橙.
全栈工程师
浙江浙大网新产业软件集团 · 2年经验
日薪：
￥500/8h
地点：
福州
时间：
下班后周六周日
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
AI 大模型应用开发
1、熟悉企业级 AI 应用开发链路，包括业务语义建模、Prompt 编排、模型调用封装、结构化输出、异常兜底和效果评估。
2、熟悉多模态 RAG 完整工程落地，掌握 PDF 图文解析、分层文档预处理、混合向量检索、实体路由过滤、多路召回融合、Rerank 重排、上下文组装与幻觉抑制方案。
3、熟悉 RAG 检索增强生成完整链路，包括文档清洗、Chunk 切分、Embedding、Milvus 向量检索、metadata /scalarfilter、Rerank 和上下文组装。
4、熟悉 LangChain、LangGraph 等编排框架，能够设计多阶段 Chain、可观测 Agent 状态流转、异常重试和执行过程追踪。
5、熟悉 Prompt Engineering，能够设计角色约束、任务边界、输出格式约束、Few-shot 示例、Prompt version 和badcase 迭代机制。
6、熟悉 Tool Calling / Function Calling 工程化，能够定义工具 schema、参数校验、权限检查、异常兜底、trace 追踪和工具调用日志。
7、熟悉 FastAPI + SSE 接口开发，能够设计 REST/SSE 接口、Pydantic 请求响应模型、OpenAPI 文档和前后端联调流程。
后端开发
1、熟悉 Python、Java，具备 FastAPI、Spring Boot 后端开发经验，能够完成接口设计、服务封装和系统联调。
2、熟悉 MySQL、Oracle 、Redis 等常用数据库与中间件，具备表结构设计、SQL 调优、缓存设计和数据一致性处理经验。
3、熟悉 Docker、Linux、Git、Maven 等常用开发、部署和协作工具，能够独立定位环境、接口、SQL 和服务运行问题。
1、熟悉企业级 AI 应用开发链路，包括业务语义建模、Prompt 编排、模型调用封装、结构化输出、异常兜底和效果评估。
2、熟悉多模态 RAG 完整工程落地，掌握 PDF 图文解析、分层文档预处理、混合向量检索、实体路由过滤、多路召回融合、Rerank 重排、上下文组装与幻觉抑制方案。
3、熟悉 RAG 检索增强生成完整链路，包括文档清洗、Chunk 切分、Embedding、Milvus 向量检索、metadata /scalarfilter、Rerank 和上下文组装。
4、熟悉 LangChain、LangGraph 等编排框架，能够设计多阶段 Chain、可观测 Agent 状态流转、异常重试和执行过程追踪。
5、熟悉 Prompt Engineering，能够设计角色约束、任务边界、输出格式约束、Few-shot 示例、Prompt version 和badcase 迭代机制。
6、熟悉 Tool Calling / Function Calling 工程化，能够定义工具 schema、参数校验、权限检查、异常兜底、trace 追踪和工具调用日志。
7、熟悉 FastAPI + SSE 接口开发，能够设计 REST/SSE 接口、Pydantic 请求响应模型、OpenAPI 文档和前后端联调流程。
后端开发
1、熟悉 Python、Java，具备 FastAPI、Spring Boot 后端开发经验，能够完成接口设计、服务封装和系统联调。
2、熟悉 MySQL、Oracle 、Redis 等常用数据库与中间件，具备表结构设计、SQL 调优、缓存设计和数据一致性处理经验。
3、熟悉 Docker、Linux、Git、Maven 等常用开发、部署和协作工具，能够独立定位环境、接口、SQL 和服务运行问题。
项目经验
企业智库 Agent 开发工程师：
技术栈：Python、FastAPI、LangGraph、LangChain、LCEL、Milvus、MongoDB、MinIO、Redis、通义千问 Qwen3、BGE-M3、MinerU、SSE、Docker
