。
Java开发工程师
武汉幂思信息科技有限公司 · 3年经验
日薪：
￥500/8h
地点：
武汉 全区
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
1、具备扎实的Java基础，熟悉主流框架和技术栈，专注于Java + AI大模型应用开发
2、在RAG检索增强生成、AI Agent开发等领域有深入实践，熟悉LangChain、向量数据库等前沿技术
3、熟练使用 Spring、SpringAi、SpringMVC、Mybatis 等开源框架
4、熟练LangChain、LangChain4J，可通过Agent技术实现大模型的智能化应用落地。
5、熟悉微服务技术 SpringBoot、SpringCloud
6、熟悉 Nacos、OpenFeign、Gateway、Sentinel 等微服务组件
7、熟悉使用常见的关系型数据库和非关系型数据库，如 Mysql 、Redis、mongoDB等
8、掌握缓存穿透、缓存击穿、缓存雪崩问题的解决方案 ，了解分布式锁的基本原理
9、熟悉 RabbitMQ 等中间件技术，熟悉其消息确认机制 ，掌握防止消息丢失的基本理论。
10、可使用JMeter、 Postman、Swagger进行接口测试。
11、了解微服务组件 ，注册中心Nacos、GateWay网关、Open Fegin远程调用。
12、熟悉ES的使用，例如：日志记录和管理（ELK、EFK）
2、在RAG检索增强生成、AI Agent开发等领域有深入实践，熟悉LangChain、向量数据库等前沿技术
3、熟练使用 Spring、SpringAi、SpringMVC、Mybatis 等开源框架
4、熟练LangChain、LangChain4J，可通过Agent技术实现大模型的智能化应用落地。
5、熟悉微服务技术 SpringBoot、SpringCloud
6、熟悉 Nacos、OpenFeign、Gateway、Sentinel 等微服务组件
7、熟悉使用常见的关系型数据库和非关系型数据库，如 Mysql 、Redis、mongoDB等
8、掌握缓存穿透、缓存击穿、缓存雪崩问题的解决方案 ，了解分布式锁的基本原理
9、熟悉 RabbitMQ 等中间件技术，熟悉其消息确认机制 ，掌握防止消息丢失的基本理论。
10、可使用JMeter、 Postman、Swagger进行接口测试。
11、了解微服务组件 ，注册中心Nacos、GateWay网关、Open Fegin远程调用。
12、熟悉ES的使用，例如：日志记录和管理（ELK、EFK）
项目经验
项目描述：面向法律工作者的智能法律知识库平台，整合海量裁判文书、法律法规、指导案例等数据。系统集成多种数据库以及使用Elasticsearch 与RAG 大模型问答相结合，提供类案精准检索和AI智能问答双引擎驱动。实现百万级文档毫秒级响应，帮助检察官快速准确检索类案，深度辅助案件研判。
系统组成：管理端（PC）+用户端（PC）
技术体系：
后端技术：Spring Boot 2.7+MyBatis-Plus+Shiro/JWT+MySQL 8.0 +MongoDB +Redis +Elasticsearch 7.17 +Docker Compose +Nginx
AI 技术：RAG 检索增强生成+Qwen/bge-small-zh-v1.5 大模型+pgvector 向量检索+语义相似度匹配
项目亮点：
智慧检索引擎：基于Elasticsearch 构建法律文书检索系统，支持百万级文档毫秒级响应，实现案由、法条关键词多维度组合查询，检索准确率达95%+
深度要素检索：支持海量法律要素和规格的深度检索，帮助检察官快速准确定位类案，大幅提升案件研判效率AI 智能问答：集成RAG 检索增强生成技术，将法律知识库与大模型结合，用户提问后自动检索相关法条和案例，生成专业法律解答，问答准确率提升40%
海量数据存储：采用MongoDB 存储非结构化裁判文书数据，设计合理的文档结构和索引策略，支撑亿级文书高效存储
数据同步管道：自研MongoDB 到Elasticsearch 的增量同步工具，实现数据准实时同步，保证检索数据致性
脏数据自动检测：自研数据质量监控模块，自动识别和标记异常数据，保障智慧检索的稳定性和准确性
系统组成：管理端（PC）+用户端（PC）
技术体系：
后端技术：Spring Boot 2.7+MyBatis-Plus+Shiro/JWT+MySQL 8.0 +MongoDB +Redis +Elasticsearch 7.17 +Docker Compose +Nginx
AI 技术：RAG 检索增强生成+Qwen/bge-small-zh-v1.5 大模型+pgvector 向量检索+语义相似度匹配
项目亮点：
智慧检索引擎：基于Elasticsearch 构建法律文书检索系统，支持百万级文档毫秒级响应，实现案由、法条关键词多维度组合查询，检索准确率达95%+
深度要素检索：支持海量法律要素和规格的深度检索，帮助检察官快速准确定位类案，大幅提升案件研判效率AI 智能问答：集成RAG 检索增强生成技术，将法律知识库与大模型结合，用户提问后自动检索相关法条和案例，生成专业法律解答，问答准确率提升40%
海量数据存储：采用MongoDB 存储非结构化裁判文书数据，设计合理的文档结构和索引策略，支撑亿级文书高效存储
数据同步管道：自研MongoDB 到Elasticsearch 的增量同步工具，实现数据准实时同步，保证检索数据致性
脏数据自动检测：自研数据质量监控模块，自动识别和标记异常数据，保障智慧检索的稳定性和准确性
团队情况
整包服务：
微信小程序开发PC网站开发H5网站开发
负责人：
Java开发工程师
团队成员：
产品经理 前端工程师 后端工程师
