幻灵
高级java全栈工程师
鸿观信息科技有限公司 · 6年经验
日薪：
￥800/8h
地点：
上海 徐汇
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.Java 基础扎实,良好的面向对象编程思想,熟悉多线程,集合,JUC,IO流,Stream流,Lambda表达式等技术，
2.熟练运用关系型数据库产品 MySQL(maridb)、PostgreSQL、Oracle,熟悉存储过程。了解 Innodb 存储引擎，有丰富的表
设计经验和慢SQL优化经验
3.熟练使用Redis及数据持久化机制, 高可用机制,分布式锁机制,使用Redis实现消息队列功能等；
4.熟练运用Linux,Docker,Nginx等服务运维组件，熟悉Shell编程，有实际有线上CPU飙高，OOM的排查及处理经验，项目发
布、部署经验。
5.熟练使用 Spring、SpringMVC、Spring Boot、MyBatis、Spring Data JPA、MyBatis-Plus 、SpringCloud Alibaba、
langchain4j等框架开发项目;
6.熟悉消息队列RabbitMQ/RocketMQ/Kafka的相关使用场景及需要注意的问题、如消息丢失、重复消费、持久化等
7.熟悉Mycat，ElsaticSearch，XXL-JOB等常用中间件。
8:熟练使用常用设计模式,Camunda、flowable常用工作流进行业务解耦，JVM,JMM,垃圾回收机制,垃圾回收算法,双亲委派机
制,类加载过程等；
9.熟练使用Maven项目管理工具，Git,Svn等版本控制、Jiar任务管理器、sonar、堡垒机等辅助性工具
10.熟悉Python/Matlab算法工程化，如scipy、Numpy、flask等
11.熟练使用前端相关技术JavaScript,CSS,HTML,ajax,VUE,ElementUI。
12.熟悉LLaMa Factory进行qwen等模型微调、vllm完成部署、langchain实现模型交互，以及常见rag方式，curos,qwencode等ai辅助工具。
2.熟练运用关系型数据库产品 MySQL(maridb)、PostgreSQL、Oracle,熟悉存储过程。了解 Innodb 存储引擎，有丰富的表
设计经验和慢SQL优化经验
3.熟练使用Redis及数据持久化机制, 高可用机制,分布式锁机制,使用Redis实现消息队列功能等；
4.熟练运用Linux,Docker,Nginx等服务运维组件，熟悉Shell编程，有实际有线上CPU飙高，OOM的排查及处理经验，项目发
布、部署经验。
5.熟练使用 Spring、SpringMVC、Spring Boot、MyBatis、Spring Data JPA、MyBatis-Plus 、SpringCloud Alibaba、
langchain4j等框架开发项目;
6.熟悉消息队列RabbitMQ/RocketMQ/Kafka的相关使用场景及需要注意的问题、如消息丢失、重复消费、持久化等
7.熟悉Mycat，ElsaticSearch，XXL-JOB等常用中间件。
8:熟练使用常用设计模式,Camunda、flowable常用工作流进行业务解耦，JVM,JMM,垃圾回收机制,垃圾回收算法,双亲委派机
制,类加载过程等；
9.熟练使用Maven项目管理工具，Git,Svn等版本控制、Jiar任务管理器、sonar、堡垒机等辅助性工具
10.熟悉Python/Matlab算法工程化，如scipy、Numpy、flask等
11.熟练使用前端相关技术JavaScript,CSS,HTML,ajax,VUE,ElementUI。
12.熟悉LLaMa Factory进行qwen等模型微调、vllm完成部署、langchain实现模型交互，以及常见rag方式，curos,qwencode等ai辅助工具。
项目经验
客服工单系统
智能客服综合解决方案，主要处理服务过程渠道触点服务脱节、系统智能话支撑不足、长链条问题驱动解决慢、数据支撑决策
能力弱，省份系统与专业公司间业务贯通流程复杂，服务流程慢等问题。各省客服系统能力不均衡、智能化手段支撑不足，影
响了整体服务水平的提升。客服工单系统建设后，为各省提高了相关流程能力，达到了相关项目成效，处理了全年3500万
工单，qps750并发量。AI智能填单，业务坐席工单处理能效提升了80%。
使用技术：
Spring Cloud & Alibaba、Nacos、Redis、Spring Cloud Gateway、elk、XXL-JOB、Redis、SkyWalking、kafka、
HuTool、postgresql、camunda、docker&K8S、websocket、python、qwen2.5-7B、LLaMa Factory、vllm、
