玉弓
全栈开发工程师
南京前鹏信息科技有限公司 · 1年经验
日薪：
￥500/8h
地点：
南京 全区
时间：
可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
后端开发：
1.具备扎实的 Java 基础，理解⾯向对象编程思想，熟悉集合、多线程、IO 等核⼼ API 的使⽤。
2.熟悉 Spring、SpringMVC、Spring Boot 框架的常⽤配置与开发流程，具备独⽴搭建常规后端项⽬的能⼒。
3.了解微服务架构理念及 Spring Cloud 基础组件，能够在指导下完成单体服务向微服务架构的拆分与改造。
4.熟练使⽤ Spring AI Alibaba 框架，能够运⽤ Spring AI Alibaba Graph 构建可视化、可编排的多智能体⼯作流，实现⼤模型调
⽤、⼯具集成与流程调度等 AI 能⼒的⼯程化落地；同时了解 LangChain j，具备在 Java ⽣态下进⾏ AI 应⽤集成开发的基础能
⼒。
AI 与 Python：
1.熟练掌握 Python 语法，能够使⽤ PyTorch 框架完成深度学习模型的搭建、训练与基础调优，了解模型训练、验证、部署的全流程。
2.了解 CNN、LSTM、Transformer 等主流深度学习算法的基本原理及应⽤场景。
3.了解 LangChain 和 LangGraph 的基础⽤法，具备简单的流程编排实践经验。
前端开发：
1.熟练掌握 HTML、CSS、JavaScript 基础，能独⽴完成前端⻚⾯的开发与样式还原。
2.熟练使⽤ Vue 和 Vue 框架进⾏项⽬开发，具备独⽴搭建前端⼯程与组件化开发的能⼒。
3.熟悉 Element Plus 和 Ant Design Vue 两个主流组件库，能够快速构建规范的⻚⾯布局与交互组件。
4.熟练使⽤ Vxe Table 表格组件，能够⾼效实现复杂列表、树形表格及表格状态管理。
5.了解 Pinia 状态管理库的基本使⽤，能够在 Vue 项⽬中实现跨组件的数据共享与状态维护。
数据库：
1.熟练掌握 MySQL 数据库，能够编写常⽤的 SQL 语句，理解多表关联查询及索引优化等基本优化⼿段。
2.了解 Redis 的基本数据类型与使⽤场景，能够应⽤于缓存、会话存储等基础业务。
3.熟悉 Milvus 向量数据库的基础使⽤，能够完成向量数据的写⼊与相似度检索，⽀撑 RAG 场景的简单落地。
⼯具与运维：
1.了解 Linux 常⽤基础命令，能够在命令⾏环境下完成简单的服务操作与环
1.具备扎实的 Java 基础，理解⾯向对象编程思想，熟悉集合、多线程、IO 等核⼼ API 的使⽤。
2.熟悉 Spring、SpringMVC、Spring Boot 框架的常⽤配置与开发流程，具备独⽴搭建常规后端项⽬的能⼒。
3.了解微服务架构理念及 Spring Cloud 基础组件，能够在指导下完成单体服务向微服务架构的拆分与改造。
4.熟练使⽤ Spring AI Alibaba 框架，能够运⽤ Spring AI Alibaba Graph 构建可视化、可编排的多智能体⼯作流，实现⼤模型调
⽤、⼯具集成与流程调度等 AI 能⼒的⼯程化落地；同时了解 LangChain j，具备在 Java ⽣态下进⾏ AI 应⽤集成开发的基础能
⼒。
AI 与 Python：
1.熟练掌握 Python 语法，能够使⽤ PyTorch 框架完成深度学习模型的搭建、训练与基础调优，了解模型训练、验证、部署的全流程。
