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）

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

团队情况