戏谑的庄严
全栈架构师
联想研究院 · 15年经验
日薪：
￥1000/8h
地点：
北京 海淀
时间：
可工作日驻场（自由职业原因）
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
美国软件工程硕士，20年全栈开发经验包含各种小程序，安卓，IOS应用，3年AI应用开发经验，多种垂类行业开发经验，联想研究院复杂结构云计算开发经验和大规模团队研发管理经验（10年），产品经理经验，项目经理经验。
AI应用： 大模型应用开发、RAG检索增强、Agent系统设计、Prompt工程、向量数据库
(Milvus)、多模态AI架构设计、微服务架构、云边协同、分布式系统、API网关、事件驱动架构
前端技术：React/Angular/Vue、TypeScript、Node.js、flutter，ios，微前端、工程化体系
后端技术：Java(Spring Boot/Cloud)、Python(FastAPI)、Go、微服务治理
云原生 ：Kubernetes、Docker、边缘计算、CI/CD、监控运维
数据库： PostgreSQL、Redis、Elasticsearch、Milvus、MinIO
AI应用： 大模型应用开发、RAG检索增强、Agent系统设计、Prompt工程、向量数据库
(Milvus)、多模态AI架构设计、微服务架构、云边协同、分布式系统、API网关、事件驱动架构
前端技术：React/Angular/Vue、TypeScript、Node.js、flutter，ios，微前端、工程化体系
后端技术：Java(Spring Boot/Cloud)、Python(FastAPI)、Go、微服务治理
云原生 ：Kubernetes、Docker、边缘计算、CI/CD、监控运维
数据库： PostgreSQL、Redis、Elasticsearch、Milvus、MinIO
项目经验
最近写的一个项目：15天独立完成（讨论需求->架构设计->开发测试->部署）交付的企业生产级别系统：
可行性研究报告生成智能体系统 - 项目
评价报告
一、执行摘要
整体评分：⭐ 9.0/10 - 优秀
本项目是一个基于 AI 大模型的可行性研究报告自动生成系统，采用微服务架构，配套
专属知识库，实现报告的智能化编制。项目在架构设计、代码质量、测试覆盖、文档完
善度等方面均表现出色。
核心亮点
维度 评分 关键指标
架构设
计 ⭐⭐⭐⭐⭐ 微服务 + API Gateway，支持 Docker Compose 和
Kubernetes 双部署方案
测试覆
盖 ⭐⭐⭐⭐⭐ 118 个测试全部通过，覆盖 AI 服务、后端、前端
代码质量 ⭐⭐⭐⭐ 规范的异常处理、Mock 测试、TypeScript 类型定义
文档质量 ⭐⭐⭐⭐⭐ 详细的 Bug 修复记录、CHANGELOG、部署文档
AI 能力 ⭐⭐⭐⭐⭐ RAG 架构完整，多模型支持，依赖精简
DevOps ⭐⭐⭐⭐⭐ 完整的 CI/CD 配置，健康检查完善
二、项目概览
2.1 项目定位
基于 AI 大模型的可行性研究报告自动生成系统，主要功能包括：
知识库管理: 文档上传、自动解析、向量化存储
智能信息提取: 从零散资料中提取项目关键信息
多源信息检索: 结合知识库和网络搜索补充信息
报告自动生成: 基于模板和 AI 生成专业报告
格式规范处理: 自动应用模板格式，支持 Word/PDF 导出
2.2 技术栈
层级 技术选型
前端 React 18 + TypeScript + Vite + Ant Design 5 + Zustand
后端 Spring Boot 3.2 + Spring Cloud + MyBatis-Plus
AI 服务 FastAPI + Anthropic/OpenAI API + PyMilvus + Elasticsearch
向量数据库 Milvus 2.3 + Elasticsearch 8.12
关系数据库 PostgreSQL 15 + Redis 7
对象存储 MinIO
消息队列 RabbitMQ 3.12
容器化 Docker Compose + Kubernetes
2.3 项目规模
指标 数值
后端服务数 5 个（Gateway, User, Report, Knowledge, Common）
基础设施数 6 个（PostgreSQL, Redis, MinIO, Milvus, ES, RabbitMQ）
可行性研究报告生成智能体系统 - 项目
评价报告
一、执行摘要
整体评分：⭐ 9.0/10 - 优秀
本项目是一个基于 AI 大模型的可行性研究报告自动生成系统，采用微服务架构，配套
