浅行
ai全栈开发
北京艾内美动画科技有限公司 · 3年经验
日薪：
￥700/8h
地点：
北京
时间：
下班后
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
1、能够熟练的进行 java 编程，理解 java 面向对象思想，具备良好的编码习惯。
2、掌握 Java 基础知识，熟悉 Java 集合体系，对 HashMap 源码有一定理解。
3、熟悉 JVM 内存结构，对堆有一定的了解，熟悉 GC 回收算法，常用的垃圾回收器。
4、熟悉 Java 多线程，熟悉 JUC 并发工具包里的常用类(atomic 原子类、线程池、锁(lock))。
5、熟练使用 SpringMVC、Spring、MyBatis 框架进行整合开发，熟悉 Spring 框架、了解 SpringMVC 原理。
6、熟练使用 SpringBoot、SpringCloud、SpringCloudAlibaba 微服务框架，了解 SpringBoot 的自动配置，
熟悉 SpringCloud 的 OpenFeign、Gateway，SpringCloudAlibaba 的 Nacos，有微服务项目开发经验。
7、熟练使用 MySQL 数据库，熟悉数据库引擎、索引、SQL 语句书写，索引优化。
8、熟悉 Redis 数据库，数据类型、实现分布式锁，在项目中有使用经验，Redission 结合 Redis 实现过分布式锁
的应用，对持久化、集群原理有一定的了解。
9、熟悉 RabbitMQ 消息中间件，消息模型、持久化、ACK 消息确认，实现分布式事务最终的一致性。
10、了解 ElasticSearch 搜索引擎的配置以及应用，了解 IK 分词器的使用。
11、了解 Python 基本语法，常用容器数据类型以及面向对象基本思想，有过 python 开发经验。
12、熟练掌握 LangChain4J 、Spring AI 、Spring AIAlibaba 等大模型调用实现智能对话，掌握 Function
Calling 实现工具调用、MCP 协议构建模型上下文、RAG 增强知识检索，具备基于大模型技术栈构建智能应用的
全流程能力。
13、熟练掌握智能体 Agent 系统开发，具备大模型流式配置、会话隔离的聊天记忆管理及工具类 Tools 生态扩
展能力，与本地大模型部署优化。
14、熟练使用 Idea、VScode 开发工具，熟练使用 Git 代码管理工具和 Maven 项
2、掌握 Java 基础知识，熟悉 Java 集合体系，对 HashMap 源码有一定理解。
3、熟悉 JVM 内存结构，对堆有一定的了解，熟悉 GC 回收算法，常用的垃圾回收器。
4、熟悉 Java 多线程，熟悉 JUC 并发工具包里的常用类(atomic 原子类、线程池、锁(lock))。
5、熟练使用 SpringMVC、Spring、MyBatis 框架进行整合开发，熟悉 Spring 框架、了解 SpringMVC 原理。
6、熟练使用 SpringBoot、SpringCloud、SpringCloudAlibaba 微服务框架，了解 SpringBoot 的自动配置，
熟悉 SpringCloud 的 OpenFeign、Gateway，SpringCloudAlibaba 的 Nacos，有微服务项目开发经验。
7、熟练使用 MySQL 数据库，熟悉数据库引擎、索引、SQL 语句书写，索引优化。
8、熟悉 Redis 数据库，数据类型、实现分布式锁，在项目中有使用经验，Redission 结合 Redis 实现过分布式锁
的应用，对持久化、集群原理有一定的了解。
9、熟悉 RabbitMQ 消息中间件，消息模型、持久化、ACK 消息确认，实现分布式事务最终的一致性。
10、了解 ElasticSearch 搜索引擎的配置以及应用，了解 IK 分词器的使用。
11、了解 Python 基本语法，常用容器数据类型以及面向对象基本思想，有过 python 开发经验。
12、熟练掌握 LangChain4J 、Spring AI 、Spring AIAlibaba 等大模型调用实现智能对话，掌握 Function
Calling 实现工具调用、MCP 协议构建模型上下文、RAG 增强知识检索，具备基于大模型技术栈构建智能应用的
