Je vais créer une API backend en python, go ou node js

U
utkarshg7
U
utkarshg7
Utkarsh G
Certaines informations ont été traduites automatiquement.

À propos de ce service

Traduction automatique

La plupart des backends fonctionnent bien jusqu’à ce que le trafic réel arrive. Ensuite, les cas exceptionnels apparaissent : le travail qui s’est exécuté deux fois, le webhook qui s’est déclenché en retard, le comptage qui a discrètement dérivé.


C’est le travail sur lequel j’ai passé 20 mois. Ingénieur fondateur d’une plateforme d’IA vocale gérant des appels clients en direct, où un rappel en double ou un travail perdu signifiait de l’argent réel et des réclamations concrètes.

CE QUE JE CONSTRUIS

APIs REST avec des points de terminaison clairs, authentification, et un schéma de base de données qui ne vous posera pas de problème dans six mois. Intégrations avec des services tiers : webhooks, limites de débit, pagination, tokens qui expirent au pire moment.

Queues et workers en arrière-plan là où cela compte : nouvelles tentatives, idempotence, et jobs qui ne doivent jamais s’exécuter deux fois. J’ai créé un moteur d’exécution durable avec étape-prise atomique pour cette raison.

STACK

Python (FastAPI, Django), Go, Node.js (Express). PostgreSQL, Redis, AWS, Docker.

EXPÉRIENCE

J’ai migré des services en temps réel de Node.js vers Go, atteignant environ 4 000 appels simultanés en pic. J’ai corrigé trois courses en production à la racine, y compris un rappel en double qui gonflait les comptes 2x.

Vous obtenez le code source complet, la documentation API et une présentation détaillée.

Découvrez Utkarsh G

Utkarsh G

AI Engineer building LLM Agents RAG Chatbots and Voice AI

  • DeInde
  • Membre depuisoct. 2024
  • Langues

    Hindi, Anglais
I build AI agents that survive real users, plus the backend that keeps them running. 20 months shipping production AI at two startups, not demos. What I build: - LLM chatbots and agents with tool calling against your live data - RAG pipelines with guardrails and evaluation harnesses - Voice AI: real-time agents, speech-to-text, latency tuning, Hindi/English - Backends in Python and Go: APIs, WebSockets, workflow engines Results: cut an AI copilot's token cost 17%, lifted answer accuracy 40% on a multilingual pipeline, scaled a call platform to 4,000 concurrent calls.

Traduction automatique