项目描述：面向企业私有文档场景搭建一站式智能知识问答平台，构建「文档处理流水线 + LangGraph Agent 工作流」架构，依托多模态 RAG 技术，支持 PDF / 图文 / Markdown 多类型文档解析、语义检索、流式对话问答。系统融合多路混合检索、多轮对话记忆、商品实体路由、联网增强检索能力，解决传统关键词检索语义匹配弱、图文资料无法检索、大模型回答幻觉、固定分片丢失上下文、问答同步响应卡顿等痛点，实现企业内部私有知识高效检索与自然语言智能问答。
核心职责：
1、独立负责后端全链路设计开发，搭建文档导入流水线、智能问答两套 LangGraph DAG 工作流，实现条件分支、并发调度、状态持久化的 Agent 编排方案落地
2、设计并实现完整多模态 RAG 链路：文档解析→分层文本切分→图文向量化→多路并行召回→RRF 融合→重排序→LLM 流式生成
3、基于 BGE-M3 构建稠密 + 稀疏混合向量检索体系，集成 HyDE 假设检索、外部联网检索，搭建多源检索融合架构
4、设计商品实体识别与两级校验路由机制，实现问答条件精准过滤；搭建 MongoDB 多轮对话记忆模块，实现会话上下文治理
5、基于 SSE 异步长连接实现流式问答，采用信号量令牌桶完成 LLM 接口限流，解决并发调用阻塞、API 超限问题
6、自研动态截断、三级文本切分策略，优化文档预处理逻辑，修复固定分片导致上下文断裂、语义残缺问题
7、搭建 RAGAS 自动化评测体系，围绕召回率、答案忠实度、端到端时延、Token 开销持续做量化调优，降低模型幻觉
8、完成容器化部署、性能压测，持续优化高并发场景下向量库查询、文档批量入库性能瓶颈
项目成果：
1、文档预处理与向量化优化：自研标题分层 + 贪心合并三级切分方案，解决固定切分破坏段落语义问题；统一 BGE-M3 混合向量完成向量化，建立图文一体化文档入库标准流程，有效提升检索片段语义完整性，大幅改善文档召回效果。
2、检索架构升级：搭建多路并行召回（向量检索 + HyDE 检索 + 联网搜索）+RRF 倒数融合 + Qwen-Rerank 重排架构，先批量召回候选片段再语义筛选，解决单一检索召回覆盖面不足、相关性差问题，显著提升首条检索结果匹配精度与有效知识段落覆盖范围。
3、幻觉抑制体系落地：实施 Prompt 强约束、动态上下文裁剪、答案溯源引用三层防控机制，回答强制标注文档来源，无匹配知识时主动告知用户，大幅降低模型幻觉输出概率，整体答案可信度得到明显提升。
4、性能与体验优化：实现批量分片向量化入库、SSE 异步流式问答架构，优化 Milvus 批量写入逻辑；大幅缩短问答端到端高百分位时延，系统可稳定承载常规业务并发量；提升商品实体识别精准度，减少用户商品澄清类咨询。
一体化风险防控系统 全栈开发工程师：
技术栈：SpringBoot、Redis、RabbitMQ、达梦 DM8、MyBatis-Plus、Maven、Linux、Vue、Elasticsearch +Logstash + Kibana
项目描述：面向人社社保经办业务，搭建事前规则配置、事中实时风险拦截、事后疑点稽核处置全闭环一体化风控平台，构建「规则引擎 + 流程引擎」双核心架构。系统对接社保核心业务、银海外部核验、多部门共享数据源，实现业务实时风险校验、疑点自动生成、分级分发、流程化调查审批、数据批量调度、全链路日志追溯，防范待遇冒领、重复参保、违规申领等社保基金风险。
核心职责：
1、负责风控平台后端核心模块设计开发，搭建接入 — 编排 — 执行三段式规则引擎架构，基于策略模式与抽象模板实现可配置化规则执行体系，完成事项、风险、规则动态绑定，Redis 缓存规则元数据与渠道开关，落地同步 / 异步双模式校验链路。
2、基于 RabbitMQ 构建异步处理链路，设计双层线程池管控并发流量，采用 CallerRunsPolicy 实现背压控制，通过 RedisSETNX 机制保障消息消费幂等，规避消息重投重复执行问题，单规则异常隔离归档，防止外部接口故障引发整体业务阻断。
3、设计疑点全生命周期业务状态机，基于 Activiti 工作流搭建疑点分发、指派、调查、复核、审批闭环流程，实现疑点Excel 异步批量导入、分片并行数据校验，解决大批量疑点导入的数据一致性难题，打通事中规则引擎共享主数据，形成事中拦截、事后追责双轨风控体系
技术栈：Python、FastAPI、LangGraph、LangChain、LCEL、Milvus、MongoDB、MinIO、Redis、通义千问 Qwen3、BGE-M3、MinerU、SSE、Docker
