猿急送>

南京Java兼职程序员

ID：421376

张少聪

通用软件开发

公司信息：
亚信安全

工作经验：
1年

兼职日薪：
500元/8小时

兼职时间：
下班后
周六
周日

所在区域：
南京
全区

技术能力

1、AI应用开发：精通LangChain/LangChain4j框架，熟练掌握RAG、Memory、Function Calling/MCP、流式输出等核心技术；具备RAGFlow、Coze/Dify等平台的实战经验，可独立完成 RAG 检索链路搭建、智能体开发与复杂工作流编排。深度掌握提示词工程，能针对不同业务场景设计高效Prompt。
2、后端开发：精通Java核心，熟练掌握Spring Boot、MyBatis-Plus及Spring Cloud Alibaba（Nacos、Sentinel、OpenFeign、Gateway），具备构建高可用分布式系统的设计与开发能力；深入理解并发编程及JVM原理。同时熟练掌握Python基础，具备良好编程思维与代码规范。
3、数据存储与管理：熟练掌握MySQL，熟练掌握索引优化、锁机制、事务隔离级别及性能调优。熟练掌握Redis核心数据结构、持久化策略，能利用Redisson等工具解决分布式锁、缓存异常（穿透/击穿/雪崩）等复杂问题。熟练应用MongoDB文档型数据库与Elasticsearch搜索引擎。
4、中间件与消息系统：熟练使用Docker部署各类中间件。深入掌握RabbitMQ消息队列，能利用延迟消息等特性解决复杂业务问题。掌握Canal数据同步、XXL-JOB分布式任务调度及CompletableFuture异步编排。
5、开发与运维工具：熟练使用Cursor等AI辅助编程工具；熟悉Git版本控制；具备Linux操作基础。

项目经验

1、基于智能体协作的智慧医疗服务平台 — AI应用开发
AI引擎构建：基于LangChain4j框架集成阿里百炼平台Qwen大模型，通过AIService代理实现模型交互。深度整合RAG技术，利用Pinecone向量数据库为医院、科室等非结构化文档构建专业知识库，增强回答的专业性与准确性。
智能体核心功能：通过Function Calling机制，自定义开发预约挂号、取消预约等业务工具，使大模型能根据对话意图自动化调用后端微服务，实现从自然语言交互到业务操作的全链路闭环。设计多层提示词模板，赋予智能客服分导诊、挂号助手等专业身份。
记忆与流式交互：采用TokenWindowChatMemory实现多轮对话记忆，利用MongoDB持久化会话历史，解决上下文遗忘问题。集成WebFlux实现大模型的逐token流式输出，将首字响应时间缩短至200ms以内，显著提升交互体验。
微服务业务支撑：基于Spring Cloud Alibaba构建微服务集群，涵盖用户、医院、订单等模块。使用MySQL存储核心业务数据，引入MongoDB满足排班数据的高并发读写。通过RabbitMQ对订单状态进行异步更新与短信通知，确保高并发下的数据最终一致性。
2、基于RAGFlow的多源知识库智能问答平台 — AI应用开发
核心架构：基于RAGFlow构建多知识库空间，通过API封装实现知识库创建、文档解析、向量化及聊天助手管理。后端采用LangChain搭建RAG管道，集成阿里Qwen大模型，为前端提供统一智能问答接口。
智能意图路由与工具调用：应用LangChain的Function Calling/MCP技术，将“列出助手”、“指定助手回答”、“自动匹配回答”三种模式封装为标准工具。LLM能根据用户查询，自动调用工具并精准分发至不同知知识库，实现多助手无缝协作。
记忆管理与查询增强：利用MongoDB持久化存储ConversationBufferMemory，实现多轮对话记忆。独立设计查询增强模块，结合LLM将对话历史中的代词等还原为具体实体，有效解决多助手切换及长对话场景下的上下文遗忘问题。
异步流式交互：采用异步生成器接口统一封装整个处理流程。后端实现全链路异步处理，设计的异步处理方案，通过JMeter本地压测，能稳定支持100+用户并发提问并实时返回结果。前端利用数据流实时渲染，显著提升多轮深度问答的交互体验。
3、高并发有声读物服务平台 — 后端开发
核心业务与框架：基于Spring Cloud Alibaba构建微服务，独立完成专辑、声音、订单、支付等核心模块。集成微信支付V3 API，通过AOP切面与自定义注解实现登录态校验，保障接口安全。利用RabbitMQ延迟消息插件实现未支付订单自动取消，并引入策略模式优化多种支付场景的业务逻辑。
高性能检索与缓存：基于Elasticsearch构建专辑检索服务，支持分词搜索、高亮、多维度排序及关键字自动补全。利用Redis + Redisson分布式锁 + 布隆过滤器构建多层缓存架构，经本地对比测试，该架构将核心接口QPS从500提升至8000，有效解决了高并发场景下的缓存击穿与穿透问题。通过Canal监听MySQL binlog，实现缓存数据的准实时同步，保障数据一致性。
数据一致性与异步处理：使用RabbitMQ解耦专辑上/下架、播放量统计等业务，保障数据最终一致性。利用CompletableFuture + 自定义线程池实现专辑详情等复杂数据查询的异步并行编排，提升接口响应速度。集成XXL-JOB实现排行榜定时更新、VIP状态批量处理等分布式定时任务。
4、AI驱动的智能组卷与阅卷系统 — AI应用开发
AI能力深度集成：基于LangChain4j框架集成Kimi大模型，通过精细化的提示词工程驱动AI实现智能出题、自动组卷及简答题的语义级自动评分，将内容生产效率提升3倍以上。针对AI交互的不稳定性，设计了带重试机制的异步调用方案，确保服务的健壮性。
高性能排行榜与缓存：针对考试排行榜场景，通过自定义SQL（JOIN + TIMESTAMPDIFF）将原先的N+1次查询优化为单次关联查询，该优化将排行榜接口的平均响应时间从2200ms降至180ms，提升了超过10倍。利用Redis ZSet数据结构记录题目热度，实现热门题目排行榜，并设计了缓存预热与优雅降级策略，确保服务的高可用。
 存储与数据批量处理：集成MinIO提供统一的文件存储服务，在核心资源删除时增加前置校验，防止数据孤岛。基于Apache POI设计了“预览→校验→导入”两阶段流程，实现Excel数据的批量导入导出，通过@Transactional保障多表写入的事务一致性。

案例展示

小智医疗

小智医疗是一套基于 Spring Cloud 微服务架构开发的智慧医疗服务平台，旨在解决传统医疗场景中挂号难、排队时间长、信息获取不及时等问题。系统面向患者、医院及平台管理人员，提供在线预约挂号、订单管理、就医提醒、数据统计分析以及AI智能医疗助手等核心功能。在业务层面，
谷粒随享

谷粒随享是一款面向移动端用户打造的在线听书平台，致力于为用户提供优质的有声书内容服务。平台集专辑管理、声音管理、内容检索、会员订阅、订单支付、数据统计等功能于一体，支持用户随时随地收听有声书内容，满足学习、阅读和娱乐等多种场景需求。项目采用微服务架构设计，基于 Spring