被数学选中的男人
GO后端工程师
唯品会（中国）有限公司 · 3年经验
日薪：
￥500/8h
地点：
北京 昌平
时间：
周六周日
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
熟练掌握Go、Java等主流后端编程语言。对Go语言的核心特性有深入理解，包括GMP并发模型、垃圾回收（GC）机制、Channel通信以及Slice、Map等常用数据结构的底层原理。在Java方面，深入掌握并发编程，熟悉JUC包下的锁机制、CAS原理、AQS同步器、线程池运作机制及ThreadLocal内存泄漏解决方案。
具备丰富的分布式系统设计与开发经验，熟悉微服务架构体系，对高并发、高可用、高性能系统的设计有实战经验。在数据存储方面，精通MySQL，对事务隔离级别、索引优化、锁机制及MVCC原理有深入研究；熟悉Redis，了解其持久化策略（RDB/AOF）及缓存穿透、击穿、雪崩等常见问题的解决方案。熟悉Kafka消息队列，曾利用其进行流量削峰填谷。
具备容器化部署能力，熟悉Docker、Kubernetes（K8s）及Jenkins，有基于Linux服务器的项目运维经验。掌握常用设计模式（如策略、装饰器模式），并在实际项目中用于优化代码结构和提升可维护性。拥有良好的编码习惯，熟悉Git协作流程。
具备丰富的分布式系统设计与开发经验，熟悉微服务架构体系，对高并发、高可用、高性能系统的设计有实战经验。在数据存储方面，精通MySQL，对事务隔离级别、索引优化、锁机制及MVCC原理有深入研究；熟悉Redis，了解其持久化策略（RDB/AOF）及缓存穿透、击穿、雪崩等常见问题的解决方案。熟悉Kafka消息队列，曾利用其进行流量削峰填谷。
具备容器化部署能力，熟悉Docker、Kubernetes（K8s）及Jenkins，有基于Linux服务器的项目运维经验。掌握常用设计模式（如策略、装饰器模式），并在实际项目中用于优化代码结构和提升可维护性。拥有良好的编码习惯，熟悉Git协作流程。
项目经验
1. 唯品会供应商赋能运营中台
该项目旨在为唯品会平台运营赋能，通过建立人群包进行用户画像洞察，以提升大促营销活动的效果。我主要负责后端服务的性能优化与核心流程开发。
性能优化：通过监控和日志分析，定位到系统接口瓶颈，引入Guava缓存框架对高频访问数据进行本地缓存，成功将接口响应速度提升40%，显著改善了前端页面的加载体验。
高可用设计：针对大促详情页模板读写的高并发场景，设计并实现了基于Redis的异地多活缓存架构，通过自定义方案解决跨地域Redis集群选主带来的不确定性，保障了核心数据的稳定读取。
核心流程开发：负责实现活动内容从初始化、提审到最终下发的全生命周期状态管理，并集成平台审核风控能力。
定时任务：使用Saturn Job实现夜间定时计算，自动化完成日、月、季度维度的用户增长与营销额目标完成率统计。
智能客服辅助与质检分析平台
2、智能客服系统
本项目旨在整合多渠道服务轨迹，为客服团队提供智能问答、坐席辅助及全量质检能力，系统性提升响应效率与服务规范水平。项目基于Go语言的Kratos微服务框架构建，并引入LangGraph进行LLM应用编排。
客户画像与精准识别：基于海量历史服务轨迹数据，抽象并构建了涵盖30+维度的客户画像体系。通过特征工程与XGBoost模型的应用，实现了高潜客户与高风险客户的精准识别，在线上A/B测试中精准匹配率（Precision@K）达90%，为运营策略的差异化投放提供了数据支撑。
高效知识库与话术推荐：为解决新员工上手慢、知识复用难的问题，我设计并实现了基于BM25 + M3E向量模型 + 业务权重相结合的混合检索方案，并通过RRF（倒数排名融合）算法聚合多路召回结果，搭建了客服知识库系统。该系统沉淀了超2000条问答与业务流程，支持一键检索与话术推荐，检索响应耗时控制在2秒以内，上线后话术采纳率达85%，显著缩短了客服的平均应答时长。
全量质检与LLM自动化打标：基于ReWOO（Reasoning Without Observation）框架，搭建了VOC（客户之声）质检Agent，实现了对客服会话通话的全量覆盖式质检，将传统人工抽检模式升级为全自动化流程，质检效率提升20倍，服务规范达标率随之提升至94%。同时，利用多模型投票机制与Few-shot增强策略，设计了LLM工单自动打标功能，支持超50种类别的精准分类，打标准确率达92%，单条工单的处理时长缩短60%，大幅降低了人工复核成本。
