Ich werde ein Backend-API in Python, Go oder Node.js erstellen

U
utkarshg7
U
utkarshg7
Utkarsh G
Einige Informationen wurden automatisch übersetzt.

Über diesen Service

Automatische Übersetzung

Die meisten Backends funktionieren gut, bis der echte Traffic kommt. Dann zeigen sich die Edge Cases: der Job, der zweimal läuft, das Webhook, das zu spät ausgelöst wird, die Zählung, die sich still und heimlich falsch verschiebt.


Darauf habe ich 20 Monate gearbeitet. Gründungsingenieur einer Voice-AI-Plattform, die Live-Kundenanrufe abwickelt, wo ein doppelter Callback oder ein verlorener Job echtes Geld und echte Beschwerden bedeutet.

WAS ICH BAUE

REST-APIs mit sauberen Endpunkten, Authentifizierung und einem Datenbankschema, das in sechs Monaten nicht gegen dich arbeitet. Integrationen mit Drittanbieter-Services: Webhooks, Rate Limits, Pagination, Tokens, die im schlimmsten Moment ablaufen.

Queues und Background-Worker, wo es darauf ankommt: Wiederholungen, Idempotenz und Jobs, die niemals zweimal laufen dürfen. Ich habe eine langlebige Ausführungs-Engine mit atomarem Schritt-Claim genau aus diesem Grund entwickelt.

STACK

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

ERFOLGSGESCHICHTE

Reale Dienste von Node.js auf Go migriert, mit bis zu 4000 gleichzeitigen Anrufen im Peak. Drei Produktionsrennen an der Wurzel behoben, inklusive eines doppelten Callbacks, der die Zählungen verdoppelt hat.

Du bekommst den vollständigen Quellcode, API-Dokumentation und eine Walkthrough.

Lerne Utkarsh G kennen

Utkarsh G

AI Engineer building LLM Agents RAG Chatbots and Voice AI

  • AusIndien
  • Mitglied seitOkt. 2024
  • Sprachen

    Hindi, Englisch
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.

Automatische Übersetzung