2.了解 CNN、LSTM、Transformer 等主流深度学习算法的基本原理及应⽤场景。
3.了解 LangChain 和 LangGraph 的基础⽤法，具备简单的流程编排实践经验。
前端开发：
1.熟练掌握 HTML、CSS、JavaScript 基础，能独⽴完成前端⻚⾯的开发与样式还原。
2.熟练使⽤ Vue 和 Vue 框架进⾏项⽬开发，具备独⽴搭建前端⼯程与组件化开发的能⼒。
3.熟悉 Element Plus 和 Ant Design Vue 两个主流组件库，能够快速构建规范的⻚⾯布局与交互组件。
4.熟练使⽤ Vxe Table 表格组件，能够⾼效实现复杂列表、树形表格及表格状态管理。
5.了解 Pinia 状态管理库的基本使⽤，能够在 Vue 项⽬中实现跨组件的数据共享与状态维护。
数据库：
1.熟练掌握 MySQL 数据库，能够编写常⽤的 SQL 语句，理解多表关联查询及索引优化等基本优化⼿段。
2.了解 Redis 的基本数据类型与使⽤场景，能够应⽤于缓存、会话存储等基础业务。
3.熟悉 Milvus 向量数据库的基础使⽤，能够完成向量数据的写⼊与相似度检索，⽀撑 RAG 场景的简单落地。
⼯具与运维：
1.了解 Linux 常⽤基础命令，能够在命令⾏环境下完成简单的服务操作与环
项目经验
一、AI情绪调节师（个⼈全栈AI项⽬）
项⽬简介
⾯向情绪疏导场景的多模态AI交互系统，解决“⽂本情绪理解 → 共情对话 → 可控疗愈图像⽣成 → 图⽂联合解读”这⼀
复杂任务链的⼯程化落地问题。系统基于Spring AI Alibaba Graph构建多智能体⼯作流引擎，将各处理阶段抽象为独⽴
可复⽤的节点（Node），通过有向图编排实现⾼可靠、可观测、可扩展的任务调度，显著提升复杂AI任务链的输出稳定
性。
核⼼技术实现
1. 多智能体⼯作流编排（Spring AI Alibaba Graph）
任务分解与节点化：将情绪识别、对话⽣成、图像⽣成、图像解读等步骤分别封装为Stateful Node，通过有向边
（Edge）定义数据流向与控制逻辑，形成DAG（有向⽆环图）⼯作流。
优于链式调⽤：相⽐单⼀智能体或Chain⽅式，图编排实现了分⽀路由、并⾏执⾏、条件跳转等复杂控制能⼒，有效降
低模型幻觉和任务偏离⻛险。
2. 检索增强⽣成（RAG）融⼊⼯作流
在⼯作流图中嵌⼊RAG Node，在图像⽣成前从Milvus向量数据库中检索不同情绪对应的图⽚⽣成指南等知识⽂档。
将检索结果输⼊图像⽣成中，从⽽引导⽣成具有更强情绪调节针对性的图像，提升疗愈场景的专业性与安全性。
3. 多模态⽣成
⽂本⽣成：调⽤qwen-plus模型进⾏共情对话⽣成，结合历史会话，实现个性化情绪回应。
图像⽣成：调⽤wan .-t i模型⽣成情绪调节类图像，并在⽣成后由图像解读节点⾃动⽣成图⽂联合说明，提升⽤⼾
对疗愈内容的理解。
4. 会话持久化与上下⽂连续性
Redis持久化存储：采⽤Redis实现全量聊天记录的持久化存储，⽀持⽤⼾随时回溯历史对话，保证⻓对话场景下的上
下⽂连续性与交互体验⼀致性。
⾼性能会话读写：通过Redis存储会话序列，实现毫秒级历史拉取与状态恢复，降低⼤模型重复调⽤的上下⽂重构成
本。
所⽤技术栈
前端：Vue
后端：Spring Boot、Spring AI Alibaba
数据库与存储：MySQL、Redis、Milvus、OSS
