Vou construir uma API de backend em python, go ou node js

U
utkarshg7
U
utkarshg7
Utkarsh G
Algumas informações foram traduzidas automaticamente.

Sobre este Serviço

Tradução automática

A maioria dos backends funciona bem até chegar o tráfego real. Então, aparecem os casos extremos: o trabalho que rodou duas vezes, o webhook que disparou atrasado, a contagem que ficou errada silenciosamente.


Esse é o trabalho em que passei 20 meses. Engenheiro fundador de uma plataforma de IA de voz que realiza chamadas ao vivo com clientes, onde um callback duplicado ou um trabalho perdido significava dinheiro de verdade e reclamações reais.

O QUE EU CONSTRUO

APIs REST com endpoints limpos, autenticação e um esquema de banco de dados que não vai te dar dor de cabeça em seis meses. Integrações com serviços de terceiros: webhooks, limites de taxa, paginação, tokens que expiram no pior momento.

Filas e workers de background onde importa: retries, idempotência e trabalhos que nunca podem rodar duas vezes. Eu criei um motor de execução durável com atomic step-claim exatamente por isso.

STACK

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

HISTÓRICO

Migrei serviços em tempo real de Node.js para Go, atingindo aproximadamente 4.000 chamadas simultâneas no pico. Corrigi três condições de corrida em produção na raiz, incluindo um callback duplicado que inflava as contagens em 2x.

Você recebe o código fonte completo, documentação da API e um walkthrough.

Conheça mais sobre Utkarsh G

Utkarsh G

AI Engineer building LLM Agents RAG Chatbots and Voice AI

  • A partir deÍndia
  • Membro desdeout. de 2024
  • Idiomas

    Hindi, Inglês
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.

Tradução automática