猿急送>

南京Java兼职程序员

ID：425562

专治拧巴

AI 应用开发工程师

公司信息：
南京业恒达智能系统有限公司

工作经验：
7年

兼职日薪：
900元/8小时

兼职时间：
下班后

所在区域：
南京
全区

技术能力

7年 Java 后端开发经验，近年转向 AI 应用开发，主要使用 Python / FastAPI 落地 LangChain / LangGraph、RAG、Tool Calling、MCP 和会话服务。能够将订单、生产、库存、审批、设备、源码等业务数据封装为模型可理解、可检索、可调用的上下文与工具，重视权限边界、异常兜底和工程可维护性，具备 AI 应用从业务接入、Agent 编排到联调落地的实践能力
Python / AI 应用开发
·熟悉 Python 常用语法与 FastAPI 服务开发，能够使用类型注解、Pydantic、async / await、异常处理和日志完成接口开发，并基于 LangChain / LangGraph 编排 RAG 与 Tool 调用流程
·具备 RAG / 知识图谱落地经验，熟悉文档加载、递归分块、Embedding 向量化、Chroma / FAISS 检索、Neo4j 建模、Cypher 查询和混合召回
·有 Claude API / OpenAI API / DeepSeek API 接入经验，熟悉 Prompt Engineering、Function Calling / Tool Calling、结构化上下文拼装和多轮会话管理
·熟悉 Java 业务系统与 Python / FastAPI AI 服务集成，能够将订单、商品、源码、库存、审批、设备数据等业务能力封装为模型可用上下文或工具接口
·具备 RAG + Tool + Graph 混合问答实践经验，能够区分确定性业务查询、语义检索、文件读取、图谱查询和大模型摘要各自边界
·熟练使用 Codex、Claude Code 等 AI 编程工具进行代码理解、功能开发、问题排查和文档生成，能把 AI 工具产出沉淀为可维护代码与项目文档
AI 应用后端开发（Java / Python）
·熟悉 Java / SpringBoot 后端开发，能够完成业务接口、权限校验、数据查询、文件上传、消息通知等 AI 应用所需后端能力
·熟悉 MyBatis / MyBatisPlus、MySQL、Redis，能够为 RAG、Tool Calling、会话记忆和业务查询提供数据支撑
·熟悉 RESTful API 设计，具备 Java 业务系统与 Python / Fa

项目经验

智能源码运行助手（源码商城 AI 问答系统） 2025.12 – 2026.05
项目描述：面向源码商城购买用户和售后支持场景建设的 AI 源码运行助手，核心解决“源码买完不会启动、环境不会配、报错不会排、代码链路看不懂”的问题。系统不是把问题直接转发给大模型，而是由 Java 后端先完成登录鉴权、订单/商品/源码上下文拼装，再由 Python FastAPI AI 服务通过 LangGraph 编排意图识别、项目分析、源码级 RAG、ReAct Tool 调用和答案生成，使回复严格围绕用户已购买订单和真实源码证据展开。
技术栈： Vue3 · Java / SpringBoot · Python / FastAPI · LangChain · LangGraph · Chroma / FAISS · 源码级 RAG · ReAct Tool Calling · Claude API · Redis · MinIO
核心职责：
·负责 AI 助手主链路设计与落地：Vue3 提供订单内聊天和源码面板，Java / SpringBoot 负责用户鉴权、订单/商品/源码路径上下文和代理转发，Python FastAPI 承载 LangGraph 工作流、RAG 检索、项目分析、Tool 调用和 LLM 生成
·基于 LangGraph 拆分 intent、extract_order_id、analyze_project、retrieve、react_agent、generate 等节点，通过 AgentState 显式传递历史消息、订单号、项目分析结果、源码证据、工具观察结果和最终回答，便于调试、扩展和链路追踪
·搭建面向源码理解的混合 RAG：普通知识库走 Embedding + Chroma / FAISS 相似度检索；源码库额外按 file path、symbol、identifier、关键字做启发式召回，合并向量结果后进行 rerank、去重和邻接上下文扩展，提高类/方法/配置文件级问题的命中率
·实现源码项目自动分析与运行指导能力：围绕 README、pom.xml、package.json、docker-compose、env、SQL 等真实文件证据识别技术栈、依赖、数据库、环境变量和启动命令；证据不足时返回受控提示，避免用通用框架经验编造答案
·设计多轮会话记忆与上下文续接机制：ChatService 维护 session_task_map / session_project_map，保存订单号、项目分析结果、代码任务状态和历史消息；支持达到轮次上限后的新会话继承关键摘要，保证长对话仍能延续上下文
·在 Java 侧封装 AI Proxy，将登录用户、订单、商品、源码下载信息、会话 ID 等结构化上下文统一传给 Python AI 服务，使模型只能基于当前用户订单和可引用源码回答，减少越权访问和泛化回答风险
·完善 AI 聊天产品体验：前端支持 Markdown 安全渲染、打字机效果、多会话管理、历史消息恢复、移动端适配，以及回答中的源码路径自动转为可点击引用并联动右侧源码树/代码预览面板
项目亮点：
·项目亮点在于从“模型问答”升级为“订单上下文 + 源码证据 + Agent 工作流”的 AI 应用：Java 负责业务可信上下文，Python 负责智能编排和证据生成，前端负责源码可视化交互
·RAG + ReAct Tool 混合方案：运行指导、报错排查走语义检索和项目分析；README、配置文件、具体类/方法、启动脚本等精确问题优先读取真实文件，并在 Prompt 中强约束“只能基于源码证据回答”
·具备工程可靠性边界：订单归属、下载权限、商品信息等确定性数据由 Java 业务系统提供；AI 侧聚焦意图路由、检索增强、代码解释和排障建议，并对证据不足场景做拒答/兜底处理