模型：qwen-plus（⽂本）、wan .-t i（图像）
作品源码：https://gitee.com/wbl1998/ai-emotion-regulator
B站视频：https://www.bilibili.com/video/BVPonBkEdi
二、江苏省⽓象局项⽬全过程管理监管平台
项⽬简介
参与江苏省⽓象局⼯程项⽬管理监管平台的设计与开发，系统覆盖⼯程建设全⽣命周期，包括建设准备、项⽬采购、实施
管理和验收评价四⼤阶段，实现了对⽓象局⼯程项⽬的规范化、透明化全过程监管。
关键成果
核⼼功能模块开发：基于 Vue + Spring Boot 前后端分离架构，独⽴完成验收管理、台站需求管理等多个核⼼业务模
块的设计与编码，保障业务流转顺畅。
平台 UI 体验优化：精细化打磨系统全局界⾯，实现了表格列宽⾃适应、字段级⾃定义排序及⻚⾯布局调优，显著提升
操作效率与视觉体验。同时，统⼀配置了系统内所有表格的空状态样式，增强了界⾯⼀致性。
在原有功能上完善：
（1）在验收审核流程中新增多级批复环节；
（2）在界⾯顶部添加滚动通知横幅功能，实现全局系统消息提醒；
（3）为各个模块添加消息待办，即⽤⼾提交数据后，⽣成待办通知给对应审核⼈员；
（4）设置查询不同权限的SQL条件语句。
技术亮点
⾼性能表格组件应⽤：引⼊ Vxe Table ⾼级表格框架，快速构建普通列表与树形列表，封装统⼀的数据操作逻辑，显
著降低了表格状态的维护复杂度，整体开发效率提升明显。
企业级 UI 组件体系搭建：依托 Ant Design Vue 组件库，结合其内置的 Layout 布局⽅案，建⽴了统⼀的设计规范和组
件复⽤体系，保障了多⻚⾯间视觉⻛格的⼀致性。
后端定时任务机制：在台站需求管理模块中，运⽤ Spring 的 `@Scheduled` 注解实现轻量级定时调度，定期⾃动清
理过期需求通知，⽆需引⼊额外中间件，在保证功能完备的前提下兼顾了部署的轻量化。
Redis缓存：在批复审核流程中，需判断当前审核节点的上⼀节点是“批复”还是“编辑”，以决定退回后前端⻚⾯是
否展⽰批复功能框。由于PostgreSQL表⽆法直接获取上⼀节点信息，因此在提交时将当前节点（批复或编辑）的消息
存⼊Redis，待审核时从Redis取出，从⽽判断上⼀节点类型。
项⽬技术架构
前端：Vue + Vxe Table + Ant Design Vue
后端：Spring Boot + PostgreSQL + Redi
项⽬简介
⾯向情绪疏导场景的多模态AI交互系统，解决“⽂本情绪理解 → 共情对话 → 可控疗愈图像⽣成 → 图⽂联合解读”这⼀
复杂任务链的⼯程化落地问题。系统基于Spring AI Alibaba Graph构建多智能体⼯作流引擎，将各处理阶段抽象为独⽴
可复⽤的节点（Node），通过有向图编排实现⾼可靠、可观测、可扩展的任务调度，显著提升复杂AI任务链的输出稳定
性。
核⼼技术实现
1. 多智能体⼯作流编排（Spring AI Alibaba Graph）
任务分解与节点化：将情绪识别、对话⽣成、图像⽣成、图像解读等步骤分别封装为Stateful Node，通过有向边
（Edge）定义数据流向与控制逻辑，形成DAG（有向⽆环图）⼯作流。
优于链式调⽤：相⽐单⼀智能体或Chain⽅式，图编排实现了分⽀路由、并⾏执⾏、条件跳转等复杂控制能⼒，有效降
低模型幻觉和任务偏离⻛险。
2. 检索增强⽣成（RAG）融⼊⼯作流
