सेवा
AI बैकएंड इंजीनियरिंग: Python API और async वर्कर जो प्रोडक्शन में टिके रहें
मैं AI फ़ीचर के आसपास का बैकएंड बनाता हूँ — API, क्यू, डेटाबेस और एरर हैंडलिंग — ताकि जो मॉडल नोटबुक में चलता है, वह असली यूज़र और असली ट्रैफ़िक में भी चलता रहे।
यह किसके लिए है
- प्रोडक्ट टीमें जो मौजूदा प्रोडक्ट में AI फ़ीचर (LLM कॉल, विज़न मॉडल, क्लासिफ़ायर) जोड़ रही हैं।
- फ़ाउंडर्स जिनके AI प्रोटोटाइप को अब एक भरोसेमंद सर्विस बनना है।
- इंजीनियरिंग मैनेजर जो ऐसे बैकएंड इंजीनियर की तलाश में हैं जो ML कोड के साथ सहज हो।
मैं कौन-सी समस्याएँ हल करता हूँ
एंडपॉइंट धीमे हैं क्योंकि इनफ़रेंस, मैसेज प्रोसेसिंग या डेटाबेस राइट request thread पर चलते हैं।
धीमा काम Redis पर चलने वाले Celery वर्कर पर भेजें, तुरंत जवाब लौटाएँ, और हर टास्क को दोबारा चलाने लायक सुरक्षित बनाएँ। Shivohini TechAI में एक क्लाइंट के WhatsApp AI एजेंट के लिए मैंने यही किया।
प्रोडक्ट चालू रहते हुए डेटाबेस बदलना है।
माइग्रेशन चरणों में करें और नया रास्ता साबित होने तक पुराना चालू रखें। मैंने प्रोजेक्ट के बीच में क्लाइंट डेटाबेस MySQL से Supabase/PostgreSQL पर माइग्रेट किए, और AI एजेंट चलते रहे।
डेमो में ठीक चलने वाली पाइपलाइन प्रोडक्शन में चुपचाप फ़ेल हो जाती है।
मॉनिटरिंग, रिकवरी और बैकफ़िल जोड़ें ताकि क्रैश या नेटवर्क गिरने पर डेटा न खोए। Zuneko Labs में इंटर्नशिप के समय की पाइपलाइनों को मॉनिटर्ड, रिकवर होने वाली सर्विस बनाना मेरे काम का हिस्सा है।
आपको क्या मिलेगा
- FastAPI (Pydantic वैलिडेशन के साथ) या Django/Flask में REST API, डॉक्यूमेंटेड एंडपॉइंट्स के साथ।
- Celery + Redis बैकग्राउंड वर्कर: क्यू, रिट्राई और idempotent टास्क।
- SQLAlchemy के साथ PostgreSQL स्कीमा डिज़ाइन और माइग्रेशन; इवेंट डेटा के लिए MongoDB।
- मॉडल इनफ़रेंस या LLM API को एक स्थिर इंटरफ़ेस के पीछे जोड़ना।
- वेबहुक इनजेशन और थर्ड-पार्टी इंटीग्रेशन (WhatsApp Business API, Twilio, Google Drive)।
- Docker इमेज, GitHub Actions पाइपलाइन और pytest टेस्ट।
टेक्नोलॉजी, और उसका उपयोग कहाँ
- FastAPI + Pydantic
- नए async API और मॉडल-सर्विंग एंडपॉइंट के लिए पहली पसंद।
- Django / Flask
- जहाँ प्रोजेक्ट पहले से इन पर है, जैसे CCTV एनालिटिक्स बैकएंड।
- Celery + Redis
- इनफ़रेंस, मैसेज प्रोसेसिंग और डेटाबेस राइट के लिए async वर्कर।
- PostgreSQL / Supabase, SQLAlchemy
- रिलेशनल डेटा और माइग्रेशन, जिसमें लाइव MySQL → PostgreSQL माइग्रेशन शामिल है।
- MongoDB
- बदलते आकार वाले इवेंट — डिटेक्शन, बाउंडिंग बॉक्स, टाइमस्टैम्प।
- Docker, Nginx, GitHub Actions
- इन सर्विसेज़ की पैकेजिंग, सर्विंग और CI।
प्रमाण
- CCTV एनालिटिक्स केस स्टडी (अंग्रेज़ी में)
Django बैकएंड, जिसमें Celery वर्कर पूल वीडियो फ़्रेम को main thread से अलग प्रोसेस करता है।
- स्पीच इमोशन रिकग्निशन केस स्टडी (अंग्रेज़ी में)
