独立开发 / AI 与 API 工程

小而明确的 AI 工作流。
每一步，都有据可验。

我是 ShengRui Xu。专注于 Python API、LLM 结构化输出和小型自动化：先明确范围，再用测试验证，最后交付可理解、可运行的结果。

讨论一个小项目查看作品与证据

从一个问题开始，先约定怎样才算完成。

小型示例，明确的输入与输出。

POST /inquiries

{
"Idempotency-Key": "demo-001",
"message": "Please send a quote."
}

201 created 1 inquiry / 1 audit event
200 replayed no additional write

validate inputcheck the keycommit together

已记录的本地 API 场景 · 非在线服务
请求头与请求体合并简写，仅用于说明。

Python / FastAPI结构化输出校验与测试小范围交付

01 / 技术服务

解决明确的问题。
不轻率承诺完整平台。

优先在现有系统中完成边界清楚的小任务。开工前确认输入、交付物与验收条件。

Python API 问题修复

定位异常写入、修正请求校验，或改善某一条错误路径，不为单点问题重写整个后端。

交付：约定范围的补丁与回归测试。

LLM 结构化输出

定义输出契约，处理非法 JSON、拒绝回答、未完成响应，以及约定的临时错误。

交付：适配器与确定性测试。

小型 API 自动化

将一种约定输入连接到有权使用的 API 或下游工具，显式处理状态与失败情况。

交付：限定流程与配置说明。

报价和排期在需求核查后约定。模型调用、服务器费用和持续维护不默认包含在交付范围内。

02 / 作品案例

不止看界面。
也能检查运行结果。

包含无声录屏、参考源码与测试报告。

独立演示项目

API 可靠性与
模型输出校验

一个本地 FastAPI + SQLite 接入示例，以及一个独立的 LLM 响应适配器。使用 AI 辅助开发与合成数据，不是真实客户案例。

81测试通过 · 2026-09-09

6已记录的 API 场景

0测试中的真实模型调用

查看案例详情

CASE 001 / API RELIABILITY

Local API and mock model output walkthrough, with labeled test outcomes

AI 辅助 · 合成数据 · 本地演示

03 / 合作方式

范围清楚。
证据可见。

先确认边界

明确业务用途、代码与数据授权、预期行为，以及用于复现问题的测试环境。

实施最小改动

复现问题，约定一个小里程碑，再完成有针对性的实现。

验证并交接

展示相关检查结果，说明变更，标明仍未验证的部分。

从第一个小里程碑开始

先把一个问题
说清楚。

说明当前流程、提供脱敏样例，并描述期望结果。正式实施前，我们先对齐工作范围和验收条件。

通过 Upwork 联系

查看需求模板

项目目标：
当前技术栈 / 流程：
问题的脱敏样例：
预期结果 / 验收标准：
截止时间与预算范围：
我有权提供的代码 / 数据访问：
是否允许 AI 辅助开发：允许 / 不允许 / 待讨论

来自 Upwork 的项目，请在合同开始前保持站内沟通，并通过 Upwork 签约。本网站不收款，也不会代你发送消息。

小而明确的 AI 工作流。每一步，都有据可验。

解决明确的问题。不轻率承诺完整平台。