詹詹爱灌篮
后端工程师
北京玄薇智能科技 · 1年经验
日薪：
￥500/8h
地点：
北京
时间：
下班后周六周日可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
1. Java核心与并发： 深入掌握Java SE（集合原理、NIO/BIO、多线程模型） ，对JVM内存模型、类加载机制、GC算法有深刻理解
2. 熟悉Java并发编程，熟悉AQS、锁机制、线程池原理与实践， 曾在项目中通过线程池优化将系统吞吐量提升。
3. 框架技术与原理： 熟悉Spring生态（Spring Boot、Spring MVC、MyBatis） ，深入研究过框架核心源码，理解Bean生命周期、循环依赖解决方案、Spring Boot自动装配原理及自定义Starter开发。
4. 数据库技术： 深入理解MySQL，包括其锁机制、事务隔离级别、索引原理与优化策略，具备线上项目性能调优经验。
5. 缓存技术： 熟练应用Redis，理解其底层数据结构、磁盘与内存模型、RDB/AOF持久化机制及Sentinel哨兵模式。。
6. 消息中间件： 熟悉RocketMQ，对其底层刷盘机制、集群分片机制有深入了解，具备处理消息丢失、重复消费等问题的解决方案
7. 软件设计： 熟练运用常见7种设计模式，致力于编写高内聚、低耦合、易扩展的代码，提升项目整体质量。
8. AI：熟悉RAG、Spring AI框架集成LLM大模型，掌握阿里百炼（DashScope）API调用与封装。
9. 向量数据库：熟悉Milvus基本操作（向量入库/检索/批量处理） ，具备RAG检索增强生成落地经验，能完成文本分块、向量嵌入等工程化实现。
10.精通 LangChain、多 Agent 架构、Function Call、JSON Schema 参数校验，可对接第三方 API。
11安全认证开发：熟练运用JWT令牌认证、bcrypt密码加密，可搭建匿名UID+JWT双模式认证体系，具备用户数据安全处理、跨状态数据衔接优化能力。
2. 熟悉Java并发编程，熟悉AQS、锁机制、线程池原理与实践， 曾在项目中通过线程池优化将系统吞吐量提升。
3. 框架技术与原理： 熟悉Spring生态（Spring Boot、Spring MVC、MyBatis） ，深入研究过框架核心源码，理解Bean生命周期、循环依赖解决方案、Spring Boot自动装配原理及自定义Starter开发。
4. 数据库技术： 深入理解MySQL，包括其锁机制、事务隔离级别、索引原理与优化策略，具备线上项目性能调优经验。
5. 缓存技术： 熟练应用Redis，理解其底层数据结构、磁盘与内存模型、RDB/AOF持久化机制及Sentinel哨兵模式。。
6. 消息中间件： 熟悉RocketMQ，对其底层刷盘机制、集群分片机制有深入了解，具备处理消息丢失、重复消费等问题的解决方案
7. 软件设计： 熟练运用常见7种设计模式，致力于编写高内聚、低耦合、易扩展的代码，提升项目整体质量。
8. AI：熟悉RAG、Spring AI框架集成LLM大模型，掌握阿里百炼（DashScope）API调用与封装。
9. 向量数据库：熟悉Milvus基本操作（向量入库/检索/批量处理） ，具备RAG检索增强生成落地经验，能完成文本分块、向量嵌入等工程化实现。
10.精通 LangChain、多 Agent 架构、Function Call、JSON Schema 参数校验，可对接第三方 API。
11安全认证开发：熟练运用JWT令牌认证、bcrypt密码加密，可搭建匿名UID+JWT双模式认证体系，具备用户数据安全处理、跨状态数据衔接优化能力。
项目经验
企业级电商 AI 智能客服系统