项目描述：面向企业私有文档场景搭建一站式智能知识问答平台，构建「文档处理流水线 + LangGraph Agent 工作流」架构，依托多模态 RAG 技术，支持 PDF / 图文 / Markdown 多类型文档解析、语义检索、流式对话问答。系统融合多路混合检索、多轮对话记忆、商品实体路由、联网增强检索能力，解决传统关键词检索语义匹配弱、图文资料无法检索、大模型回答幻觉、固定分片丢失上下文、问答同步响应卡顿等痛点，实现企业内部私有知识高效检索与自然语言智能问答。
核心职责：
1、独立负责后端全链路设计开发，搭建文档导入流水线、智能问答两套 LangGraph DAG 工作流，实现条件分支、并发调度、状态持久化的 Agent 编排方案落地
2、设计并实现完整多模态 RAG 链路：文档解析→分层文本切分→图文向量化→多路并行召回→RRF 融合→重排序→LLM 流式生成
3、基于 BGE-M3 构建稠密 + 稀疏混合向量检索体系，集成 HyDE 假设检索、外部联网检索，搭建多源检索融合架构
4、设计商品实体识别与两级校验路由机制，实现问答条件精准过滤；搭建 MongoDB 多轮对话记忆模块，实现会话上下文治理
5、基于 SSE 异步长连接实现流式问答，采用信号量令牌桶完成 LLM 接口限流，解决并发调用阻塞、API 超限问题
6、自研动态截断、三级文本切分策略，优化文档预处理逻辑，修复固定分片导致上下文断裂、语义残缺问题
7、搭建 RAGAS 自动化评测体系，围绕召回率、答案忠实度、端到端时延、Token 开销持续做量化调优，降低模型幻觉
8、完成容器化部署、性能压测，持续优化高并发场景下向量库查询、文档批量入库性能瓶颈
项目成果：
1、文档预处理与向量化优化：自研标题分层 + 贪心合并三级切分方案，解决固定切分破坏段落语义问题；统一 BGE-M3 混合向量完成向量化，建立图文一体化文档入库标准流程，有效提升检索片段语义完整性，大幅改善文档召回效果。
2、检索架构升级：搭建多路并行召回（向量检索 + HyDE 检索 + 联网搜索）+RRF 倒数融合 + Qwen-Rerank 重排架构，先批量召回候选片段再语义筛选，解决单一检索召回覆盖面不足、相关性差问题，显著提升首条检索结果匹配精度与有效知识段落覆盖范围。
3、幻觉抑制体系落地：实施 Prompt 强约束、动态上下文裁剪、答案溯源引用三层防控机制，回答强制标注文档来源，无匹配知识时主动告知用户，大幅降低模型幻觉输出概率，整体答案可信度得到明显提升。
4、性能与体验优化：实现批量分片向量化入库、SSE 异步流式问答架构，优化 Milvus 批量写入逻辑；大幅缩短问答端到端高百分位时延，系统可稳定承载常规业务并发量；提升商品实体识别精准度，减少用户商品澄清类咨询。
一体化风险防控系统 全栈开发工程师：
技术栈：SpringBoot、Redis、RabbitMQ、达梦 DM8、MyBatis-Plus、Maven、Linux、Vue、Elasticsearch +Logstash + Kibana
项目描述：面向人社社保经办业务，搭建事前规则配置、事中实时风险拦截、事后疑点稽核处置全闭环一体化风控平台，构建「规则引擎 + 流程引擎」双核心架构。系统对接社保核心业务、银海外部核验、多部门共享数据源，实现业务实时风险校验、疑点自动生成、分级分发、流程化调查审批、数据批量调度、全链路日志追溯，防范待遇冒领、重复参保、违规申领等社保基金风险。
核心职责：
1、负责风控平台后端核心模块设计开发，搭建接入 — 编排 — 执行三段式规则引擎架构，基于策略模式与抽象模板实现可配置化规则执行体系，完成事项、风险、规则动态绑定，Redis 缓存规则元数据与渠道开关，落地同步 / 异步双模式校验链路。
2、基于 RabbitMQ 构建异步处理链路，设计双层线程池管控并发流量，采用 CallerRunsPolicy 实现背压控制，通过 RedisSETNX 机制保障消息消费幂等，规避消息重投重复执行问题，单规则异常隔离归档，防止外部接口故障引发整体业务阻断。
3、设计疑点全生命周期业务状态机，基于 Activiti 工作流搭建疑点分发、指派、调查、复核、审批闭环流程，实现疑点Excel 异步批量导入、分片并行数据校验，解决大批量疑点导入的数据一致性难题，打通事中规则引擎共享主数据，形成事中拦截、事后追责双轨风控体系
ID:336955
复制
橙.