Django REST बैकएंड के साथ रियल-टाइम इनफ़रेंस पाइपलाइन के पीछे डीप-लर्निंग मॉडल।
- Agentic Honey-Pot (GUVI AI Impact Buildathon 2026)
API-key auth और rate limiting के साथ FastAPI ऑर्केस्ट्रेशन बैकएंड। कोड GitHub पर।
जानने लायक ट्रेड-ऑफ़
टास्क क्यू मुफ़्त नहीं है
Celery + Redis का मतलब है एक ब्रोकर और वर्कर जिन्हें चलाना और देखना पड़ता है। कम वॉल्यूम पर FastAPI का बैकग्राउंड टास्क या शेड्यूल्ड जॉब काफ़ी होता है — और मैं यह साफ़ बताऊँगा।
FastAPI या Django
FastAPI async, सिर्फ़-API सर्विस और मॉडल एंडपॉइंट के लिए ठीक है। जब एडमिन, ORM और auth तैयार चाहिए तब Django बेहतर है। सिर्फ़ बदलने के लिए चलता हुआ Django ऐप दोबारा नहीं लिखता।
PostgreSQL या MongoDB
नियमों वाला रिलेशनल डेटा PostgreSQL में। जिन इवेंट्स का आकार बदलता रहता है — जैसे डिटेक्शन लॉग — उनके लिए MongoDB बेहतर हो सकता है।
सीमाएँ
- मैं पहले बैकएंड इंजीनियर हूँ। React प्रोजेक्ट्स में इस्तेमाल किया है, पर सिर्फ़-फ़्रंटएंड काम नहीं लेता।
- Kubernetes और AWS/GCP में मेरा अनुभव बुनियादी स्तर का है; भारी क्लाउड इन्फ़्रास्ट्रक्चर के लिए साथ में DevOps इंजीनियर चाहिए होगा।
हम साथ कैसे काम करेंगे
Do you work with international clients?
Yes. I'm based in Pune, India, and work with teams in India and remotely worldwide. Communication is async-first with scheduled calls when needed.
FastAPI or Django — which should I choose?
FastAPI suits async, API-only services and model-serving endpoints. Django is better when you need its admin, ORM and auth out of the box. I don't rewrite a working Django app just to switch frameworks.
Do I need Celery and Redis, or is that overkill?
For a few jobs a minute, FastAPI's BackgroundTasks or a scheduled job is often enough — and I'll say so. The queue earns its keep when work is slow, spiky, or must survive worker restarts.
How does an engagement work?
A short scoping call, a written scope (what gets built, what doesn't, how we'll know it works), then small reviewable milestones — with the code in your repository and a handover walkthrough at the end.
हम साथ कैसे काम करेंगे
- समस्या, आपके मौजूदा सिस्टम और आपकी सीमाओं को समझने के लिए एक छोटी कॉल।
- लिखित स्कोप: क्या बनेगा, क्या नहीं बनेगा, और हम कैसे जानेंगे कि यह काम कर रहा है।
- छोटे-छोटे माइलस्टोन में काम, जिन्हें आप रिव्यू कर सकें; कोड आपकी रिपॉज़िटरी में।
- हैंडओवर: डॉक्यूमेंटेशन, डिप्लॉयमेंट नोट्स और वॉकथ्रू।
फ़ुल-टाइम नौकरी के साथ-साथ फ़्रीलांस और कंसल्टिंग काम के लिए भी उपलब्ध।
अपने प्रोजेक्ट पर बात करें
बताइए आप क्या बना रहे हैं और कहाँ अटके हैं। फ़्रीलांस, कंसल्टिंग और फ़ुल-टाइम — सभी तरह की बातचीत का स्वागत है।