项目简介：企业级电商 AI 智能客服系统聚焦解决传统电商人工客服人力成本高、并发处理能力弱、服务质量不均的核心痛点，构建 AI 标准化处理 + 人工复杂问题兜底”的全链路智能客服体系。系统基于检索增强生成（RAG）技术保障回复精准性，结合实时 WebSocket 通信实现人工兜底交互，通过向量数据库与大模型的深度融合，支撑7×24小时高并发客服场景。技术栈：SpringBoot、Spring AI、MySQL、Redis、Milvus、WebSocket、Docker、MyBatis-Plus
核心职责与成果：
1.核心架构设计与技术体系搭建：主导企业级 AI 客服系统分层架构设计，设计模块化架构方案， 明确 Redis（短期会话）、 MySQL（结构化数据）、Milvus（向量检索）的分层存储策略，支撑系统高内聚低耦合的可扩展架构。
2.RAG 核心链路研发与性能优化：
a.主导 RAG（检索增强生成）全链路设计与落地，攻克中文文本语义割裂行业痛点， 自研中文友好型 TokenTextSplitter文本分块器，适配中文标点（。！ ？ ）与多系统换行符，解决电商商品文档碎片化匹配失效的核心问题。
b.优化 Milvus 向量存储与检索逻辑，设计 “商品 ID / 文档 ID” 元数据关联策略，实现向量数据精准增删；开发批量分块存储逻辑，将大批量文档向量化效率提升 50%，支撑单商户超 1000 份商品文档的高效检索。
3.实时通信与会话管理体系构建：
a.设计并实现基于 WebSocket 的双向实时通信体系，拆分租户 / 用户双端点隔离架构， 自定义 ChatMessage 消息编解码规范，结合 Redis Pipeline 批量操作优化会话记忆读写性能，支撑单商户同时在线超 500 路客服会话，会话消息传输延迟控制在 100ms 内。
b.构建 “短期 Redis + 长期 MySQL” 双层会话记忆体系，设计可配置化的会话过期策略，人工兜底场景下会话记录同步率达 100%。
项目简介：企业级电商 AI 智能客服系统聚焦解决传统电商人工客服人力成本高、并发处理能力弱、服务质量不均的核心痛点，构建 AI 标准化处理 + 人工复杂问题兜底”的全链路智能客服体系。系统基于检索增强生成（RAG）技术保障回复精准性，结合实时 WebSocket 通信实现人工兜底交互，通过向量数据库与大模型的深度融合，支撑7×24小时高并发客服场景。技术栈：SpringBoot、Spring AI、MySQL、Redis、Milvus、WebSocket、Docker、MyBatis-Plus
核心职责与成果：
1.核心架构设计与技术体系搭建：主导企业级 AI 客服系统分层架构设计，设计模块化架构方案， 明确 Redis（短期会话）、 MySQL（结构化数据）、Milvus（向量检索）的分层存储策略，支撑系统高内聚低耦合的可扩展架构。
2.RAG 核心链路研发与性能优化：
a.主导 RAG（检索增强生成）全链路设计与落地，攻克中文文本语义割裂行业痛点， 自研中文友好型 TokenTextSplitter文本分块器，适配中文标点（。！ ？ ）与多系统换行符，解决电商商品文档碎片化匹配失效的核心问题。
b.优化 Milvus 向量存储与检索逻辑，设计 “商品 ID / 文档 ID” 元数据关联策略，实现向量数据精准增删；开发批量分块存储逻辑，将大批量文档向量化效率提升 50%，支撑单商户超 1000 份商品文档的高效检索。
3.实时通信与会话管理体系构建：
a.设计并实现基于 WebSocket 的双向实时通信体系，拆分租户 / 用户双端点隔离架构， 自定义 ChatMessage 消息编解码规范，结合 Redis Pipeline 批量操作优化会话记忆读写性能，支撑单商户同时在线超 500 路客服会话，会话消息传输延迟控制在 100ms 内。
b.构建 “短期 Redis + 长期 MySQL” 双层会话记忆体系，设计可配置化的会话过期策略，人工兜底场景下会话记录同步率达 100%。