全流程能力。
13、熟练掌握智能体 Agent 系统开发，具备大模型流式配置、会话隔离的聊天记忆管理及工具类 Tools 生态扩
展能力，与本地大模型部署优化。
14、熟练使用 Idea、VScode 开发工具，熟练使用 Git 代码管理工具和 Maven 项
项目经验
项目简介：是一款专注于学科知识领域的知识分享微信小程序，采用 SpringBoot+SpringCloud 构建高可用微服务
架构，通过 LangChain4j 及大模型能力为用户提供个性化学习路径规划与智能答疑。平台支持按学科分类、精准
检索年级学科课程，设有热门课程排行榜（基于学习时长、购买量、评论量），课程体系支持灵活付费模式（整套
购买/分章节模块订阅）与多渠道支付（微信/余额），助力学生用户群体高效学习。
技术栈：SSM+SpringBoot +SpringCloud+ Mysql + Redis + RabbitMQ + ElasticSearch + xxl-Job + Canal +
Seata + LangChain4j + MongoDB
工作内容：
后台管理模块：
1、设计与实现了基于 MinIO 分布式存储的学科封面管理体系，并集成腾讯云点播与数据万象服务，构建了各学科
章节音视频文件从上传、存储到智能审核的全链路自动化流程，将人工审核成本降低 70%。
2、主导数据查询性能优化，通过 MyBatis-Plus 分页与 SQL 高级查询（如 GROUP BY 行转列），结合 EXPLAIN
执行计划分析将核心查询性能提升 3 倍，系统响应时间稳定在 200ms 内。
3、针对海量学科数据，防止 SQL 索引失效，引入 Elasticsearch 搜索引擎与 CountDownLatch 多线程技术，实
现了学科信息的秒级检索与批量上架。
学科详情模块：
1、构建了基于 LangChain4j 的 @AiService 的智能体系统。通过集成 RAG 技术，使用通义千问向量模型和
Pinecone 向量数据库实现精准知识检索；设计 MongoDB 持久化聊天记忆保障多用户上下文隔离；利用@Tool 注
解扩展用户个人情况。最终与 AI 数字人技术整合，实现了定制化学习的智能播报。
2、运用 CompletableFuture 多线程异步编排技术，将学科详情页的多个数据源查询并行化，将页面加载时间从 2
秒 优化至 500 毫秒 以内。
3、设计并实现了一套基于 AOP + 自定义注解 的通用缓存解决方案，使缓存逻辑与业务代码解耦，代码复用率提
升，并极大简化了后续维护。
4、系统性解决了缓存经典问题：通过 Redisson 分布式锁防击穿、布隆过滤器防穿透、随机过期时间防雪崩、Canal
异步同步保障数据一致性，使核心接口缓存命中率高达 98%，数据库 QPS 降低 40%。
5、通过 Redis SETNX 命令实现每日播放量防刷机制，并结合消息队列异步更新统计数据，每日有效拦截恶意刷量
请求超过，保障了数据真实性。
6、使用 Rabbit MQ 实现异步解耦统计信息，确保主页务逻辑不受影响的同时统计表中各数据也具有真实性。
7、基于 XXL-Job 分布式任务调度框架，实现了排行榜自动更新与用户 VIP 状态定时巡检，将人工干预成本降低。
订单模块采用策略模式与工厂模式重构订单系统，优雅地支持了 VIP、整套学科、单集章节等多种购买类型，使系
统扩展性显著增强，新增一种购买策略的开发周期从 2 人/日 缩短至 0.5 人/日。
架构，通过 LangChain4j 及大模型能力为用户提供个性化学习路径规划与智能答疑。平台支持按学科分类、精准
检索年级学科课程，设有热门课程排行榜（基于学习时长、购买量、评论量），课程体系支持灵活付费模式（整套
购买/分章节模块订阅）与多渠道支付（微信/余额），助力学生用户群体高效学习。
技术栈：SSM+SpringBoot +SpringCloud+ Mysql + Redis + RabbitMQ + ElasticSearch + xxl-Job + Canal +
Seata + LangChain4j + MongoDB
工作内容：
后台管理模块：
1、设计与实现了基于 MinIO 分布式存储的学科封面管理体系，并集成腾讯云点播与数据万象服务，构建了各学科
