王豪杰 — 大模型应用开发 · 2026 · 简历
LangGraph · Python · Docker · 部署
WHJ / 2026  ·  简历 / 第 01 期 归档于 AI · 大模型工程 应届 · 大数据管理与应用 求职中 · 大模型应用开发
经历 · 方法
工作经历 · 最近优先

工作经历与实践轨迹.

最近任职排在最前——先看当前岗位与量化成果,再看工作方法与精选作品。

履历 · 时间线
工作经历· 最近在前

当前在职于深圳洁盟技术。

点击 3D 节点进入对应经历

拖拽旋转视角 · 点击节点进入该段经历

目前在职,参与企业级大模型应用与智能体系统的研发工作。

  • 参与企业级大模型智能体系统的设计与开发,基于 LangGraph 状态机与 RAG 检索增强构建业务智能体。
  • 负责业务场景中大模型能力落地的方案设计与迭代优化。
  • 详细职责与项目成果持续更新中……

在算家云 GPU 平台负责模型镜像的全流程部署与运营,完成从课堂到产业一线的实战转型。

  • 负责大模型镜像的容器化部署与维护,累计发布 10+ 模型镜像至算家云 GPU 平台。
  • 覆盖智能体、多模态生成(HunyuanVideo / ComfyUI / Qwen3-VL)与语音合成等模型领域。
  • 服务 400+ 平台用户,撰写标准化部署文档,实现“开箱即用”的调用体验。
  • 通过依赖隔离与镜像瘦身优化,部署效率提升约 30%。

四年在校经历,从数据管理入门到投身大模型工程实践,完成从课堂到工程的关键跨越。

  • 主修课程:数据库原理、数据挖掘、机器学习、大数据平台技术与 Python 程序设计。
  • 在校期间系统学习数据管理与计算机基础,逐步建立扎实的工程思维。
  • 自学转向大模型应用开发方向,完成多个课程设计与实践项目。
方法 · 两阶段迭代
工作方法· 工程流程

从开发到部署的全链路。

+

每个阶段皆可迭代,以文件驱动,非黑盒交互。

01

智能体开发→

LangGraph 状态机编排,RAG 检索增强,意图围栏安全管控。

A
02

容器化部署

Docker 镜像打包,NVIDIA-Docker GPU 支持,开箱即用交付。

P
工程文件驱动一切。可复现、可迭代。
github.com/Whjie-LLM  ·  开源
开源协作 · 社区
开源平台· 社区

"在开源社区中持续学习、贡献与成长。"

WJ

王豪杰
大模型应用开发工程师 · 应届毕业生

活跃于以下开源平台与社区,持续输出模型镜像与技术方案。

查看更多 →
开