在⼯作流图中嵌⼊RAG Node，在图像⽣成前从Milvus向量数据库中检索不同情绪对应的图⽚⽣成指南等知识⽂档。
将检索结果输⼊图像⽣成中，从⽽引导⽣成具有更强情绪调节针对性的图像，提升疗愈场景的专业性与安全性。
3. 多模态⽣成
⽂本⽣成：调⽤qwen-plus模型进⾏共情对话⽣成，结合历史会话，实现个性化情绪回应。
图像⽣成：调⽤wan .-t i模型⽣成情绪调节类图像，并在⽣成后由图像解读节点⾃动⽣成图⽂联合说明，提升⽤⼾
对疗愈内容的理解。
4. 会话持久化与上下⽂连续性
Redis持久化存储：采⽤Redis实现全量聊天记录的持久化存储，⽀持⽤⼾随时回溯历史对话，保证⻓对话场景下的上
下⽂连续性与交互体验⼀致性。
⾼性能会话读写：通过Redis存储会话序列，实现毫秒级历史拉取与状态恢复，降低⼤模型重复调⽤的上下⽂重构成
本。
所⽤技术栈
前端：Vue
后端：Spring Boot、Spring AI Alibaba
数据库与存储：MySQL、Redis、Milvus、OSS
模型：qwen-plus（⽂本）、wan .-t i（图像）
作品源码：https://gitee.com/wbl1998/ai-emotion-regulator
B站视频：https://www.bilibili.com/video/BVPonBkEdi
二、江苏省⽓象局项⽬全过程管理监管平台
项⽬简介
参与江苏省⽓象局⼯程项⽬管理监管平台的设计与开发，系统覆盖⼯程建设全⽣命周期，包括建设准备、项⽬采购、实施
管理和验收评价四⼤阶段，实现了对⽓象局⼯程项⽬的规范化、透明化全过程监管。
关键成果
核⼼功能模块开发：基于 Vue + Spring Boot 前后端分离架构，独⽴完成验收管理、台站需求管理等多个核⼼业务模
块的设计与编码，保障业务流转顺畅。
平台 UI 体验优化：精细化打磨系统全局界⾯，实现了表格列宽⾃适应、字段级⾃定义排序及⻚⾯布局调优，显著提升
操作效率与视觉体验。同时，统⼀配置了系统内所有表格的空状态样式，增强了界⾯⼀致性。
在原有功能上完善：
（1）在验收审核流程中新增多级批复环节；
（2）在界⾯顶部添加滚动通知横幅功能，实现全局系统消息提醒；
（3）为各个模块添加消息待办，即⽤⼾提交数据后，⽣成待办通知给对应审核⼈员；
（4）设置查询不同权限的SQL条件语句。
技术亮点
⾼性能表格组件应⽤：引⼊ Vxe Table ⾼级表格框架，快速构建普通列表与树形列表，封装统⼀的数据操作逻辑，显
著降低了表格状态的维护复杂度，整体开发效率提升明显。
企业级 UI 组件体系搭建：依托 Ant Design Vue 组件库，结合其内置的 Layout 布局⽅案，建⽴了统⼀的设计规范和组
件复⽤体系，保障了多⻚⾯间视觉⻛格的⼀致性。
后端定时任务机制：在台站需求管理模块中，运⽤ Spring 的 `@Scheduled` 注解实现轻量级定时调度，定期⾃动清
理过期需求通知，⽆需引⼊额外中间件，在保证功能完备的前提下兼顾了部署的轻量化。
Redis缓存：在批复审核流程中，需判断当前审核节点的上⼀节点是“批复”还是“编辑”，以决定退回后前端⻚⾯是
否展⽰批复功能框。由于PostgreSQL表⽆法直接获取上⼀节点信息，因此在提交时将当前节点（批复或编辑）的消息
存⼊Redis，待审核时从Redis取出，从⽽判断上⼀节点类型。
项⽬技术架构
前端：Vue + Vxe Table + Ant Design Vue
后端：Spring Boot + PostgreSQL + Redi
