AI工程能力:熟练Langchain/LImaIndex/Langchain4j/SpringAI框架,熟练掌握Prompt、Context、Harness
Engineering、Memory机制、Function Calling、MCP、Skills等AI核心工程技术。
后端开发:熟练掌握Java/SpringBoot/SpringCloud/Python 主流后端开发语言与框架,具备扎实的后端业务
开发、接口搭建与服务迭代能力,可独立完成 AI 应用后端服务开发工作,具备构建Agent架构经验。
AI 编程工具:熟练运用 Claude code、Codex 、Antigravity等 AI 辅助编程工具,可依托工具高效完成代码编
写、漏洞排查、功能迭代与逻辑优化,大幅提升 AI 应用开发落地效率。
工程运维:熟练使用 Fast API、Redis、Docker、RabbitMQ 等中间件与部署工具,精通 Git 版本控制,可独
立完成 AI 应用接口开发、容器部署及项目版本管理工作。
AI智能高并发商品秒杀系统 全栈开发 2026/02 - 2026/06
多策略并发秒杀引擎:基于策略模式设计并实现 Synchronized 同步锁、Redisson 分布式锁、ZooKeeper 分
布式锁三种差异化秒杀方案,通过统一接口抽象与运行时策略路由,有效杜绝超卖与少卖问题。
状态机驱动的活动编排:基于 Spring Statemachine 构建秒杀活动全生命周期状态机,结合 Redis 持久化状
态上下文,实现状态安全流转与非法跳转拦截,保障分布式环境下活动状态的一致性与可控性。
系统性能调优策略:基于ThreadPoolExecutor 构建弹性线程池接收秒杀请求;JVM 层面切换 G1GC 垃圾收
集器并调优核心参数,有效降低 STW 耗时;P99 延迟从 500ms 降至 200ms 以内。
AI 智能秒杀助手:集成 Spring AI Alibaba 框架构建 ReAct Agent 智能体,注册秒杀执行、商品详情查询、任
务耗时统计、执行等Function Calling 工具、实时查询活动耗时便于测试系统实时性能。
多模态RAG旅游规划Agent 全栈开发 2026/04 - 至今 请求分流优化:搭建二级请求分流框架,依据场景复杂度做分层处理,通过分类提示词得出简单提问场景走 workflow流让llm快速回答,复杂任务走ReAct框架循环处理,提高整体问答响应速度降低延迟
AI智能高并发商品秒杀系统 全栈开发 2026/02 - 2026/06 多策略并发秒杀引擎:基于策略模式设计并实现 Synchronized 同步锁、Redisson 分布式锁、ZooKeeper 分 布式锁三种差异化秒杀方案,通过统一接口抽象与运行时策略路由,有效杜