suit tie
AI agent开发工程师
- 公司信息：
- 北京民安信科技有限公司
- 工作经验：
- 2年
- 兼职日薪：
- 500元/8小时
- 兼职时间：
- 下班后
- 周日
- 可工作日远程
- 所在区域：
- 西安
- 全区
技术能力
【个人综述】 国内Top级985高校软件工程硕士在读，拥有4年Java深耕经验与1年Go语言实战积累。具备极强的代码规范意识与独立交付能力，擅长从0到1构建高可用后端架构，同时紧跟AI前沿，能落地大模型（LLM）应用开**发。相比传统工程师，具备更强的算法底蕴与新技术敏锐度。
【核心技术栈】
后端开发（双语栈）：
Java领域： 精通Java SE/EE，深入理解JVM内存模型与GC调优。熟练掌握Spring Boot、Spring Cloud Alibaba微服务生态，具备处理复杂企业级业务逻辑与遗留系统重构（Refactoring）的能力。
Go (Golang)领域： 熟悉Go语言高并发编程特性，擅长使用Gin/Gorm框架开发高性能API网关、云原生应用及分布式系统中间件，能胜任高吞吐量的服务端开发任务。
Python AI与大模型应用领域：
精通AI Agent（智能体）开发，熟练使用LangChain、Flowise构建企业级RAG（检索增强生成）系统。
熟悉向量数据库（Pinecone/Milvus）与OpenAI/Claude API对接，能开发智能客服、文档自动分析及业务流程自动化工具，帮助企业实现AI降本增效。
工程化与全栈能力：
熟练使用Docker、Kubernetes进行容器化部署，熟悉CI/CD流水线。
掌握MySQL索引优化、Redis缓存策略及消息队列（RocketMQ/Kafka）应用。
具备前端基础（Vue/React），能独立完成中小型项目的全栈交付。
项目经验
项目经历 1：分布式高并发知识竞赛与营销平台
项目描述： 为某省级机构开发的百万级用户知识竞赛与积分商城系统。项目集成了答题竞技、积分任务体系、微信社交裂变及实物/红包奖励发放等功能，旨在通过游戏化运营提升公众科学素养。
技术栈： Go (Gin)、MySQL、Redis、RocketMQ、WeChat API、阿里云 OSS。
核心职责与难点攻克：
高并发答题架构：设计了基于 Redis 的答题会话缓存与防刷机制，支撑“周周乐”等活动期间的万级 QPS 脉冲流量，保证了答题状态流转（开始、提交、结算）的低延迟与数据一致性。
资金安全与支付体系：实现了复杂的红包发放与库存扣减逻辑。利用分布式锁与数据库事务（TCC 思想）解决了积分兑换、抽奖与微信转账中的超卖与重复领取问题，构建了“三层安全校验”机制（数据库状态+微信订单校验+幂等性保证）。
社交裂变系统：设计了基于邀请关系的动态奖励与防作弊系统，支持多级分销逻辑，利用消息队列（MQ）异步处理积分发放，确保了主业务流程的响应速度。
模块化设计：将认证、答题、商场、榜单等模块解耦为微服务/独立模块，并通过 RPC 进行通信，极大提升了系统的可维护性与扩展性。
项目经历 2：基于 RAG 的垂直领域智能内容生成 Agent
项目描述： 针对电商与科技垂直领域开发的智能出题与内容生成 Agent。该系统利用 RAG（检索增强生成） 技术，能够从多源非结构化数据（官方文档、社交媒体、电商 Q&A）中自动提取知识，并生成高质量的测试题目与分析报告。
技术栈： LLM (Qwen/GPT-4)、LangChain、ChromaDB (向量数据库)、Playwright、FastAPI、SSE (Server-Sent Events)。
核心职责与难点攻克：
RAG 全流程搭建：构建了从数据采集（支持动态渲染页面爬取与 OCR）、文本分块、向量化存储到检索生成的完整流水线。解决了多源数据异构与噪声清洗难题。
AI Agent 编排与优化：设计了复杂的 Prompt 工程与思维链（CoT），实现了“检索-生成-评估-修正”的闭环工作流。引入了基于 RLHF 思想的质量评测模块，从相关性、严谨性等多维度自动评分，使 AI 生成可用率达到 90% 以上。
高性能异步处理：采用异步架构与 SSE 技术实现流式生成与实时进度推送，支持多任务并发执行与断点续传，显著提升了大规模知识库处理的效率。
多模态支持：整合视觉模型（VL-Model）处理图片内容，实现了图文结合的知识提取与题目生成。
项目经历 3：自适应 AI 英语教学辅助平台
项目描述： 一个集成了 AI 辅助教学的综合性英语学习平台，旨在通过技术手段解决传统教学中“批改难、开口难”的痛点。平台涵盖了题库管理、智能写作批改、口语对话练习等核心模块。
技术栈： Java (Spring Boot) 、Vue.js、AI Agent (LLM Integration)、ASR/TTS (语音服务)、WebSocket。
核心职责与难点攻克：
AI 智能批改 Agent：接入大模型 API，开发了作文自动批改服务。通过微调 Prompt，实现了对语法错误、词汇丰富度及逻辑连贯性的深度点评，并能自动生成润色后的范文，响应速度控制在 3 秒以内。
情景化口语陪练：基于 ASR（语音转文字）与 TTS（文字转语音）技术，结合 LLM 构建了角色扮演 AI 语伴。设计了基于 WebSocket 的全双工实时语音交互链路，实现了低延迟的沉浸式口语对话体验。
海量题库管理系统：设计了支持多种复杂题型（听力、阅读、填空）的高可用数据库结构，实现了基于知识点的智能组卷算法，支持根据用户历史错题进行自适应推荐训练。
案例展示
-
自适应 AI 英语教学辅助平台
【项目简介】 本项目是一款集成了大语言模型（LLM）与计算机视觉（OCR）技术的综合性在线语言学习平台。旨在通过AI技术解决传统语言教学中“批改效率低”和“哑巴英语”的痛点，实现了从手写作文识别批改到情景化口语对练的全流程智能化闭环。 【我的角色】 全栈架构师与独立开发者
-
分布式高并发知识竞赛平台
这是一份经过精简优化的版本，在保留所有核心技术亮点的前提下，删减了约 80-100 字的冗余表述，语言更加干练，符合简历或作品集的黄金篇幅。 推荐文案：省级分布式知识竞赛平台（核心业务后端） 【项目简介】 面向百万级用户的省级知识竞赛与营销平台，集成答题、社交裂变、商城及
-
智能题目生成系统
【项目简介】 一款面向垂直领域的智能出题与知识管理系统。利用 RAG（检索增强生成） 技术，整合电商评论、社交媒体及官方文档等多源异构数据，实现基于大模型的高质量试题自动化生成与校验，打通“采集-清洗-生成-质检-交付”全流程。 【核心职责】 后端架构设计与核心开发。采用