langchain
1、工单建单能力设计与开发，首先页面通过模板填充出不同工单类型，后台能力接口根据不同工单类型给出业务流程，通过
工厂加策略模式进行工单链路流程处理，分为核心数据校验，分布式并发锁控制，不同工单核心业务处理发布对应工单事件，
进行落库。工单若处理失败，进行工单补偿兜底，通过QuartzJOB扫描失败工单，进行工单补发。后续通过kafka进行工单数
据共享，分发给下游相关系统。接口式工单建单，为处理高并发情况，则将基础的核心数据校验通过后，由kafka进行流量承
接，再进行工单处理。
2、系统业务告警模块，需要根据不同业务场景，来监控不同的业务指标，每个业务场景对应的情况，需要告警的频率、告警
方式不一样，需要灵活多变。设计了告警规则库，告警配置终端。建立一个告警终端后，首先会初始化对应QuartzJOB实例对
象，生成对应job。后面所有告警终端，都会到告警引擎组件进行处理，告警引擎首先根据配置终端规则库，分为通用告警和
特殊业务指标告警，特殊业务指标告警通过工厂加策略模式，实现不同业务场景告警指标统计，通过多线程提高业务处理速
度。
3、AI智能填单，通过qwen2.5实现模型底座通用处理，由于不符合工单业务场景，需要定制化模型。采用LLaMa Factorylora进行模型微调，训练出符合工单业务的模型后。通过vllm完成模型部署，python端通过langchain与模型交互。页面通过
websocket实时响应模型结果。
4、中控数字大屏（数据底座）负责了核心基础指标构造，主导并设计了ods层、dwd层核心指标计算及架构模式，由消费终
端对接各集群kafka。通过工厂加模板、策略模式完成了工单接单、工单办结、工单测评、工单归档等核心环节指标计算，计
算完成后执行指标聚合，最终落入数据库。代码层面实现了灵活可扩展的特性，后续能更好的方便指标重算、以及指标可追
溯。为数字大屏提供了基础的数据底座支撑。
智能客服综合解决方案，主要处理服务过程渠道触点服务脱节、系统智能话支撑不足、长链条问题驱动解决慢、数据支撑决策
能力弱，省份系统与专业公司间业务贯通流程复杂，服务流程慢等问题。各省客服系统能力不均衡、智能化手段支撑不足，影
响了整体服务水平的提升。客服工单系统建设后，为各省提高了相关流程能力，达到了相关项目成效，处理了全年3500万
工单，qps750并发量。AI智能填单，业务坐席工单处理能效提升了80%。
使用技术：
Spring Cloud & Alibaba、Nacos、Redis、Spring Cloud Gateway、elk、XXL-JOB、Redis、SkyWalking、kafka、
HuTool、postgresql、camunda、docker&K8S、websocket、python、qwen2.5-7B、LLaMa Factory、vllm、
langchain
1、工单建单能力设计与开发，首先页面通过模板填充出不同工单类型，后台能力接口根据不同工单类型给出业务流程，通过
工厂加策略模式进行工单链路流程处理，分为核心数据校验，分布式并发锁控制，不同工单核心业务处理发布对应工单事件，
进行落库。工单若处理失败，进行工单补偿兜底，通过QuartzJOB扫描失败工单，进行工单补发。后续通过kafka进行工单数
据共享，分发给下游相关系统。接口式工单建单，为处理高并发情况，则将基础的核心数据校验通过后，由kafka进行流量承
接，再进行工单处理。
2、系统业务告警模块，需要根据不同业务场景，来监控不同的业务指标，每个业务场景对应的情况，需要告警的频率、告警
方式不一样，需要灵活多变。设计了告警规则库，告警配置终端。建立一个告警终端后，首先会初始化对应QuartzJOB实例对
象，生成对应job。后面所有告警终端，都会到告警引擎组件进行处理，告警引擎首先根据配置终端规则库，分为通用告警和
特殊业务指标告警，特殊业务指标告警通过工厂加策略模式，实现不同业务场景告警指标统计，通过多线程提高业务处理速
度。
3、AI智能填单，通过qwen2.5实现模型底座通用处理，由于不符合工单业务场景，需要定制化模型。采用LLaMa Factorylora进行模型微调，训练出符合工单业务的模型后。通过vllm完成模型部署，python端通过langchain与模型交互。页面通过
websocket实时响应模型结果。
4、中控数字大屏（数据底座）负责了核心基础指标构造，主导并设计了ods层、dwd层核心指标计算及架构模式，由消费终
端对接各集群kafka。通过工厂加模板、策略模式完成了工单接单、工单办结、工单测评、工单归档等核心环节指标计算，计
算完成后执行指标聚合，最终落入数据库。代码层面实现了灵活可扩展的特性，后续能更好的方便指标重算、以及指标可追
溯。为数字大屏提供了基础的数据底座支撑。
