Construiré una API de backend en python, go o node js

U
utkarshg7
U
utkarshg7
Utkarsh G
Parte de la información se ha traducido automáticamente.

Acerca de este Servicio

Traducción automática

La mayoría de los backends funcionan bien hasta que llega el tráfico real. Entonces aparecen los casos extremos: el trabajo que se ejecutó dos veces, el webhook que se activó tarde, el conteo que se desvió silenciosamente.


Eso es en lo que he dedicado 20 meses. Ingeniero fundador en una plataforma de voz AI que realiza llamadas en vivo a clientes, donde una llamada duplicada o un trabajo perdido significaba dinero real y quejas reales.

LO QUE CONSTRUYO

APIs REST con endpoints limpios, autenticación y un esquema de base de datos que no te pelee en seis meses. Integraciones con servicios de terceros: webhooks, límites de tasa, paginación, tokens que expiran en el peor momento.

Colas y trabajadores en segundo plano donde importa: reintentos, idempotencia y trabajos que nunca deben ejecutarse dos veces. Construí un motor de ejecución duradero con reclamación atómica de pasos por esa misma razón.

STACK

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

TRAYECTORIA

Migré servicios en tiempo real de Node.js a Go, alcanzando aproximadamente 4,000 llamadas concurrentes en el pico. Corrigí tres carreras en producción en la raíz, incluyendo un callback duplicado que inflaba los conteos al doble.

Recibes código fuente completo, documentación de la API y un recorrido.

Conoce a Utkarsh G

Utkarsh G

AI Engineer building LLM Agents RAG Chatbots and Voice AI

  • DeIndia
  • Miembro desdeoct 2024
  • Idiomas

    Hindi, Inglés
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.

Traducción automática

Etiquetas relacionadas