专属知识库，实现报告的智能化编制。项目在架构设计、代码质量、测试覆盖、文档完
善度等方面均表现出色。
核心亮点
维度 评分 关键指标
架构设
计 ⭐⭐⭐⭐⭐ 微服务 + API Gateway，支持 Docker Compose 和
Kubernetes 双部署方案
测试覆
盖 ⭐⭐⭐⭐⭐ 118 个测试全部通过，覆盖 AI 服务、后端、前端
代码质量 ⭐⭐⭐⭐ 规范的异常处理、Mock 测试、TypeScript 类型定义
文档质量 ⭐⭐⭐⭐⭐ 详细的 Bug 修复记录、CHANGELOG、部署文档
AI 能力 ⭐⭐⭐⭐⭐ RAG 架构完整，多模型支持，依赖精简
DevOps ⭐⭐⭐⭐⭐ 完整的 CI/CD 配置，健康检查完善
二、项目概览
2.1 项目定位
基于 AI 大模型的可行性研究报告自动生成系统，主要功能包括：
知识库管理: 文档上传、自动解析、向量化存储
智能信息提取: 从零散资料中提取项目关键信息
多源信息检索: 结合知识库和网络搜索补充信息
报告自动生成: 基于模板和 AI 生成专业报告
格式规范处理: 自动应用模板格式，支持 Word/PDF 导出
2.2 技术栈
层级 技术选型
前端 React 18 + TypeScript + Vite + Ant Design 5 + Zustand
后端 Spring Boot 3.2 + Spring Cloud + MyBatis-Plus
AI 服务 FastAPI + Anthropic/OpenAI API + PyMilvus + Elasticsearch
向量数据库 Milvus 2.3 + Elasticsearch 8.12
关系数据库 PostgreSQL 15 + Redis 7
对象存储 MinIO
消息队列 RabbitMQ 3.12
容器化 Docker Compose + Kubernetes
2.3 项目规模
指标 数值
后端服务数 5 个（Gateway, User, Report, Knowledge, Common）
基础设施数 6 个（PostgreSQL, Redis, MinIO, Milvus, ES, RabbitMQ）
团队情况
整包服务：
微信公众号开发微信小程序开发PC网站开发App开发WebApp开发文档原型图UI设计运维类开发DBA开发其他开发
负责人：
全栈架构师
团队成员：
产品经理 UI设计师 iOS工程师 安卓工程师 前端工程师 后端工程师
戏谑的庄严
有团队 · 可整包
全栈架构师 · 15年经验 · 联想研究院
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
美国软件工程硕士，20年全栈开发经验包含各种小程序，安卓，IOS应用，3年AI应用开发经验，多种垂类行业开发经验，联想研究院复杂结构云计算开发经验和大规模团队研发管理经验（10年），产品经理经验，项目经理经验。
AI应用： 大模型应用开发、RAG检索增强、Agent系统设计、Prompt工程、向量数据库
(Milvus)、多模态AI架构设计、微服务架构、云边协同、分布式系统、API网关、事件驱动架构
前端技术：React/Angular/Vue、TypeScript、Node.js、flutter，ios，微前端、工程化体系
后端技术：Java(Spring Boot/Cloud)、Python(FastAPI)、Go、微服务治理
云原生 ：Kubernetes、Docker、边缘计算、CI/CD、监控运维
数据库： PostgreSQL、Redis、Elasticsearch、Milvus、MinIO
AI应用： 大模型应用开发、RAG检索增强、Agent系统设计、Prompt工程、向量数据库
(Milvus)、多模态AI架构设计、微服务架构、云边协同、分布式系统、API网关、事件驱动架构
前端技术：React/Angular/Vue、TypeScript、Node.js、flutter，ios，微前端、工程化体系
后端技术：Java(Spring Boot/Cloud)、Python(FastAPI)、Go、微服务治理
云原生 ：Kubernetes、Docker、边缘计算、CI/CD、监控运维
数据库： PostgreSQL、Redis、Elasticsearch、Milvus、MinIO
项目经验
最近写的一个项目：15天独立完成（讨论需求->架构设计->开发测试->部署）交付的企业生产级别系统：
可行性研究报告生成智能体系统 - 项目
评价报告
一、执行摘要
整体评分：⭐ 9.0/10 - 优秀
本项目是一个基于 AI 大模型的可行性研究报告自动生成系统，采用微服务架构，配套
专属知识库，实现报告的智能化编制。项目在架构设计、代码质量、测试覆盖、文档完