章节音视频文件从上传、存储到智能审核的全链路自动化流程，将人工审核成本降低 70%。
2、主导数据查询性能优化，通过 MyBatis-Plus 分页与 SQL 高级查询（如 GROUP BY 行转列），结合 EXPLAIN
执行计划分析将核心查询性能提升 3 倍，系统响应时间稳定在 200ms 内。
3、针对海量学科数据，防止 SQL 索引失效，引入 Elasticsearch 搜索引擎与 CountDownLatch 多线程技术，实
现了学科信息的秒级检索与批量上架。
学科详情模块：
1、构建了基于 LangChain4j 的 @AiService 的智能体系统。通过集成 RAG 技术，使用通义千问向量模型和
Pinecone 向量数据库实现精准知识检索；设计 MongoDB 持久化聊天记忆保障多用户上下文隔离；利用@Tool 注
解扩展用户个人情况。最终与 AI 数字人技术整合，实现了定制化学习的智能播报。
2、运用 CompletableFuture 多线程异步编排技术，将学科详情页的多个数据源查询并行化，将页面加载时间从 2
秒 优化至 500 毫秒 以内。
3、设计并实现了一套基于 AOP + 自定义注解 的通用缓存解决方案，使缓存逻辑与业务代码解耦，代码复用率提
升，并极大简化了后续维护。
4、系统性解决了缓存经典问题：通过 Redisson 分布式锁防击穿、布隆过滤器防穿透、随机过期时间防雪崩、Canal
异步同步保障数据一致性，使核心接口缓存命中率高达 98%，数据库 QPS 降低 40%。
5、通过 Redis SETNX 命令实现每日播放量防刷机制，并结合消息队列异步更新统计数据，每日有效拦截恶意刷量
请求超过，保障了数据真实性。
6、使用 Rabbit MQ 实现异步解耦统计信息，确保主页务逻辑不受影响的同时统计表中各数据也具有真实性。
7、基于 XXL-Job 分布式任务调度框架，实现了排行榜自动更新与用户 VIP 状态定时巡检，将人工干预成本降低。
订单模块采用策略模式与工厂模式重构订单系统，优雅地支持了 VIP、整套学科、单集章节等多种购买类型，使系
统扩展性显著增强，新增一种购买策略的开发周期从 2 人/日 缩短至 0.5 人/日。
浅行
ai全栈开发 · 3年经验 · 北京艾内美动画科技有限公司
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
1、能够熟练的进行 java 编程，理解 java 面向对象思想，具备良好的编码习惯。
2、掌握 Java 基础知识，熟悉 Java 集合体系，对 HashMap 源码有一定理解。
3、熟悉 JVM 内存结构，对堆有一定的了解，熟悉 GC 回收算法，常用的垃圾回收器。
4、熟悉 Java 多线程，熟悉 JUC 并发工具包里的常用类(atomic 原子类、线程池、锁(lock))。
5、熟练使用 SpringMVC、Spring、MyBatis 框架进行整合开发，熟悉 Spring 框架、了解 SpringMVC 原理。
6、熟练使用 SpringBoot、SpringCloud、SpringCloudAlibaba 微服务框架，了解 SpringBoot 的自动配置，
熟悉 SpringCloud 的 OpenFeign、Gateway，SpringCloudAlibaba 的 Nacos，有微服务项目开发经验。
7、熟练使用 MySQL 数据库，熟悉数据库引擎、索引、SQL 语句书写，索引优化。
8、熟悉 Redis 数据库，数据类型、实现分布式锁，在项目中有使用经验，Redission 结合 Redis 实现过分布式锁
的应用，对持久化、集群原理有一定的了解。
9、熟悉 RabbitMQ 消息中间件，消息模型、持久化、ACK 消息确认，实现分布式事务最终的一致性。
10、了解 ElasticSearch 搜索引擎的配置以及应用，了解 IK 分词器的使用。
11、了解 Python 基本语法，常用容器数据类型以及面向对象基本思想，有过 python 开发经验。
12、熟练掌握 LangChain4J 、Spring AI 、Spring AIAlibaba 等大模型调用实现智能对话，掌握 Function
Calling 实现工具调用、MCP 协议构建模型上下文、RAG 增强知识检索，具备基于大模型技术栈构建智能应用的