该项目旨在为唯品会平台运营赋能，通过建立人群包进行用户画像洞察，以提升大促营销活动的效果。我主要负责后端服务的性能优化与核心流程开发。
性能优化：通过监控和日志分析，定位到系统接口瓶颈，引入Guava缓存框架对高频访问数据进行本地缓存，成功将接口响应速度提升40%，显著改善了前端页面的加载体验。
高可用设计：针对大促详情页模板读写的高并发场景，设计并实现了基于Redis的异地多活缓存架构，通过自定义方案解决跨地域Redis集群选主带来的不确定性，保障了核心数据的稳定读取。
核心流程开发：负责实现活动内容从初始化、提审到最终下发的全生命周期状态管理，并集成平台审核风控能力。
定时任务：使用Saturn Job实现夜间定时计算，自动化完成日、月、季度维度的用户增长与营销额目标完成率统计。
智能客服辅助与质检分析平台
2、智能客服系统
本项目旨在整合多渠道服务轨迹，为客服团队提供智能问答、坐席辅助及全量质检能力，系统性提升响应效率与服务规范水平。项目基于Go语言的Kratos微服务框架构建，并引入LangGraph进行LLM应用编排。
客户画像与精准识别：基于海量历史服务轨迹数据，抽象并构建了涵盖30+维度的客户画像体系。通过特征工程与XGBoost模型的应用，实现了高潜客户与高风险客户的精准识别，在线上A/B测试中精准匹配率（Precision@K）达90%，为运营策略的差异化投放提供了数据支撑。
高效知识库与话术推荐：为解决新员工上手慢、知识复用难的问题，我设计并实现了基于BM25 + M3E向量模型 + 业务权重相结合的混合检索方案，并通过RRF（倒数排名融合）算法聚合多路召回结果，搭建了客服知识库系统。该系统沉淀了超2000条问答与业务流程，支持一键检索与话术推荐，检索响应耗时控制在2秒以内，上线后话术采纳率达85%，显著缩短了客服的平均应答时长。
全量质检与LLM自动化打标：基于ReWOO（Reasoning Without Observation）框架，搭建了VOC（客户之声）质检Agent，实现了对客服会话通话的全量覆盖式质检，将传统人工抽检模式升级为全自动化流程，质检效率提升20倍，服务规范达标率随之提升至94%。同时，利用多模型投票机制与Few-shot增强策略，设计了LLM工单自动打标功能，支持超50种类别的精准分类，打标准确率达92%，单条工单的处理时长缩短60%，大幅降低了人工复核成本。
被数学选中的男人
GO后端工程师 · 3年经验 · 唯品会（中国）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
熟练掌握Go、Java等主流后端编程语言。对Go语言的核心特性有深入理解，包括GMP并发模型、垃圾回收（GC）机制、Channel通信以及Slice、Map等常用数据结构的底层原理。在Java方面，深入掌握并发编程，熟悉JUC包下的锁机制、CAS原理、AQS同步器、线程池运作机制及ThreadLocal内存泄漏解决方案。
具备丰富的分布式系统设计与开发经验，熟悉微服务架构体系，对高并发、高可用、高性能系统的设计有实战经验。在数据存储方面，精通MySQL，对事务隔离级别、索引优化、锁机制及MVCC原理有深入研究；熟悉Redis，了解其持久化策略（RDB/AOF）及缓存穿透、击穿、雪崩等常见问题的解决方案。熟悉Kafka消息队列，曾利用其进行流量削峰填谷。
具备容器化部署能力，熟悉Docker、Kubernetes（K8s）及Jenkins，有基于Linux服务器的项目运维经验。掌握常用设计模式（如策略、装饰器模式），并在实际项目中用于优化代码结构和提升可维护性。拥有良好的编码习惯，熟悉Git协作流程。
具备丰富的分布式系统设计与开发经验，熟悉微服务架构体系，对高并发、高可用、高性能系统的设计有实战经验。在数据存储方面，精通MySQL，对事务隔离级别、索引优化、锁机制及MVCC原理有深入研究；熟悉Redis，了解其持久化策略（RDB/AOF）及缓存穿透、击穿、雪崩等常见问题的解决方案。熟悉Kafka消息队列，曾利用其进行流量削峰填谷。
具备容器化部署能力，熟悉Docker、Kubernetes（K8s）及Jenkins，有基于Linux服务器的项目运维经验。掌握常用设计模式（如策略、装饰器模式），并在实际项目中用于优化代码结构和提升可维护性。拥有良好的编码习惯，熟悉Git协作流程。
项目经验
1. 唯品会供应商赋能运营中台
该项目旨在为唯品会平台运营赋能，通过建立人群包进行用户画像洞察，以提升大促营销活动的效果。我主要负责后端服务的性能优化与核心流程开发。
