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
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