。
有团队 · 可整包
Java开发工程师 · 3年经验 · 武汉幂思信息科技有限公司
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
1、具备扎实的Java基础，熟悉主流框架和技术栈，专注于Java + AI大模型应用开发
2、在RAG检索增强生成、AI Agent开发等领域有深入实践，熟悉LangChain、向量数据库等前沿技术
3、熟练使用 Spring、SpringAi、SpringMVC、Mybatis 等开源框架
4、熟练LangChain、LangChain4J，可通过Agent技术实现大模型的智能化应用落地。
5、熟悉微服务技术 SpringBoot、SpringCloud
6、熟悉 Nacos、OpenFeign、Gateway、Sentinel 等微服务组件
7、熟悉使用常见的关系型数据库和非关系型数据库，如 Mysql 、Redis、mongoDB等
8、掌握缓存穿透、缓存击穿、缓存雪崩问题的解决方案 ，了解分布式锁的基本原理
9、熟悉 RabbitMQ 等中间件技术，熟悉其消息确认机制 ，掌握防止消息丢失的基本理论。
10、可使用JMeter、 Postman、Swagger进行接口测试。
11、了解微服务组件 ，注册中心Nacos、GateWay网关、Open Fegin远程调用。
12、熟悉ES的使用，例如：日志记录和管理（ELK、EFK）
2、在RAG检索增强生成、AI Agent开发等领域有深入实践，熟悉LangChain、向量数据库等前沿技术
3、熟练使用 Spring、SpringAi、SpringMVC、Mybatis 等开源框架
4、熟练LangChain、LangChain4J，可通过Agent技术实现大模型的智能化应用落地。
5、熟悉微服务技术 SpringBoot、SpringCloud
6、熟悉 Nacos、OpenFeign、Gateway、Sentinel 等微服务组件
7、熟悉使用常见的关系型数据库和非关系型数据库，如 Mysql 、Redis、mongoDB等
8、掌握缓存穿透、缓存击穿、缓存雪崩问题的解决方案 ，了解分布式锁的基本原理
9、熟悉 RabbitMQ 等中间件技术，熟悉其消息确认机制 ，掌握防止消息丢失的基本理论。
10、可使用JMeter、 Postman、Swagger进行接口测试。
11、了解微服务组件 ，注册中心Nacos、GateWay网关、Open Fegin远程调用。
12、熟悉ES的使用，例如：日志记录和管理（ELK、EFK）
项目经验
项目描述：面向法律工作者的智能法律知识库平台，整合海量裁判文书、法律法规、指导案例等数据。系统集成多种数据库以及使用Elasticsearch 与RAG 大模型问答相结合，提供类案精准检索和AI智能问答双引擎驱动。实现百万级文档毫秒级响应，帮助检察官快速准确检索类案，深度辅助案件研判。
系统组成：管理端（PC）+用户端（PC）
技术体系：
后端技术：Spring Boot 2.7+MyBatis-Plus+Shiro/JWT+MySQL 8.0 +MongoDB +Redis +Elasticsearch 7.17 +Docker Compose +Nginx
AI 技术：RAG 检索增强生成+Qwen/bge-small-zh-v1.5 大模型+pgvector 向量检索+语义相似度匹配
项目亮点：
智慧检索引擎：基于Elasticsearch 构建法律文书检索系统，支持百万级文档毫秒级响应，实现案由、法条关键词多维度组合查询，检索准确率达95%+
深度要素检索：支持海量法律要素和规格的深度检索，帮助检察官快速准确定位类案，大幅提升案件研判效率AI 智能问答：集成RAG 检索增强生成技术，将法律知识库与大模型结合，用户提问后自动检索相关法条和案例，生成专业法律解答，问答准确率提升40%
海量数据存储：采用MongoDB 存储非结构化裁判文书数据，设计合理的文档结构和索引策略，支撑亿级文书高效存储
数据同步管道：自研MongoDB 到Elasticsearch 的增量同步工具，实现数据准实时同步，保证检索数据致性
脏数据自动检测：自研数据质量监控模块，自动识别和标记异常数据，保障智慧检索的稳定性和准确性
系统组成：管理端（PC）+用户端（PC）
技术体系：
后端技术：Spring Boot 2.7+MyBatis-Plus+Shiro/JWT+MySQL 8.0 +MongoDB +Redis +Elasticsearch 7.17 +Docker Compose +Nginx
AI 技术：RAG 检索增强生成+Qwen/bge-small-zh-v1.5 大模型+pgvector 向量检索+语义相似度匹配
项目亮点：
智慧检索引擎：基于Elasticsearch 构建法律文书检索系统，支持百万级文档毫秒级响应，实现案由、法条关键词多维度组合查询，检索准确率达95%+
深度要素检索：支持海量法律要素和规格的深度检索，帮助检察官快速准确定位类案，大幅提升案件研判效率AI 智能问答：集成RAG 检索增强生成技术，将法律知识库与大模型结合，用户提问后自动检索相关法条和案例，生成专业法律解答，问答准确率提升40%
海量数据存储：采用MongoDB 存储非结构化裁判文书数据，设计合理的文档结构和索引策略，支撑亿级文书高效存储
数据同步管道：自研MongoDB 到Elasticsearch 的增量同步工具，实现数据准实时同步，保证检索数据致性
脏数据自动检测：自研数据质量监控模块，自动识别和标记异常数据，保障智慧检索的稳定性和准确性
团队情况
服务范围：
团队构成：
负责人(Java开发工程师)
|
核心队员：产品经理 ·
前端工程师 ·
后端工程师
案例展示
立即沟通
相似人才推荐：