性能优化：通过监控和日志分析，定位到系统接口瓶颈，引入Guava缓存框架对高频访问数据进行本地缓存，成功将接口响应速度提升40%，显著改善了前端页面的加载体验。
高可用设计：针对大促详情页模板读写的高并发场景，设计并实现了基于Redis的异地多活缓存架构，通过自定义方案解决跨地域Redis集群选主带来的不确定性，保障了核心数据的稳定读取。
核心流程开发：负责实现活动内容从初始化、提审到最终下发的全生命周期状态管理，并集成平台审核风控能力。
定时任务：使用Saturn Job实现夜间定时计算，自动化完成日、月、季度维度的用户增长与营销额目标完成率统计。
智能客服辅助与质检分析平台
2、智能客服系统
本项目旨在整合多渠道服务轨迹，为客服团队提供智能问答、坐席辅助及全量质检能力，系统性提升响应效率与服务规范水平。项目基于Go语言的Kratos微服务框架构建，并引入LangGraph进行LLM应用编排。
客户画像与精准识别：基于海量历史服务轨迹数据，抽象并构建了涵盖30+维度的客户画像体系。通过特征工程与XGBoost模型的应用，实现了高潜客户与高风险客户的精准识别，在线上A/B测试中精准匹配率（Precision@K）达90%，为运营策略的差异化投放提供了数据支撑。
高效知识库与话术推荐：为解决新员工上手慢、知识复用难的问题，我设计并实现了基于BM25 + M3E向量模型 + 业务权重相结合的混合检索方案，并通过RRF（倒数排名融合）算法聚合多路召回结果，搭建了客服知识库系统。该系统沉淀了超2000条问答与业务流程，支持一键检索与话术推荐，检索响应耗时控制在2秒以内，上线后话术采纳率达85%，显著缩短了客服的平均应答时长。
全量质检与LLM自动化打标：基于ReWOO（Reasoning Without Observation）框架，搭建了VOC（客户之声）质检Agent，实现了对客服会话通话的全量覆盖式质检，将传统人工抽检模式升级为全自动化流程，质检效率提升20倍，服务规范达标率随之提升至94%。同时，利用多模型投票机制与Few-shot增强策略，设计了LLM工单自动打标功能，支持超50种类别的精准分类，打标准确率达92%，单条工单的处理时长缩短60%，大幅降低了人工复核成本。
该项目旨在为唯品会平台运营赋能，通过建立人群包进行用户画像洞察，以提升大促营销活动的效果。我主要负责后端服务的性能优化与核心流程开发。
性能优化：通过监控和日志分析，定位到系统接口瓶颈，引入Guava缓存框架对高频访问数据进行本地缓存，成功将接口响应速度提升40%，显著改善了前端页面的加载体验。
高可用设计：针对大促详情页模板读写的高并发场景，设计并实现了基于Redis的异地多活缓存架构，通过自定义方案解决跨地域Redis集群选主带来的不确定性，保障了核心数据的稳定读取。
核心流程开发：负责实现活动内容从初始化、提审到最终下发的全生命周期状态管理，并集成平台审核风控能力。
定时任务：使用Saturn Job实现夜间定时计算，自动化完成日、月、季度维度的用户增长与营销额目标完成率统计。
智能客服辅助与质检分析平台
2、智能客服系统
本项目旨在整合多渠道服务轨迹，为客服团队提供智能问答、坐席辅助及全量质检能力，系统性提升响应效率与服务规范水平。项目基于Go语言的Kratos微服务框架构建，并引入LangGraph进行LLM应用编排。
客户画像与精准识别：基于海量历史服务轨迹数据，抽象并构建了涵盖30+维度的客户画像体系。通过特征工程与XGBoost模型的应用，实现了高潜客户与高风险客户的精准识别，在线上A/B测试中精准匹配率（Precision@K）达90%，为运营策略的差异化投放提供了数据支撑。
高效知识库与话术推荐：为解决新员工上手慢、知识复用难的问题，我设计并实现了基于BM25 + M3E向量模型 + 业务权重相结合的混合检索方案，并通过RRF（倒数排名融合）算法聚合多路召回结果，搭建了客服知识库系统。该系统沉淀了超2000条问答与业务流程，支持一键检索与话术推荐，检索响应耗时控制在2秒以内，上线后话术采纳率达85%，显著缩短了客服的平均应答时长。
全量质检与LLM自动化打标：基于ReWOO（Reasoning Without Observation）框架，搭建了VOC（客户之声）质检Agent，实现了对客服会话通话的全量覆盖式质检，将传统人工抽检模式升级为全自动化流程，质检效率提升20倍，服务规范达标率随之提升至94%。同时，利用多模型投票机制与Few-shot增强策略，设计了LLM工单自动打标功能，支持超50种类别的精准分类，打标准确率达92%，单条工单的处理时长缩短60%，大幅降低了人工复核成本。
立即沟通