玉弓
全栈开发工程师 · 1年经验 · 南京前鹏信息科技有限公司
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
后端开发：
1.具备扎实的 Java 基础，理解⾯向对象编程思想，熟悉集合、多线程、IO 等核⼼ API 的使⽤。
2.熟悉 Spring、SpringMVC、Spring Boot 框架的常⽤配置与开发流程，具备独⽴搭建常规后端项⽬的能⼒。
3.了解微服务架构理念及 Spring Cloud 基础组件，能够在指导下完成单体服务向微服务架构的拆分与改造。
4.熟练使⽤ Spring AI Alibaba 框架，能够运⽤ Spring AI Alibaba Graph 构建可视化、可编排的多智能体⼯作流，实现⼤模型调
⽤、⼯具集成与流程调度等 AI 能⼒的⼯程化落地；同时了解 LangChain j，具备在 Java ⽣态下进⾏ AI 应⽤集成开发的基础能
⼒。
AI 与 Python：
1.熟练掌握 Python 语法，能够使⽤ PyTorch 框架完成深度学习模型的搭建、训练与基础调优，了解模型训练、验证、部署的全流程。
2.了解 CNN、LSTM、Transformer 等主流深度学习算法的基本原理及应⽤场景。
3.了解 LangChain 和 LangGraph 的基础⽤法，具备简单的流程编排实践经验。
前端开发：
1.熟练掌握 HTML、CSS、JavaScript 基础，能独⽴完成前端⻚⾯的开发与样式还原。
2.熟练使⽤ Vue 和 Vue 框架进⾏项⽬开发，具备独⽴搭建前端⼯程与组件化开发的能⼒。
3.熟悉 Element Plus 和 Ant Design Vue 两个主流组件库，能够快速构建规范的⻚⾯布局与交互组件。
4.熟练使⽤ Vxe Table 表格组件，能够⾼效实现复杂列表、树形表格及表格状态管理。
5.了解 Pinia 状态管理库的基本使⽤，能够在 Vue 项⽬中实现跨组件的数据共享与状态维护。
数据库：
1.熟练掌握 MySQL 数据库，能够编写常⽤的 SQL 语句，理解多表关联查询及索引优化等基本优化⼿段。
2.了解 Redis 的基本数据类型与使⽤场景，能够应⽤于缓存、会话存储等基础业务。
3.熟悉 Milvus 向量数据库的基础使⽤，能够完成向量数据的写⼊与相似度检索，⽀撑 RAG 场景的简单落地。
⼯具与运维：
1.了解 Linux 常⽤基础命令，能够在命令⾏环境下完成简单的服务操作与环
1.具备扎实的 Java 基础，理解⾯向对象编程思想，熟悉集合、多线程、IO 等核⼼ API 的使⽤。
2.熟悉 Spring、SpringMVC、Spring Boot 框架的常⽤配置与开发流程，具备独⽴搭建常规后端项⽬的能⼒。
3.了解微服务架构理念及 Spring Cloud 基础组件，能够在指导下完成单体服务向微服务架构的拆分与改造。
4.熟练使⽤ Spring AI Alibaba 框架，能够运⽤ Spring AI Alibaba Graph 构建可视化、可编排的多智能体⼯作流，实现⼤模型调
⽤、⼯具集成与流程调度等 AI 能⼒的⼯程化落地；同时了解 LangChain j，具备在 Java ⽣态下进⾏ AI 应⽤集成开发的基础能
⼒。
AI 与 Python：
1.熟练掌握 Python 语法，能够使⽤ PyTorch 框架完成深度学习模型的搭建、训练与基础调优，了解模型训练、验证、部署的全流程。