詹詹爱灌篮
后端工程师 · 1年经验 · 北京玄薇智能科技
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
1. Java核心与并发： 深入掌握Java SE（集合原理、NIO/BIO、多线程模型） ，对JVM内存模型、类加载机制、GC算法有深刻理解
2. 熟悉Java并发编程，熟悉AQS、锁机制、线程池原理与实践， 曾在项目中通过线程池优化将系统吞吐量提升。
3. 框架技术与原理： 熟悉Spring生态（Spring Boot、Spring MVC、MyBatis） ，深入研究过框架核心源码，理解Bean生命周期、循环依赖解决方案、Spring Boot自动装配原理及自定义Starter开发。
4. 数据库技术： 深入理解MySQL，包括其锁机制、事务隔离级别、索引原理与优化策略，具备线上项目性能调优经验。
5. 缓存技术： 熟练应用Redis，理解其底层数据结构、磁盘与内存模型、RDB/AOF持久化机制及Sentinel哨兵模式。。
6. 消息中间件： 熟悉RocketMQ，对其底层刷盘机制、集群分片机制有深入了解，具备处理消息丢失、重复消费等问题的解决方案
7. 软件设计： 熟练运用常见7种设计模式，致力于编写高内聚、低耦合、易扩展的代码，提升项目整体质量。
8. AI：熟悉RAG、Spring AI框架集成LLM大模型，掌握阿里百炼（DashScope）API调用与封装。
9. 向量数据库：熟悉Milvus基本操作（向量入库/检索/批量处理） ，具备RAG检索增强生成落地经验，能完成文本分块、向量嵌入等工程化实现。
10.精通 LangChain、多 Agent 架构、Function Call、JSON Schema 参数校验，可对接第三方 API。
11安全认证开发：熟练运用JWT令牌认证、bcrypt密码加密，可搭建匿名UID+JWT双模式认证体系，具备用户数据安全处理、跨状态数据衔接优化能力。
2. 熟悉Java并发编程，熟悉AQS、锁机制、线程池原理与实践， 曾在项目中通过线程池优化将系统吞吐量提升。
3. 框架技术与原理： 熟悉Spring生态（Spring Boot、Spring MVC、MyBatis） ，深入研究过框架核心源码，理解Bean生命周期、循环依赖解决方案、Spring Boot自动装配原理及自定义Starter开发。
4. 数据库技术： 深入理解MySQL，包括其锁机制、事务隔离级别、索引原理与优化策略，具备线上项目性能调优经验。
5. 缓存技术： 熟练应用Redis，理解其底层数据结构、磁盘与内存模型、RDB/AOF持久化机制及Sentinel哨兵模式。。
6. 消息中间件： 熟悉RocketMQ，对其底层刷盘机制、集群分片机制有深入了解，具备处理消息丢失、重复消费等问题的解决方案
7. 软件设计： 熟练运用常见7种设计模式，致力于编写高内聚、低耦合、易扩展的代码，提升项目整体质量。
8. AI：熟悉RAG、Spring AI框架集成LLM大模型，掌握阿里百炼（DashScope）API调用与封装。
9. 向量数据库：熟悉Milvus基本操作（向量入库/检索/批量处理） ，具备RAG检索增强生成落地经验，能完成文本分块、向量嵌入等工程化实现。
10.精通 LangChain、多 Agent 架构、Function Call、JSON Schema 参数校验，可对接第三方 API。
11安全认证开发：熟练运用JWT令牌认证、bcrypt密码加密，可搭建匿名UID+JWT双模式认证体系，具备用户数据安全处理、跨状态数据衔接优化能力。
项目经验
企业级电商 AI 智能客服系统
