路径验证它能不能用。
谁遇到问题?现在怎么解决?先讲清楚。
保留最关键的用户操作路径,避免功能堆积。
接口、页面、数据连起来,早点开始试用。
现场能操作、能复现、能说明为什么有用。
我想认识愿意动手、愿意交流的伙伴。如果你擅长产品思考、前端设计、交互体验或硬件,或者你已经有一个特别想做的点子,都欢迎聊聊。方向可以一起讨论,先找到真正值得解决的问题。
“大家好,我是杨名州,目前在苏州大学读研。平时主要用 Python 和 AI 工具做实际项目,做过 RAG 知识库、LangGraph 工单 Agent,也把课程配音剪辑、科研数据处理和双电脑任务协同整理成过可复用的工作流。我比较愿意参与需求拆解、工具集成和调试验收,希望和擅长产品、设计或前端的伙伴一起,把一个好点子做成真正能体验的作品。”
苏州大学硕士在读。最早从科研数据处理开始写 Python,后来做 RAG、Agent 和 Web 原型。目前也在探索 AI 成长教育中的互动产品。过去的研析云项目是一次产品验证与交付实践,帮助我更重视真正的用户反馈。