全流程能力。
13、熟练掌握智能体 Agent 系统开发，具备大模型流式配置、会话隔离的聊天记忆管理及工具类 Tools 生态扩
展能力，与本地大模型部署优化。
14、熟练使用 Idea、VScode 开发工具，熟练使用 Git 代码管理工具和 Maven 项
2、掌握 Java 基础知识，熟悉 Java 集合体系，对 HashMap 源码有一定理解。
3、熟悉 JVM 内存结构，对堆有一定的了解，熟悉 GC 回收算法，常用的垃圾回收器。
4、熟悉 Java 多线程，熟悉 JUC 并发工具包里的常用类(atomic 原子类、线程池、锁(lock))。
5、熟练使用 SpringMVC、Spring、MyBatis 框架进行整合开发，熟悉 Spring 框架、了解 SpringMVC 原理。
6、熟练使用 SpringBoot、SpringCloud、SpringCloudAlibaba 微服务框架，了解 SpringBoot 的自动配置，
熟悉 SpringCloud 的 OpenFeign、Gateway，SpringCloudAlibaba 的 Nacos，有微服务项目开发经验。
7、熟练使用 MySQL 数据库，熟悉数据库引擎、索引、SQL 语句书写，索引优化。
8、熟悉 Redis 数据库，数据类型、实现分布式锁，在项目中有使用经验，Redission 结合 Redis 实现过分布式锁
的应用，对持久化、集群原理有一定的了解。
9、熟悉 RabbitMQ 消息中间件，消息模型、持久化、ACK 消息确认，实现分布式事务最终的一致性。
10、了解 ElasticSearch 搜索引擎的配置以及应用，了解 IK 分词器的使用。
11、了解 Python 基本语法，常用容器数据类型以及面向对象基本思想，有过 python 开发经验。
12、熟练掌握 LangChain4J 、Spring AI 、Spring AIAlibaba 等大模型调用实现智能对话，掌握 Function
Calling 实现工具调用、MCP 协议构建模型上下文、RAG 增强知识检索，具备基于大模型技术栈构建智能应用的
全流程能力。
13、熟练掌握智能体 Agent 系统开发，具备大模型流式配置、会话隔离的聊天记忆管理及工具类 Tools 生态扩
展能力，与本地大模型部署优化。
14、熟练使用 Idea、VScode 开发工具，熟练使用 Git 代码管理工具和 Maven 项
项目经验
项目简介：是一款专注于学科知识领域的知识分享微信小程序，采用 SpringBoot+SpringCloud 构建高可用微服务
架构，通过 LangChain4j 及大模型能力为用户提供个性化学习路径规划与智能答疑。平台支持按学科分类、精准
检索年级学科课程，设有热门课程排行榜（基于学习时长、购买量、评论量），课程体系支持灵活付费模式（整套
购买/分章节模块订阅）与多渠道支付（微信/余额），助力学生用户群体高效学习。
技术栈：SSM+SpringBoot +SpringCloud+ Mysql + Redis + RabbitMQ + ElasticSearch + xxl-Job + Canal +
Seata + LangChain4j + MongoDB
工作内容：
后台管理模块：
1、设计与实现了基于 MinIO 分布式存储的学科封面管理体系，并集成腾讯云点播与数据万象服务，构建了各学科
章节音视频文件从上传、存储到智能审核的全链路自动化流程，将人工审核成本降低 70%。
2、主导数据查询性能优化，通过 MyBatis-Plus 分页与 SQL 高级查询（如 GROUP BY 行转列），结合 EXPLAIN
执行计划分析将核心查询性能提升 3 倍，系统响应时间稳定在 200ms 内。
3、针对海量学科数据，防止 SQL 索引失效，引入 Elasticsearch 搜索引擎与 CountDownLatch 多线程技术，实
现了学科信息的秒级检索与批量上架。
学科详情模块：
1、构建了基于 LangChain4j 的 @AiService 的智能体系统。通过集成 RAG 技术，使用通义千问向量模型和
Pinecone 向量数据库实现精准知识检索；设计 MongoDB 持久化聊天记忆保障多用户上下文隔离；利用@Tool 注
解扩展用户个人情况。最终与 AI 数字人技术整合，实现了定制化学习的智能播报。