全栈工程师 · 2年经验 · 浙江浙大网新产业软件集团
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
AI 大模型应用开发
1、熟悉企业级 AI 应用开发链路，包括业务语义建模、Prompt 编排、模型调用封装、结构化输出、异常兜底和效果评估。
2、熟悉多模态 RAG 完整工程落地，掌握 PDF 图文解析、分层文档预处理、混合向量检索、实体路由过滤、多路召回融合、Rerank 重排、上下文组装与幻觉抑制方案。
3、熟悉 RAG 检索增强生成完整链路，包括文档清洗、Chunk 切分、Embedding、Milvus 向量检索、metadata /scalarfilter、Rerank 和上下文组装。
4、熟悉 LangChain、LangGraph 等编排框架，能够设计多阶段 Chain、可观测 Agent 状态流转、异常重试和执行过程追踪。
5、熟悉 Prompt Engineering，能够设计角色约束、任务边界、输出格式约束、Few-shot 示例、Prompt version 和badcase 迭代机制。
6、熟悉 Tool Calling / Function Calling 工程化，能够定义工具 schema、参数校验、权限检查、异常兜底、trace 追踪和工具调用日志。
7、熟悉 FastAPI + SSE 接口开发，能够设计 REST/SSE 接口、Pydantic 请求响应模型、OpenAPI 文档和前后端联调流程。
后端开发
1、熟悉 Python、Java，具备 FastAPI、Spring Boot 后端开发经验，能够完成接口设计、服务封装和系统联调。
2、熟悉 MySQL、Oracle 、Redis 等常用数据库与中间件，具备表结构设计、SQL 调优、缓存设计和数据一致性处理经验。
3、熟悉 Docker、Linux、Git、Maven 等常用开发、部署和协作工具，能够独立定位环境、接口、SQL 和服务运行问题。
1、熟悉企业级 AI 应用开发链路，包括业务语义建模、Prompt 编排、模型调用封装、结构化输出、异常兜底和效果评估。
2、熟悉多模态 RAG 完整工程落地，掌握 PDF 图文解析、分层文档预处理、混合向量检索、实体路由过滤、多路召回融合、Rerank 重排、上下文组装与幻觉抑制方案。
3、熟悉 RAG 检索增强生成完整链路，包括文档清洗、Chunk 切分、Embedding、Milvus 向量检索、metadata /scalarfilter、Rerank 和上下文组装。
4、熟悉 LangChain、LangGraph 等编排框架，能够设计多阶段 Chain、可观测 Agent 状态流转、异常重试和执行过程追踪。
5、熟悉 Prompt Engineering，能够设计角色约束、任务边界、输出格式约束、Few-shot 示例、Prompt version 和badcase 迭代机制。
6、熟悉 Tool Calling / Function Calling 工程化，能够定义工具 schema、参数校验、权限检查、异常兜底、trace 追踪和工具调用日志。
7、熟悉 FastAPI + SSE 接口开发，能够设计 REST/SSE 接口、Pydantic 请求响应模型、OpenAPI 文档和前后端联调流程。
后端开发
1、熟悉 Python、Java，具备 FastAPI、Spring Boot 后端开发经验，能够完成接口设计、服务封装和系统联调。
2、熟悉 MySQL、Oracle 、Redis 等常用数据库与中间件，具备表结构设计、SQL 调优、缓存设计和数据一致性处理经验。
3、熟悉 Docker、Linux、Git、Maven 等常用开发、部署和协作工具，能够独立定位环境、接口、SQL 和服务运行问题。
项目经验
企业智库 Agent 开发工程师：
技术栈：Python、FastAPI、LangGraph、LangChain、LCEL、Milvus、MongoDB、MinIO、Redis、通义千问 Qwen3、BGE-M3、MinerU、SSE、Docker
