1、 大模型 API 调用、Prompt 工程、对话系统构建
2、 RAG 检索增强生成、文档解析、向量入库
3、 Milvus 向量数据库、稠密 + 稀疏混合检索
4、 CLIP 多模态 Embedding、文本 / 图像统一特征编码
5、 检索召回优化、问答增强、AI 工程化落地后端与架构
6、 Java 基础、SpringCloud 微服务、MyBatis/MyBatis-Plus
7、 Redis、RabbitMQ、Flowable 工作流
8、 MySQL/Oracle、SQL 优化、MyCat 分库分表
9、 Docker 部署、系统集成、单点登录、数据同步项目管理
基于 RAG 的智能简历解读与求职助手
技术栈:Python+Milvus+Gradio+jieba+Qwen2.5 (硅基流动)+BGE嵌入模型
1、 实现文档解析、语义切分、混合检索(向量+关键词,α=0.7)、基于对话历史的 Query 改写、流式生成与前端展示。
2、 针对模糊追问设计多轮对话指代消解策略,检索命中率提升约 30%;通过关键词互补解决纯向量检索在专业术语上的漏检问题。
医疗多模态混合检索 AI 系统 个人实战
技术栈:Python + SpringCloud + Milvus + CLIP + RAG + 大模型 API
1、 基于 CLIP 模型实现文本与图像统一向量编码,构建多模态特征表示。
2、 使用 Milvus 搭建稠密向量 + BM25 稀疏向量混合检索,提升 RAG 召回精度。
3、 实现文档切分、向量化入库、检索排序、大模型问答全链路流程。
4、 完成 Prompt 优化、检索增强、输出格式化,具备完整 AI 工程化能力。
智能馆长
技术栈:springcloud+websocket+mysql
1、 对接思必驰 AI 数字人,实现语音 / 文字流式问答、智能导览、实时交互。
2、 采用 SpringCloud + WebSocket + 多线程实现高并发 AI 对话服务。
3、 负责 AI 接口对接、流式返回、后端服务开发与稳定性优化。
4、 完成 AI 能力与文旅业务系统深度融合落地。
本系统是可视化多智能体协同平台,依托编排中枢调度各类专属 Agent 完成任务。侧边栏分为四大功能板块: 代理模式提供全自动、RAG 检索、工具调用、闲聊 4 种运行模式,全自动模式可自动识别用户意图、拆分分配任务; 文档管理支持 Word 文档上传与自动索引,可提取文档摘要
此项目为某景区定制一款小程序,pc端辅助维护业务数据,小程序展示包括景点列表、地图导览、推荐路线;核心功能是对接第三方数字人语音/文字流式问答、多线程及websocket通信;我主要负责后端功能。