2.了解 CNN、LSTM、Transformer 等主流深度学习算法的基本原理及应⽤场景。
3.了解 LangChain 和 LangGraph 的基础⽤法，具备简单的流程编排实践经验。
前端开发：
1.熟练掌握 HTML、CSS、JavaScript 基础，能独⽴完成前端⻚⾯的开发与样式还原。
2.熟练使⽤ Vue 和 Vue 框架进⾏项⽬开发，具备独⽴搭建前端⼯程与组件化开发的能⼒。
3.熟悉 Element Plus 和 Ant Design Vue 两个主流组件库，能够快速构建规范的⻚⾯布局与交互组件。
4.熟练使⽤ Vxe Table 表格组件，能够⾼效实现复杂列表、树形表格及表格状态管理。
5.了解 Pinia 状态管理库的基本使⽤，能够在 Vue 项⽬中实现跨组件的数据共享与状态维护。
数据库：
1.熟练掌握 MySQL 数据库，能够编写常⽤的 SQL 语句，理解多表关联查询及索引优化等基本优化⼿段。
2.了解 Redis 的基本数据类型与使⽤场景，能够应⽤于缓存、会话存储等基础业务。
3.熟悉 Milvus 向量数据库的基础使⽤，能够完成向量数据的写⼊与相似度检索，⽀撑 RAG 场景的简单落地。
⼯具与运维：
1.了解 Linux 常⽤基础命令，能够在命令⾏环境下完成简单的服务操作与环
项目经验
一、AI情绪调节师（个⼈全栈AI项⽬）
项⽬简介
⾯向情绪疏导场景的多模态AI交互系统，解决“⽂本情绪理解 → 共情对话 → 可控疗愈图像⽣成 → 图⽂联合解读”这⼀
复杂任务链的⼯程化落地问题。系统基于Spring AI Alibaba Graph构建多智能体⼯作流引擎，将各处理阶段抽象为独⽴
可复⽤的节点（Node），通过有向图编排实现⾼可靠、可观测、可扩展的任务调度，显著提升复杂AI任务链的输出稳定
性。
核⼼技术实现
1. 多智能体⼯作流编排（Spring AI Alibaba Graph）
任务分解与节点化：将情绪识别、对话⽣成、图像⽣成、图像解读等步骤分别封装为Stateful Node，通过有向边
（Edge）定义数据流向与控制逻辑，形成DAG（有向⽆环图）⼯作流。
优于链式调⽤：相⽐单⼀智能体或Chain⽅式，图编排实现了分⽀路由、并⾏执⾏、条件跳转等复杂控制能⼒，有效降
低模型幻觉和任务偏离⻛险。
2. 检索增强⽣成（RAG）融⼊⼯作流
在⼯作流图中嵌⼊RAG Node，在图像⽣成前从Milvus向量数据库中检索不同情绪对应的图⽚⽣成指南等知识⽂档。
将检索结果输⼊图像⽣成中，从⽽引导⽣成具有更强情绪调节针对性的图像，提升疗愈场景的专业性与安全性。
3. 多模态⽣成
⽂本⽣成：调⽤qwen-plus模型进⾏共情对话⽣成，结合历史会话，实现个性化情绪回应。
图像⽣成：调⽤wan .-t i模型⽣成情绪调节类图像，并在⽣成后由图像解读节点⾃动⽣成图⽂联合说明，提升⽤⼾
对疗愈内容的理解。
4. 会话持久化与上下⽂连续性
Redis持久化存储：采⽤Redis实现全量聊天记录的持久化存储，⽀持⽤⼾随时回溯历史对话，保证⻓对话场景下的上
下⽂连续性与交互体验⼀致性。
⾼性能会话读写：通过Redis存储会话序列，实现毫秒级历史拉取与状态恢复，降低⼤模型重复调⽤的上下⽂重构成
本。
所⽤技术栈
前端：Vue
后端：Spring Boot、Spring AI Alibaba
数据库与存储：MySQL、Redis、Milvus、OSS
模型：qwen-plus（⽂本）、wan .-t i（图像）