项目描述：面向企业私有文档场景搭建一站式智能知识问答平台，构建「文档处理流水线 + LangGraph Agent 工作流」架构，依托多模态 RAG 技术，支持 PDF / 图文 / Markdown 多类型文档解析、语义检索、流式对话问答。系统融合多路混合检索、多轮对话记忆、商品实体路由、联网增强检索能力，解决传统关键词检索语义匹配弱、图文资料无法检索、大模型回答幻觉、固定分片丢失上下文、问答同步响应卡顿等痛点，实现企业内部私有知识高效检索与自然语言智能问答。
核心职责：
1、独立负责后端全链路设计开发，搭建文档导入流水线、智能问答两套 LangGraph DAG 工作流，实现条件分支、并发调度、状态持久化的 Agent 编排方案落地
2、设计并实现完整多模态 RAG 链路：文档解析→分层文本切分→图文向量化→多路并行召回→RRF 融合→重排序→LLM 流式生成
3、基于 BGE-M3 构建稠密 + 稀疏混合向量检索体系，集成 HyDE 假设检索、外部联网检索，搭建多源检索融合架构
4、设计商品实体识别与两级校验路由机制，实现问答条件精准过滤；搭建 MongoDB 多轮对话记忆模块，实现会话上下文治理
5、基于 SSE 异步长连接实现流式问答，采用信号量令牌桶完成 LLM 接口限流，解决并发调用阻塞、API 超限问题
6、自研动态截断、三级文本切分策略，优化文档预处理逻辑，修复固定分片导致上下文断裂、语义残缺问题
7、搭建 RAGAS 自动化评测体系，围绕召回率、答案忠实度、端到端时延、Token 开销持续做量化调优，降低模型幻觉
8、完成容器化部署、性能压测，持续优化高并发场景下向量库查询、文档批量入库性能瓶颈
项目成果：
1、文档预处理与向量化优化：自研标题分层 + 贪心合并三级切分方案，解决固定切分破坏段落语义问题；统一 BGE-M3 混合向量完成向量化，建立图文一体化文档入库标准流程，有效提升检索片段语义完整性，大幅改善文档召回效果。
2、检索架构升级：搭建多路并行召回（向量检索 + HyDE 检索 + 联网搜索）+RRF 倒数融合 + Qwen-Rerank 重排架构，先批量召回候选片段再语义筛选，解决单一检索召回覆盖面不足、相关性差问题，显著提升首条检索结果匹配精度与有效知识段落覆盖范围。
3、幻觉抑制体系落地：实施 Prompt 强约束、动态上下文裁剪、答案溯源引用三层防控机制，回答强制标注文档来源，无匹配知识时主动告知用户，大幅降低模型幻觉输出概率，整体答案可信度得到明显提升。
4、性能与体验优化：实现批量分片向量化入库、SSE 异步流式问答架构，优化 Milvus 批量写入逻辑；大幅缩短问答端到端高百分位时延，系统可稳定承载常规业务并发量；提升商品实体识别精准度，减少用户商品澄清类咨询。
一体化风险防控系统 全栈开发工程师：
技术栈：SpringBoot、Redis、RabbitMQ、达梦 DM8、MyBatis-Plus、Maven、Linux、Vue、Elasticsearch +Logstash + Kibana
项目描述：面向人社社保经办业务，搭建事前规则配置、事中实时风险拦截、事后疑点稽核处置全闭环一体化风控平台，构建「规则引擎 + 流程引擎」双核心架构。系统对接社保核心业务、银海外部核验、多部门共享数据源，实现业务实时风险校验、疑点自动生成、分级分发、流程化调查审批、数据批量调度、全链路日志追溯，防范待遇冒领、重复参保、违规申领等社保基金风险。
核心职责：
1、负责风控平台后端核心模块设计开发，搭建接入 — 编排 — 执行三段式规则引擎架构，基于策略模式与抽象模板实现可配置化规则执行体系，完成事项、风险、规则动态绑定，Redis 缓存规则元数据与渠道开关，落地同步 / 异步双模式校验链路。
2、基于 RabbitMQ 构建异步处理链路，设计双层线程池管控并发流量，采用 CallerRunsPolicy 实现背压控制，通过 RedisSETNX 机制保障消息消费幂等，规避消息重投重复执行问题，单规则异常隔离归档，防止外部接口故障引发整体业务阻断。
3、设计疑点全生命周期业务状态机，基于 Activiti 工作流搭建疑点分发、指派、调查、复核、审批闭环流程，实现疑点Excel 异步批量导入、分片并行数据校验，解决大批量疑点导入的数据一致性难题，打通事中规则引擎共享主数据，形成事中拦截、事后追责双轨风控体系
技术栈：Python、FastAPI、LangGraph、LangChain、LCEL、Milvus、MongoDB、MinIO、Redis、通义千问 Qwen3、BGE-M3、MinerU、SSE、Docker