幻灵
高级java全栈工程师 · 6年经验 · 鸿观信息科技有限公司
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.Java 基础扎实,良好的面向对象编程思想,熟悉多线程,集合,JUC,IO流,Stream流,Lambda表达式等技术，
2.熟练运用关系型数据库产品 MySQL(maridb)、PostgreSQL、Oracle,熟悉存储过程。了解 Innodb 存储引擎，有丰富的表
设计经验和慢SQL优化经验
3.熟练使用Redis及数据持久化机制, 高可用机制,分布式锁机制,使用Redis实现消息队列功能等；
4.熟练运用Linux,Docker,Nginx等服务运维组件，熟悉Shell编程，有实际有线上CPU飙高，OOM的排查及处理经验，项目发
布、部署经验。
5.熟练使用 Spring、SpringMVC、Spring Boot、MyBatis、Spring Data JPA、MyBatis-Plus 、SpringCloud Alibaba、
langchain4j等框架开发项目;
6.熟悉消息队列RabbitMQ/RocketMQ/Kafka的相关使用场景及需要注意的问题、如消息丢失、重复消费、持久化等
7.熟悉Mycat，ElsaticSearch，XXL-JOB等常用中间件。
8:熟练使用常用设计模式,Camunda、flowable常用工作流进行业务解耦，JVM,JMM,垃圾回收机制,垃圾回收算法,双亲委派机
制,类加载过程等；
9.熟练使用Maven项目管理工具，Git,Svn等版本控制、Jiar任务管理器、sonar、堡垒机等辅助性工具
10.熟悉Python/Matlab算法工程化，如scipy、Numpy、flask等
11.熟练使用前端相关技术JavaScript,CSS,HTML,ajax,VUE,ElementUI。
12.熟悉LLaMa Factory进行qwen等模型微调、vllm完成部署、langchain实现模型交互，以及常见rag方式，curos,qwencode等ai辅助工具。
2.熟练运用关系型数据库产品 MySQL(maridb)、PostgreSQL、Oracle,熟悉存储过程。了解 Innodb 存储引擎，有丰富的表
设计经验和慢SQL优化经验
3.熟练使用Redis及数据持久化机制, 高可用机制,分布式锁机制,使用Redis实现消息队列功能等；
4.熟练运用Linux,Docker,Nginx等服务运维组件，熟悉Shell编程，有实际有线上CPU飙高，OOM的排查及处理经验，项目发
布、部署经验。
5.熟练使用 Spring、SpringMVC、Spring Boot、MyBatis、Spring Data JPA、MyBatis-Plus 、SpringCloud Alibaba、
langchain4j等框架开发项目;
6.熟悉消息队列RabbitMQ/RocketMQ/Kafka的相关使用场景及需要注意的问题、如消息丢失、重复消费、持久化等
7.熟悉Mycat，ElsaticSearch，XXL-JOB等常用中间件。
8:熟练使用常用设计模式,Camunda、flowable常用工作流进行业务解耦，JVM,JMM,垃圾回收机制,垃圾回收算法,双亲委派机
制,类加载过程等；
9.熟练使用Maven项目管理工具，Git,Svn等版本控制、Jiar任务管理器、sonar、堡垒机等辅助性工具
10.熟悉Python/Matlab算法工程化，如scipy、Numpy、flask等
11.熟练使用前端相关技术JavaScript,CSS,HTML,ajax,VUE,ElementUI。
12.熟悉LLaMa Factory进行qwen等模型微调、vllm完成部署、langchain实现模型交互，以及常见rag方式，curos,qwencode等ai辅助工具。
项目经验
客服工单系统
智能客服综合解决方案，主要处理服务过程渠道触点服务脱节、系统智能话支撑不足、长链条问题驱动解决慢、数据支撑决策
能力弱，省份系统与专业公司间业务贯通流程复杂，服务流程慢等问题。各省客服系统能力不均衡、智能化手段支撑不足，影
响了整体服务水平的提升。客服工单系统建设后，为各省提高了相关流程能力，达到了相关项目成效，处理了全年3500万
工单，qps750并发量。AI智能填单，业务坐席工单处理能效提升了80%。
使用技术：
Spring Cloud & Alibaba、Nacos、Redis、Spring Cloud Gateway、elk、XXL-JOB、Redis、SkyWalking、kafka、
HuTool、postgresql、camunda、docker&K8S、websocket、python、qwen2.5-7B、LLaMa Factory、vllm、