善度等方面均表现出色。
核心亮点
维度 评分 关键指标
架构设
计 ⭐⭐⭐⭐⭐ 微服务 + API Gateway，支持 Docker Compose 和
Kubernetes 双部署方案
测试覆
盖 ⭐⭐⭐⭐⭐ 118 个测试全部通过，覆盖 AI 服务、后端、前端
代码质量 ⭐⭐⭐⭐ 规范的异常处理、Mock 测试、TypeScript 类型定义
文档质量 ⭐⭐⭐⭐⭐ 详细的 Bug 修复记录、CHANGELOG、部署文档
AI 能力 ⭐⭐⭐⭐⭐ RAG 架构完整，多模型支持，依赖精简
DevOps ⭐⭐⭐⭐⭐ 完整的 CI/CD 配置，健康检查完善
二、项目概览
2.1 项目定位
基于 AI 大模型的可行性研究报告自动生成系统，主要功能包括：
知识库管理: 文档上传、自动解析、向量化存储
智能信息提取: 从零散资料中提取项目关键信息
多源信息检索: 结合知识库和网络搜索补充信息
报告自动生成: 基于模板和 AI 生成专业报告
格式规范处理: 自动应用模板格式，支持 Word/PDF 导出
2.2 技术栈
层级 技术选型
前端 React 18 + TypeScript + Vite + Ant Design 5 + Zustand
后端 Spring Boot 3.2 + Spring Cloud + MyBatis-Plus
AI 服务 FastAPI + Anthropic/OpenAI API + PyMilvus + Elasticsearch
向量数据库 Milvus 2.3 + Elasticsearch 8.12
关系数据库 PostgreSQL 15 + Redis 7
对象存储 MinIO
消息队列 RabbitMQ 3.12
容器化 Docker Compose + Kubernetes
2.3 项目规模
指标 数值
后端服务数 5 个（Gateway, User, Report, Knowledge, Common）
基础设施数 6 个（PostgreSQL, Redis, MinIO, Milvus, ES, RabbitMQ）
可行性研究报告生成智能体系统 - 项目
评价报告
一、执行摘要
整体评分：⭐ 9.0/10 - 优秀
本项目是一个基于 AI 大模型的可行性研究报告自动生成系统，采用微服务架构，配套
专属知识库，实现报告的智能化编制。项目在架构设计、代码质量、测试覆盖、文档完
善度等方面均表现出色。
核心亮点
维度 评分 关键指标
架构设
计 ⭐⭐⭐⭐⭐ 微服务 + API Gateway，支持 Docker Compose 和
Kubernetes 双部署方案
测试覆
盖 ⭐⭐⭐⭐⭐ 118 个测试全部通过，覆盖 AI 服务、后端、前端
代码质量 ⭐⭐⭐⭐ 规范的异常处理、Mock 测试、TypeScript 类型定义
文档质量 ⭐⭐⭐⭐⭐ 详细的 Bug 修复记录、CHANGELOG、部署文档
AI 能力 ⭐⭐⭐⭐⭐ RAG 架构完整，多模型支持，依赖精简
DevOps ⭐⭐⭐⭐⭐ 完整的 CI/CD 配置，健康检查完善
二、项目概览
2.1 项目定位
基于 AI 大模型的可行性研究报告自动生成系统，主要功能包括：
知识库管理: 文档上传、自动解析、向量化存储
智能信息提取: 从零散资料中提取项目关键信息
多源信息检索: 结合知识库和网络搜索补充信息
报告自动生成: 基于模板和 AI 生成专业报告
格式规范处理: 自动应用模板格式，支持 Word/PDF 导出
2.2 技术栈
层级 技术选型
前端 React 18 + TypeScript + Vite + Ant Design 5 + Zustand
后端 Spring Boot 3.2 + Spring Cloud + MyBatis-Plus
AI 服务 FastAPI + Anthropic/OpenAI API + PyMilvus + Elasticsearch
向量数据库 Milvus 2.3 + Elasticsearch 8.12
关系数据库 PostgreSQL 15 + Redis 7
对象存储 MinIO
消息队列 RabbitMQ 3.12
容器化 Docker Compose + Kubernetes
2.3 项目规模
指标 数值
后端服务数 5 个（Gateway, User, Report, Knowledge, Common）
基础设施数 6 个（PostgreSQL, Redis, MinIO, Milvus, ES, RabbitMQ）
团队情况
服务范围：
团队构成：
负责人(全栈架构师)
|
核心队员：产品经理 ·
UI设计师 ·
iOS工程师 ·
安卓工程师 ·
前端工程师 ·
后端工程师
立即沟通