项目简介：企业级电商 AI 智能客服系统聚焦解决传统电商人工客服人力成本高、并发处理能力弱、服务质量不均的核心痛点，构建 AI 标准化处理 + 人工复杂问题兜底”的全链路智能客服体系。系统基于检索增强生成（RAG）技术保障回复精准性，结合实时 WebSocket 通信实现人工兜底交互，通过向量数据库与大模型的深度融合，支撑7×24小时高并发客服场景。技术栈：SpringBoot、Spring AI、MySQL、Redis、Milvus、WebSocket、Docker、MyBatis-Plus
核心职责与成果：
1.核心架构设计与技术体系搭建：主导企业级 AI 客服系统分层架构设计，设计模块化架构方案， 明确 Redis（短期会话）、 MySQL（结构化数据）、Milvus（向量检索）的分层存储策略，支撑系统高内聚低耦合的可扩展架构。
2.RAG 核心链路研发与性能优化：
a.主导 RAG（检索增强生成）全链路设计与落地，攻克中文文本语义割裂行业痛点， 自研中文友好型 TokenTextSplitter文本分块器，适配中文标点（。！ ？ ）与多系统换行符，解决电商商品文档碎片化匹配失效的核心问题。
b.优化 Milvus 向量存储与检索逻辑，设计 “商品 ID / 文档 ID” 元数据关联策略，实现向量数据精准增删；开发批量分块存储逻辑，将大批量文档向量化效率提升 50%，支撑单商户超 1000 份商品文档的高效检索。
3.实时通信与会话管理体系构建：
a.设计并实现基于 WebSocket 的双向实时通信体系，拆分租户 / 用户双端点隔离架构， 自定义 ChatMessage 消息编解码规范，结合 Redis Pipeline 批量操作优化会话记忆读写性能，支撑单商户同时在线超 500 路客服会话，会话消息传输延迟控制在 100ms 内。
b.构建 “短期 Redis + 长期 MySQL” 双层会话记忆体系，设计可配置化的会话过期策略，人工兜底场景下会话记录同步率达 100%。
项目简介：企业级电商 AI 智能客服系统聚焦解决传统电商人工客服人力成本高、并发处理能力弱、服务质量不均的核心痛点，构建 AI 标准化处理 + 人工复杂问题兜底”的全链路智能客服体系。系统基于检索增强生成（RAG）技术保障回复精准性，结合实时 WebSocket 通信实现人工兜底交互，通过向量数据库与大模型的深度融合，支撑7×24小时高并发客服场景。技术栈：SpringBoot、Spring AI、MySQL、Redis、Milvus、WebSocket、Docker、MyBatis-Plus
核心职责与成果：
1.核心架构设计与技术体系搭建：主导企业级 AI 客服系统分层架构设计，设计模块化架构方案， 明确 Redis（短期会话）、 MySQL（结构化数据）、Milvus（向量检索）的分层存储策略，支撑系统高内聚低耦合的可扩展架构。
2.RAG 核心链路研发与性能优化：
a.主导 RAG（检索增强生成）全链路设计与落地，攻克中文文本语义割裂行业痛点， 自研中文友好型 TokenTextSplitter文本分块器，适配中文标点（。！ ？ ）与多系统换行符，解决电商商品文档碎片化匹配失效的核心问题。
b.优化 Milvus 向量存储与检索逻辑，设计 “商品 ID / 文档 ID” 元数据关联策略，实现向量数据精准增删；开发批量分块存储逻辑，将大批量文档向量化效率提升 50%，支撑单商户超 1000 份商品文档的高效检索。
3.实时通信与会话管理体系构建：
a.设计并实现基于 WebSocket 的双向实时通信体系，拆分租户 / 用户双端点隔离架构， 自定义 ChatMessage 消息编解码规范，结合 Redis Pipeline 批量操作优化会话记忆读写性能，支撑单商户同时在线超 500 路客服会话，会话消息传输延迟控制在 100ms 内。
b.构建 “短期 Redis + 长期 MySQL” 双层会话记忆体系，设计可配置化的会话过期策略，人工兜底场景下会话记录同步率达 100%。
立即沟通