langchain
1、工单建单能力设计与开发，首先页面通过模板填充出不同工单类型，后台能力接口根据不同工单类型给出业务流程，通过
工厂加策略模式进行工单链路流程处理，分为核心数据校验，分布式并发锁控制，不同工单核心业务处理发布对应工单事件，
进行落库。工单若处理失败，进行工单补偿兜底，通过QuartzJOB扫描失败工单，进行工单补发。后续通过kafka进行工单数
据共享，分发给下游相关系统。接口式工单建单，为处理高并发情况，则将基础的核心数据校验通过后，由kafka进行流量承
接，再进行工单处理。
2、系统业务告警模块，需要根据不同业务场景，来监控不同的业务指标，每个业务场景对应的情况，需要告警的频率、告警
方式不一样，需要灵活多变。设计了告警规则库，告警配置终端。建立一个告警终端后，首先会初始化对应QuartzJOB实例对
象，生成对应job。后面所有告警终端，都会到告警引擎组件进行处理，告警引擎首先根据配置终端规则库，分为通用告警和
特殊业务指标告警，特殊业务指标告警通过工厂加策略模式，实现不同业务场景告警指标统计，通过多线程提高业务处理速
度。
3、AI智能填单，通过qwen2.5实现模型底座通用处理，由于不符合工单业务场景，需要定制化模型。采用LLaMa Factorylora进行模型微调，训练出符合工单业务的模型后。通过vllm完成模型部署，python端通过langchain与模型交互。页面通过
websocket实时响应模型结果。
4、中控数字大屏（数据底座）负责了核心基础指标构造，主导并设计了ods层、dwd层核心指标计算及架构模式，由消费终
端对接各集群kafka。通过工厂加模板、策略模式完成了工单接单、工单办结、工单测评、工单归档等核心环节指标计算，计
算完成后执行指标聚合，最终落入数据库。代码层面实现了灵活可扩展的特性，后续能更好的方便指标重算、以及指标可追
溯。为数字大屏提供了基础的数据底座支撑。
智能客服综合解决方案，主要处理服务过程渠道触点服务脱节、系统智能话支撑不足、长链条问题驱动解决慢、数据支撑决策
能力弱，省份系统与专业公司间业务贯通流程复杂，服务流程慢等问题。各省客服系统能力不均衡、智能化手段支撑不足，影
响了整体服务水平的提升。客服工单系统建设后，为各省提高了相关流程能力，达到了相关项目成效，处理了全年3500万
工单，qps750并发量。AI智能填单，业务坐席工单处理能效提升了80%。
使用技术：
Spring Cloud & Alibaba、Nacos、Redis、Spring Cloud Gateway、elk、XXL-JOB、Redis、SkyWalking、kafka、
HuTool、postgresql、camunda、docker&K8S、websocket、python、qwen2.5-7B、LLaMa Factory、vllm、
langchain
1、工单建单能力设计与开发，首先页面通过模板填充出不同工单类型，后台能力接口根据不同工单类型给出业务流程，通过
工厂加策略模式进行工单链路流程处理，分为核心数据校验，分布式并发锁控制，不同工单核心业务处理发布对应工单事件，
进行落库。工单若处理失败，进行工单补偿兜底，通过QuartzJOB扫描失败工单，进行工单补发。后续通过kafka进行工单数
据共享，分发给下游相关系统。接口式工单建单，为处理高并发情况，则将基础的核心数据校验通过后，由kafka进行流量承
接，再进行工单处理。
2、系统业务告警模块，需要根据不同业务场景，来监控不同的业务指标，每个业务场景对应的情况，需要告警的频率、告警
方式不一样，需要灵活多变。设计了告警规则库，告警配置终端。建立一个告警终端后，首先会初始化对应QuartzJOB实例对
象，生成对应job。后面所有告警终端，都会到告警引擎组件进行处理，告警引擎首先根据配置终端规则库，分为通用告警和
特殊业务指标告警，特殊业务指标告警通过工厂加策略模式，实现不同业务场景告警指标统计，通过多线程提高业务处理速
度。
3、AI智能填单，通过qwen2.5实现模型底座通用处理，由于不符合工单业务场景，需要定制化模型。采用LLaMa Factorylora进行模型微调，训练出符合工单业务的模型后。通过vllm完成模型部署，python端通过langchain与模型交互。页面通过
websocket实时响应模型结果。
4、中控数字大屏（数据底座）负责了核心基础指标构造，主导并设计了ods层、dwd层核心指标计算及架构模式，由消费终
端对接各集群kafka。通过工厂加模板、策略模式完成了工单接单、工单办结、工单测评、工单归档等核心环节指标计算，计
算完成后执行指标聚合，最终落入数据库。代码层面实现了灵活可扩展的特性，后续能更好的方便指标重算、以及指标可追
溯。为数字大屏提供了基础的数据底座支撑。
立即沟通
