꯭
全栈开发
广州吉狗科技有限公司 · 1年经验
日薪：
￥500/8h
地点：
广州 番禺
时间：
下班后周六周日可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
1. Java SE 基础：熟悉基本数据结构、String、面向对象三大特征、常用集合框架、反射、Stream 流。
2. MySQL：熟悉索引原理、事务隔离级别、MVCC 机制，对索引优化和锁机制有一定的理解。
3. Redis：熟悉 Redis 数据结构、缓存一致性、缓存雪崩、缓存穿透、缓存击穿、缓存淘汰策略、持久化方式。
4. JVM：对JVM有基本的理解，包括内存模型、垃圾回收机制，了解基本调优技巧。
5. JUC: 掌握 JUC 并发工具包的使用，以及 CAS 算法、线程池基本原理。
6. 常用框架：熟悉 SSM、SpringBoot 等主流开发框架，熟悉 IOC、AOP、Bean 生命周期、循环依赖等。
7. 熟练使用 Spring Cloud Alibaba 微服务相关技术，如：nacos、openfeign、Gateway 等。
8. 熟练使用 Git 和 IDEA 工具进行开发，熟悉 Linux 常用命令。
2. MySQL：熟悉索引原理、事务隔离级别、MVCC 机制，对索引优化和锁机制有一定的理解。
3. Redis：熟悉 Redis 数据结构、缓存一致性、缓存雪崩、缓存穿透、缓存击穿、缓存淘汰策略、持久化方式。
4. JVM：对JVM有基本的理解，包括内存模型、垃圾回收机制，了解基本调优技巧。
5. JUC: 掌握 JUC 并发工具包的使用，以及 CAS 算法、线程池基本原理。
6. 常用框架：熟悉 SSM、SpringBoot 等主流开发框架，熟悉 IOC、AOP、Bean 生命周期、循环依赖等。
7. 熟练使用 Spring Cloud Alibaba 微服务相关技术，如：nacos、openfeign、Gateway 等。
8. 熟练使用 Git 和 IDEA 工具进行开发，熟悉 Linux 常用命令。
项目经验
RespoBot – 智能值守平台 2025年03月-2025年04月
项目简介：RespoBot 智能值守平台是基于 AI Agent 整合知识库检索、自然语言对话、自动化运维能力，实现从用户问题自动应答到线
上故障智能排查的全链路覆盖，把 OnCall 人力成本降到最低，提高响应效率。
核心技术：SpringBoot、Spring AI Alibaba、RAG、ReAct、Plan-Execute-Replan、Multi-Agent、MCP
项目工作：
基于 Spring AI Alibaba 设计 Knowledge Index、Chat ReAct、Plan-Execute-Replan 三个 Agent，通过图编排实现模块化 Agent
工作流。
1. 利用 MCP 协议统一封装集成日志查询、Prometheus 告警、Milvus操作等工具，实现 Agent 对外部能力的灵活调用。
2. RAG 知识库系统：设计文档向量化存储与检索方案，调优分块大小和 TopK 参数，使知识检索准确率达 85 %+。
3. 基于 ReAct 模式实现多场景对话 Agent（咨询/告警/工单），支持多轮记忆与容错，采用 SSE 流式输出逐字推送，解决大模型响应
延迟问题。
4.通过用户 ID 隔离会话 + 独立记忆实例，支撑多并发；设计摘要机制（最近 5 轮+历史摘要），在保证连贯性的前提下 Token 使用
量降低 60%。
5. 基于 Plan-Execute-Replan 模式构建自动化排障流程（告警 → 查知识库 → 规划 →调监控/日志 → 分析 → 生成建议），结合历
史工单优化方案，将运维响应时间从小时级压缩至分钟级。
项目简介：RespoBot 智能值守平台是基于 AI Agent 整合知识库检索、自然语言对话、自动化运维能力，实现从用户问题自动应答到线
上故障智能排查的全链路覆盖，把 OnCall 人力成本降到最低，提高响应效率。
核心技术：SpringBoot、Spring AI Alibaba、RAG、ReAct、Plan-Execute-Replan、Multi-Agent、MCP
项目工作：
基于 Spring AI Alibaba 设计 Knowledge Index、Chat ReAct、Plan-Execute-Replan 三个 Agent，通过图编排实现模块化 Agent
工作流。
1. 利用 MCP 协议统一封装集成日志查询、Prometheus 告警、Milvus操作等工具，实现 Agent 对外部能力的灵活调用。
2. RAG 知识库系统：设计文档向量化存储与检索方案，调优分块大小和 TopK 参数，使知识检索准确率达 85 %+。
3. 基于 ReAct 模式实现多场景对话 Agent（咨询/告警/工单），支持多轮记忆与容错，采用 SSE 流式输出逐字推送，解决大模型响应
延迟问题。
4.通过用户 ID 隔离会话 + 独立记忆实例，支撑多并发；设计摘要机制（最近 5 轮+历史摘要），在保证连贯性的前提下 Token 使用
量降低 60%。
5. 基于 Plan-Execute-Replan 模式构建自动化排障流程（告警 → 查知识库 → 规划 →调监控/日志 → 分析 → 生成建议），结合历