作品源码：https://gitee.com/wbl1998/ai-emotion-regulator
B站视频：https://www.bilibili.com/video/BVPonBkEdi
二、江苏省⽓象局项⽬全过程管理监管平台
项⽬简介
参与江苏省⽓象局⼯程项⽬管理监管平台的设计与开发，系统覆盖⼯程建设全⽣命周期，包括建设准备、项⽬采购、实施
管理和验收评价四⼤阶段，实现了对⽓象局⼯程项⽬的规范化、透明化全过程监管。
关键成果
核⼼功能模块开发：基于 Vue + Spring Boot 前后端分离架构，独⽴完成验收管理、台站需求管理等多个核⼼业务模
块的设计与编码，保障业务流转顺畅。
平台 UI 体验优化：精细化打磨系统全局界⾯，实现了表格列宽⾃适应、字段级⾃定义排序及⻚⾯布局调优，显著提升
操作效率与视觉体验。同时，统⼀配置了系统内所有表格的空状态样式，增强了界⾯⼀致性。
在原有功能上完善：
（1）在验收审核流程中新增多级批复环节；
（2）在界⾯顶部添加滚动通知横幅功能，实现全局系统消息提醒；
（3）为各个模块添加消息待办，即⽤⼾提交数据后，⽣成待办通知给对应审核⼈员；
（4）设置查询不同权限的SQL条件语句。
技术亮点
⾼性能表格组件应⽤：引⼊ Vxe Table ⾼级表格框架，快速构建普通列表与树形列表，封装统⼀的数据操作逻辑，显
著降低了表格状态的维护复杂度，整体开发效率提升明显。
企业级 UI 组件体系搭建：依托 Ant Design Vue 组件库，结合其内置的 Layout 布局⽅案，建⽴了统⼀的设计规范和组
件复⽤体系，保障了多⻚⾯间视觉⻛格的⼀致性。
后端定时任务机制：在台站需求管理模块中，运⽤ Spring 的 `@Scheduled` 注解实现轻量级定时调度，定期⾃动清
理过期需求通知，⽆需引⼊额外中间件，在保证功能完备的前提下兼顾了部署的轻量化。
Redis缓存：在批复审核流程中，需判断当前审核节点的上⼀节点是“批复”还是“编辑”，以决定退回后前端⻚⾯是
否展⽰批复功能框。由于PostgreSQL表⽆法直接获取上⼀节点信息，因此在提交时将当前节点（批复或编辑）的消息
存⼊Redis，待审核时从Redis取出，从⽽判断上⼀节点类型。
项⽬技术架构
前端：Vue + Vxe Table + Ant Design Vue
后端：Spring Boot + PostgreSQL + Redi
项⽬简介
⾯向情绪疏导场景的多模态AI交互系统，解决“⽂本情绪理解 → 共情对话 → 可控疗愈图像⽣成 → 图⽂联合解读”这⼀
复杂任务链的⼯程化落地问题。系统基于Spring AI Alibaba Graph构建多智能体⼯作流引擎，将各处理阶段抽象为独⽴
可复⽤的节点（Node），通过有向图编排实现⾼可靠、可观测、可扩展的任务调度，显著提升复杂AI任务链的输出稳定
性。
核⼼技术实现
1. 多智能体⼯作流编排（Spring AI Alibaba Graph）
任务分解与节点化：将情绪识别、对话⽣成、图像⽣成、图像解读等步骤分别封装为Stateful Node，通过有向边
（Edge）定义数据流向与控制逻辑，形成DAG（有向⽆环图）⼯作流。
优于链式调⽤：相⽐单⼀智能体或Chain⽅式，图编排实现了分⽀路由、并⾏执⾏、条件跳转等复杂控制能⼒，有效降
低模型幻觉和任务偏离⻛险。
2. 检索增强⽣成（RAG）融⼊⼯作流
在⼯作流图中嵌⼊RAG Node，在图像⽣成前从Milvus向量数据库中检索不同情绪对应的图⽚⽣成指南等知识⽂档。