2、运用 CompletableFuture 多线程异步编排技术，将学科详情页的多个数据源查询并行化，将页面加载时间从 2
秒 优化至 500 毫秒 以内。
3、设计并实现了一套基于 AOP + 自定义注解 的通用缓存解决方案，使缓存逻辑与业务代码解耦，代码复用率提
升，并极大简化了后续维护。
4、系统性解决了缓存经典问题：通过 Redisson 分布式锁防击穿、布隆过滤器防穿透、随机过期时间防雪崩、Canal
异步同步保障数据一致性，使核心接口缓存命中率高达 98%，数据库 QPS 降低 40%。
5、通过 Redis SETNX 命令实现每日播放量防刷机制，并结合消息队列异步更新统计数据，每日有效拦截恶意刷量
请求超过，保障了数据真实性。
6、使用 Rabbit MQ 实现异步解耦统计信息，确保主页务逻辑不受影响的同时统计表中各数据也具有真实性。
7、基于 XXL-Job 分布式任务调度框架，实现了排行榜自动更新与用户 VIP 状态定时巡检，将人工干预成本降低。
订单模块采用策略模式与工厂模式重构订单系统，优雅地支持了 VIP、整套学科、单集章节等多种购买类型，使系
统扩展性显著增强，新增一种购买策略的开发周期从 2 人/日 缩短至 0.5 人/日。
架构，通过 LangChain4j 及大模型能力为用户提供个性化学习路径规划与智能答疑。平台支持按学科分类、精准
检索年级学科课程，设有热门课程排行榜（基于学习时长、购买量、评论量），课程体系支持灵活付费模式（整套
购买/分章节模块订阅）与多渠道支付（微信/余额），助力学生用户群体高效学习。
技术栈：SSM+SpringBoot +SpringCloud+ Mysql + Redis + RabbitMQ + ElasticSearch + xxl-Job + Canal +
Seata + LangChain4j + MongoDB
工作内容：
后台管理模块：
1、设计与实现了基于 MinIO 分布式存储的学科封面管理体系，并集成腾讯云点播与数据万象服务，构建了各学科
章节音视频文件从上传、存储到智能审核的全链路自动化流程，将人工审核成本降低 70%。
2、主导数据查询性能优化，通过 MyBatis-Plus 分页与 SQL 高级查询（如 GROUP BY 行转列），结合 EXPLAIN
执行计划分析将核心查询性能提升 3 倍，系统响应时间稳定在 200ms 内。
3、针对海量学科数据，防止 SQL 索引失效，引入 Elasticsearch 搜索引擎与 CountDownLatch 多线程技术，实
现了学科信息的秒级检索与批量上架。
学科详情模块：
1、构建了基于 LangChain4j 的 @AiService 的智能体系统。通过集成 RAG 技术，使用通义千问向量模型和
Pinecone 向量数据库实现精准知识检索；设计 MongoDB 持久化聊天记忆保障多用户上下文隔离；利用@Tool 注
解扩展用户个人情况。最终与 AI 数字人技术整合，实现了定制化学习的智能播报。
2、运用 CompletableFuture 多线程异步编排技术，将学科详情页的多个数据源查询并行化，将页面加载时间从 2
秒 优化至 500 毫秒 以内。
3、设计并实现了一套基于 AOP + 自定义注解 的通用缓存解决方案，使缓存逻辑与业务代码解耦，代码复用率提
升，并极大简化了后续维护。
4、系统性解决了缓存经典问题：通过 Redisson 分布式锁防击穿、布隆过滤器防穿透、随机过期时间防雪崩、Canal
异步同步保障数据一致性，使核心接口缓存命中率高达 98%，数据库 QPS 降低 40%。
5、通过 Redis SETNX 命令实现每日播放量防刷机制，并结合消息队列异步更新统计数据，每日有效拦截恶意刷量
请求超过，保障了数据真实性。
6、使用 Rabbit MQ 实现异步解耦统计信息，确保主页务逻辑不受影响的同时统计表中各数据也具有真实性。
7、基于 XXL-Job 分布式任务调度框架，实现了排行榜自动更新与用户 VIP 状态定时巡检，将人工干预成本降低。
订单模块采用策略模式与工厂模式重构订单系统，优雅地支持了 VIP、整套学科、单集章节等多种购买类型，使系
统扩展性显著增强，新增一种购买策略的开发周期从 2 人/日 缩短至 0.5 人/日。
立即沟通
