项目一：企业级AI知识库系统（RAG）架构设计与落地
2022.10 - 2026.03｜海量数据｜AI架构负责人
架构挑战：
公司统一技术平台需构建私域技术知识库，面临三重架构矛盾：
（1）传统ES全文检索无法理解运维领域术语的语义关联；
（2）纯向量检索在精确匹配场景召回不足；
（3）大模型生成存在事实性幻觉风险。
架构方案：
检索层：设计混合检索架构，ES8负责元数据过滤+BM25关键词精确匹配 + Milvus（向量相似度）负责语义泛化召回，双路召回互补，解决单一检索模式的召回盲区；
精排层：引入BGE Rerank模型对召回结果重排序，过滤低质量上下文，提升生成输入的准确性；
生成层：通过CloseAI接入GPT-4o/Qwen3.5-plus/DeepSeek-V3.2，设计Prompt模板与生成边界约束机制；
治理层：建立RAG效果评估流水线（准确率/幻觉率/延迟），持续优化Embedding模型与Chunk策略。
架构价值：
复杂问答准确率从72%提升至91%，幻觉率从15%降至4%；作为平台级组件支撑10+业务线接入，避免各业务线重复建设。
项目二：智能运维Agent系统架构设计与工程化
2023.06 - 2026.03｜海量数据｜AI架构负责人
架构挑战：
传统运维依赖人工排查，响应慢、误操作风险高；需构建具备"理解-推理-执行-记忆"闭环能力的智能运维助手，且需满足生产级稳定性与低延迟要求。
架构方案：
推理架构：基于ReAct设计多轮对话Agent架构，集成知识库检索、FunctionCall工具编排（集群管理API、蓝鲸workflow修复脚本）与人工确认机制，确保关键操作可控；
记忆架构：引入对话记忆管理层与长期上下文窗口优化，支持跨会话状态保持与历史上下文回溯；
韧性架构：设计模型路由降级与异常自愈机制，应对模型服务异常与工具调用失败，保障系统持续可用；
架构价值：
生产级运维任务完成率85%，平均响应延迟P99<<2s；保障AI服务99.9% SLA，全年0重大故障。
项目三：PaaS统一技术云平台与AI中间件体系架构
2022.10 - 2026.03｜海量数据｜后端技术经理 / AI架构负责人
架构挑战：
支撑全公司上万条业务线服务、中间件、数据库统一部署运维，需屏蔽虚拟机/K8s集群/公有云等底层差异；同时需将AI能力（LLM推理、向量存储、检索）平台化，让业务线快速接入。
架构方案：
基础设施层：基于蓝鲸平台流水线开发部署脚本，基于K8s API提供容器化部署能力，屏蔽底层基础设施差异；
中间件层：治理Redis、Pulsar、Elasticsearch、Kafka、ELK等100+中间件集群，设计主从/哨兵/集群/分布式多模式部署方案，建立监控巡检与故障告警机制；
日志架构层：基于Filebeat、Loggie、Kafka、ELK构建统一日志采集体系（日百亿级），优化采集配置、分流策略、索引生命周期、冷热分层、分片规划与检索参数，保障日志实时可查；
AI中间件层：将vLLM推理、Milvus向量存储、ES8检索封装为标准化平台组件，提供开箱即用的AI服务能力。
架构价值：
上万条业务线快速接入统一平台，资源使用量降低70%；ES集群写入达5万条/秒，Kafka集群日10亿级消息治理；支撑数据分析团队与算法团队可视化部署AI组件。