将检索结果输⼊图像⽣成中，从⽽引导⽣成具有更强情绪调节针对性的图像，提升疗愈场景的专业性与安全性。
3. 多模态⽣成
⽂本⽣成：调⽤qwen-plus模型进⾏共情对话⽣成，结合历史会话，实现个性化情绪回应。
图像⽣成：调⽤wan .-t i模型⽣成情绪调节类图像，并在⽣成后由图像解读节点⾃动⽣成图⽂联合说明，提升⽤⼾
对疗愈内容的理解。
4. 会话持久化与上下⽂连续性
Redis持久化存储：采⽤Redis实现全量聊天记录的持久化存储，⽀持⽤⼾随时回溯历史对话，保证⻓对话场景下的上
下⽂连续性与交互体验⼀致性。
⾼性能会话读写：通过Redis存储会话序列，实现毫秒级历史拉取与状态恢复，降低⼤模型重复调⽤的上下⽂重构成
本。
所⽤技术栈
前端：Vue
后端：Spring Boot、Spring AI Alibaba
数据库与存储：MySQL、Redis、Milvus、OSS
模型：qwen-plus（⽂本）、wan .-t i（图像）
作品源码：https://gitee.com/wbl1998/ai-emotion-regulator
B站视频：https://www.bilibili.com/video/BVPonBkEdi
二、江苏省⽓象局项⽬全过程管理监管平台
项⽬简介
参与江苏省⽓象局⼯程项⽬管理监管平台的设计与开发，系统覆盖⼯程建设全⽣命周期，包括建设准备、项⽬采购、实施
管理和验收评价四⼤阶段，实现了对⽓象局⼯程项⽬的规范化、透明化全过程监管。
关键成果
核⼼功能模块开发：基于 Vue + Spring Boot 前后端分离架构，独⽴完成验收管理、台站需求管理等多个核⼼业务模
块的设计与编码，保障业务流转顺畅。
平台 UI 体验优化：精细化打磨系统全局界⾯，实现了表格列宽⾃适应、字段级⾃定义排序及⻚⾯布局调优，显著提升
操作效率与视觉体验。同时，统⼀配置了系统内所有表格的空状态样式，增强了界⾯⼀致性。
在原有功能上完善：
（1）在验收审核流程中新增多级批复环节；
（2）在界⾯顶部添加滚动通知横幅功能，实现全局系统消息提醒；
（3）为各个模块添加消息待办，即⽤⼾提交数据后，⽣成待办通知给对应审核⼈员；
（4）设置查询不同权限的SQL条件语句。
技术亮点
⾼性能表格组件应⽤：引⼊ Vxe Table ⾼级表格框架，快速构建普通列表与树形列表，封装统⼀的数据操作逻辑，显
著降低了表格状态的维护复杂度，整体开发效率提升明显。
企业级 UI 组件体系搭建：依托 Ant Design Vue 组件库，结合其内置的 Layout 布局⽅案，建⽴了统⼀的设计规范和组
件复⽤体系，保障了多⻚⾯间视觉⻛格的⼀致性。
后端定时任务机制：在台站需求管理模块中，运⽤ Spring 的 `@Scheduled` 注解实现轻量级定时调度，定期⾃动清
理过期需求通知，⽆需引⼊额外中间件，在保证功能完备的前提下兼顾了部署的轻量化。
Redis缓存：在批复审核流程中，需判断当前审核节点的上⼀节点是“批复”还是“编辑”，以决定退回后前端⻚⾯是
否展⽰批复功能框。由于PostgreSQL表⽆法直接获取上⼀节点信息，因此在提交时将当前节点（批复或编辑）的消息
存⼊Redis，待审核时从Redis取出，从⽽判断上⼀节点类型。
项⽬技术架构
前端：Vue + Vxe Table + Ant Design Vue
后端：Spring Boot + PostgreSQL + Redi
立即沟通