史工单优化方案，将运维响应时间从小时级压缩至分钟级。
꯭
全栈开发 · 1年经验 · 广州吉狗科技有限公司
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 SE 基础：熟悉基本数据结构、String、面向对象三大特征、常用集合框架、反射、Stream 流。
2. MySQL：熟悉索引原理、事务隔离级别、MVCC 机制，对索引优化和锁机制有一定的理解。
3. Redis：熟悉 Redis 数据结构、缓存一致性、缓存雪崩、缓存穿透、缓存击穿、缓存淘汰策略、持久化方式。
4. JVM：对JVM有基本的理解，包括内存模型、垃圾回收机制，了解基本调优技巧。
5. JUC: 掌握 JUC 并发工具包的使用，以及 CAS 算法、线程池基本原理。
6. 常用框架：熟悉 SSM、SpringBoot 等主流开发框架，熟悉 IOC、AOP、Bean 生命周期、循环依赖等。
7. 熟练使用 Spring Cloud Alibaba 微服务相关技术，如：nacos、openfeign、Gateway 等。
8. 熟练使用 Git 和 IDEA 工具进行开发，熟悉 Linux 常用命令。
2. MySQL：熟悉索引原理、事务隔离级别、MVCC 机制，对索引优化和锁机制有一定的理解。
3. Redis：熟悉 Redis 数据结构、缓存一致性、缓存雪崩、缓存穿透、缓存击穿、缓存淘汰策略、持久化方式。
4. JVM：对JVM有基本的理解，包括内存模型、垃圾回收机制，了解基本调优技巧。
5. JUC: 掌握 JUC 并发工具包的使用，以及 CAS 算法、线程池基本原理。
6. 常用框架：熟悉 SSM、SpringBoot 等主流开发框架，熟悉 IOC、AOP、Bean 生命周期、循环依赖等。
7. 熟练使用 Spring Cloud Alibaba 微服务相关技术，如：nacos、openfeign、Gateway 等。
8. 熟练使用 Git 和 IDEA 工具进行开发，熟悉 Linux 常用命令。
项目经验
RespoBot – 智能值守平台 2025年03月-2025年04月
项目简介：RespoBot 智能值守平台是基于 AI Agent 整合知识库检索、自然语言对话、自动化运维能力，实现从用户问题自动应答到线
上故障智能排查的全链路覆盖，把 OnCall 人力成本降到最低，提高响应效率。
核心技术：SpringBoot、Spring AI Alibaba、RAG、ReAct、Plan-Execute-Replan、Multi-Agent、MCP
项目工作：
基于 Spring AI Alibaba 设计 Knowledge Index、Chat ReAct、Plan-Execute-Replan 三个 Agent，通过图编排实现模块化 Agent
工作流。
1. 利用 MCP 协议统一封装集成日志查询、Prometheus 告警、Milvus操作等工具，实现 Agent 对外部能力的灵活调用。
2. RAG 知识库系统：设计文档向量化存储与检索方案，调优分块大小和 TopK 参数，使知识检索准确率达 85 %+。
3. 基于 ReAct 模式实现多场景对话 Agent（咨询/告警/工单），支持多轮记忆与容错，采用 SSE 流式输出逐字推送，解决大模型响应
延迟问题。
4.通过用户 ID 隔离会话 + 独立记忆实例，支撑多并发；设计摘要机制（最近 5 轮+历史摘要），在保证连贯性的前提下 Token 使用
量降低 60%。
5. 基于 Plan-Execute-Replan 模式构建自动化排障流程（告警 → 查知识库 → 规划 →调监控/日志 → 分析 → 生成建议），结合历
史工单优化方案，将运维响应时间从小时级压缩至分钟级。
项目简介：RespoBot 智能值守平台是基于 AI Agent 整合知识库检索、自然语言对话、自动化运维能力，实现从用户问题自动应答到线
上故障智能排查的全链路覆盖，把 OnCall 人力成本降到最低，提高响应效率。
核心技术：SpringBoot、Spring AI Alibaba、RAG、ReAct、Plan-Execute-Replan、Multi-Agent、MCP
项目工作：
基于 Spring AI Alibaba 设计 Knowledge Index、Chat ReAct、Plan-Execute-Replan 三个 Agent，通过图编排实现模块化 Agent
工作流。
1. 利用 MCP 协议统一封装集成日志查询、Prometheus 告警、Milvus操作等工具，实现 Agent 对外部能力的灵活调用。
2. RAG 知识库系统：设计文档向量化存储与检索方案，调优分块大小和 TopK 参数，使知识检索准确率达 85 %+。
3. 基于 ReAct 模式实现多场景对话 Agent（咨询/告警/工单），支持多轮记忆与容错，采用 SSE 流式输出逐字推送，解决大模型响应
延迟问题。
4.通过用户 ID 隔离会话 + 独立记忆实例，支撑多并发；设计摘要机制（最近 5 轮+历史摘要），在保证连贯性的前提下 Token 使用
量降低 60%。
5. 基于 Plan-Execute-Replan 模式构建自动化排障流程（告警 → 查知识库 → 规划 →调监控/日志 → 分析 → 生成建议），结合历
史工单优化方案，将运维响应时间从小时级压缩至分钟级。
立即沟通
