在扎实的Java全栈与微服务基础上,我进一步拓展了AI工程化能力,熟练运用Spring AI、LangChain4j等框架构建大模型应用,掌握RAG(检索增强生成)架构、向量数据库(Milvus/Elasticsearch)以及Prompt工程,并能通过TensorFlow Serving或ONNX Runtime部署深度学习模型。基于此,完成了以下项目实践:
1. 智能客服与知识库系统
基于Spring Boot + Spring AI,集成Qwen/OpenAI大模型,通过Elasticsearch实现文档向量检索,打造企业级RAG问答。利用Redis管理多轮对话上下文,结合Sentinel进行限流熔断,实现了7x24小时精准应答,问题解决率提升约40%。
2. 实时行为分析与推荐引擎
采用Spring Cloud Alibaba微服务架构,Kafka接入用户点击流,Flink实时处理。核心算法侧,通过gRPC调用Python端部署的DeepFM模型服务,生成个性化推荐;结果缓存至Redis并推送,融合协同过滤与深度学习,显著提升点击转化率。
3. 智能代码审查助手
基于JavaParser解析Git提交代码的AST,再调用大模型API对语义、规范进行深度审查,自动生成修复建议并评论到GitLab MR。利用RabbitMQ异步处理审查任务,AOP记录耗时,将人工审查效率提升了50%。