AI大模型应用
● RAG:混合检索(BM25+向量+RRF)、Qwen3-Rerank精排、文档分块策略、分级记忆管理、LangFuse可观测性
● Agent:了解ReAct推理范式,熟悉基于LangChain的Tool封装、多轮对话上下文调度
● 应用层:Prompt工程(Few-shot、输出约束)、Dify私有化部署、Gradio、ASR集成
● 工程实践:AI服务Java微服务封装、REST/gRPC接口设计、Docker部署、JSON Schema数据交换设计
Java后端(核心优势)
● 框架:精通SpringBoot、SpringMVC、SpringCloud、Dubbo、MyBatis
● 数据层:熟练MySQL、Oracle、PostgreSQL,掌握Redis缓存设计、分库分表(Sharding-JDBC/MyCat)
● 中间件:熟悉Elasticsearch(全文检索 + dense_vector)、Kafka、RabbitMQ、XXL-Job
● 运维与性能:熟悉JVM调优、Nginx/LVS、Docker,了解Prometheus/Grafana、K8s
● 工程能力:具备千万级流量系统开发经验,熟悉高并发、高可用设计模式
● 系统集成:具备AI能力与企业存量Java系统的融合落地经验,支持API网关、消息队列等多种集成方式
Python生态
● FastAPI、Pandas/Polars、Matplotlib、Celery、vLLM推理对接
其他
● PMP项目管理证书
● 熟悉金融、政务、通信行业业务特性
● 私有化部署、数据合规改造经验
企业级混合检索知识库问答系统
开发技术:FastAPI、PostgreSQL、Elasticsearch、LangChain、Qwen3-Rerank、DashScope、Redis、Celery、Vue 3 + TypeScript、Docker Compose
开发平台:Win10
构建面向企业级场景的智能知识库问答系统,解决海量非结构化文档(PDF/研报/Word)的精准检索与问答问题。系统采用混合检索架构(向量语义检索 + BM25关键词检索)结合RRF融合与Rerank精排,支持多轮对话的分级记忆管理,实现百级文档库的毫秒级响应。
● 负责混合检索方案的设计与实现,采用BM25+向量检索双路召回,通过RRF融合后接入Qwen3-Rerank精排,显著提升检索召回率
● 设计并实现分级记忆管理机制(Redis短期记忆 + ES长期记忆),有效控制Token消耗,支持多轮对话
● 基于LangFuse搭建RAG可观测性体系,监控HitRate、MRR等指标,持续迭代检索策略
● 将检索服务封装为Java微服务,通过HTTP接口与公司现有业务系统集成,输入输出均基于预定义JSON Schema,业务系统按契约消费数据,实现AI能力与核心业务链路的解耦
● 支持私有化部署与数据合规要求,满足政务、金融场景数据不出域的约束