项目描述：面向企业私有文档场景搭建一站式智能知识问答平台，构建「文档处理流水线 + LangGraph Agent 工作流」架构，依托多模态 RAG 技术，支持 PDF / 图文 / Markdown 多类型文档解析、语义检索、流式对话问答。系统融合多路混合检索、多轮对话记忆、商品实体路由、联网增强检索能力，解决传统关键词检索语义匹配弱、图文资料无法检索、大模型回答幻觉、固定分片丢失上下文、问答同步响应卡顿等痛点，实现企业内部私有知识高效检索与自然语言智能问答。
核心职责：
1、独立负责后端全链路设计开发，搭建文档导入流水线、智能问答两套 LangGraph DAG 工作流，实现条件分支、并发调度、状态持久化的 Agent 编排方案落地
2、设计并实现完整多模态 RAG 链路：文档解析→分层文本切分→图文向量化→多路并行召回→RRF 融合→重排序→LLM 流式生成
3、基于 BGE-M3 构建稠密 + 稀疏混合向量检索体系，集成 HyDE 假设检索、外部联网检索，搭建多源检索融合架构
4、设计商品实体识别与两级校验路由机制，实现问答条件精准过滤；搭建 MongoDB 多轮对话记忆模块，实现会话上下文治理
5、基于 SSE 异步长连接实现流式问答，采用信号量令牌桶完成 LLM 接口限流，解决并发调用阻塞、API 超限问题
6、自研动态截断、三级文本切分策略，优化文档预处理逻辑，修复固定分片导致上下文断裂、语义残缺问题
7、搭建 RAGAS 自动化评测体系，围绕召回率、答案忠实度、端到端时延、Token 开销持续做量化调优，降低模型幻觉
8、完成容器化部署、性能压测，持续优化高并发场景下向量库查询、文档批量入库性能瓶颈
项目成果：
1、文档预处理与向量化优化：自研标题分层 + 贪心合并三级切分方案，解决固定切分破坏段落语义问题；统一 BGE-M3 混合向量完成向量化，建立图文一体化文档入库标准流程，有效提升检索片段语义完整性，大幅改善文档召回效果。
2、检索架构升级：搭建多路并行召回（向量检索 + HyDE 检索 + 联网搜索）+RRF 倒数融合 + Qwen-Rerank 重排架构，先批量召回候选片段再语义筛选，解决单一检索召回覆盖面不足、相关性差问题，显著提升首条检索结果匹配精度与有效知识段落覆盖范围。
3、幻觉抑制体系落地：实施 Prompt 强约束、动态上下文裁剪、答案溯源引用三层防控机制，回答强制标注文档来源，无匹配知识时主动告知用户，大幅降低模型幻觉输出概率，整体答案可信度得到明显提升。
4、性能与体验优化：实现批量分片向量化入库、SSE 异步流式问答架构，优化 Milvus 批量写入逻辑；大幅缩短问答端到端高百分位时延，系统可稳定承载常规业务并发量；提升商品实体识别精准度，减少用户商品澄清类咨询。
一体化风险防控系统 全栈开发工程师：
技术栈：SpringBoot、Redis、RabbitMQ、达梦 DM8、MyBatis-Plus、Maven、Linux、Vue、Elasticsearch +Logstash + Kibana
项目描述：面向人社社保经办业务，搭建事前规则配置、事中实时风险拦截、事后疑点稽核处置全闭环一体化风控平台，构建「规则引擎 + 流程引擎」双核心架构。系统对接社保核心业务、银海外部核验、多部门共享数据源，实现业务实时风险校验、疑点自动生成、分级分发、流程化调查审批、数据批量调度、全链路日志追溯，防范待遇冒领、重复参保、违规申领等社保基金风险。
核心职责：
1、负责风控平台后端核心模块设计开发，搭建接入 — 编排 — 执行三段式规则引擎架构，基于策略模式与抽象模板实现可配置化规则执行体系，完成事项、风险、规则动态绑定，Redis 缓存规则元数据与渠道开关，落地同步 / 异步双模式校验链路。
2、基于 RabbitMQ 构建异步处理链路，设计双层线程池管控并发流量，采用 CallerRunsPolicy 实现背压控制，通过 RedisSETNX 机制保障消息消费幂等，规避消息重投重复执行问题，单规则异常隔离归档，防止外部接口故障引发整体业务阻断。
3、设计疑点全生命周期业务状态机，基于 Activiti 工作流搭建疑点分发、指派、调查、复核、审批闭环流程，实现疑点Excel 异步批量导入、分片并行数据校验，解决大批量疑点导入的数据一致性难题，打通事中规则引擎共享主数据，形成事中拦截、事后追责双轨风控体系
立即沟通
