聂富泽
高级java工程师
卓越 · 10年经验
日薪：
￥500/8h
地点：
西安
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
深入理解 Java 核心与 JUC 并发编程（JMM、AQS、线程池、并发容器、CompletableFuture），熟悉 Java 8-21 语言特性与虚拟线程。
掌握 JVM 内存模型、类加载与 G1/ZGC 调优，具备线上 Full GC、内存泄漏、CPU 飙高问题的定位与优化经验。
精通 Spring / Spring Boot / Spring Cloud 体系，理解核心源码机制与事务失效场景，有自定义 Starter 与公共服务抽象经验。
深入理解 MySQL 索引、事务与 MVCC 及慢 SQL 治理，熟悉 Redis 高可用机制、缓存一致性与分布式锁实践。
熟悉 Kafka/RocketMQ 消息语义与幂等消费，具备分布式事务、限流熔断、服务治理与高并发方案设计能力。
熟悉 Docker/Kubernetes、CI/CD 与可观测性建设，有技术方案评审、带教与稳定性治理经验。
掌握 JVM 内存模型、类加载与 G1/ZGC 调优，具备线上 Full GC、内存泄漏、CPU 飙高问题的定位与优化经验。
精通 Spring / Spring Boot / Spring Cloud 体系，理解核心源码机制与事务失效场景，有自定义 Starter 与公共服务抽象经验。
深入理解 MySQL 索引、事务与 MVCC 及慢 SQL 治理，熟悉 Redis 高可用机制、缓存一致性与分布式锁实践。
熟悉 Kafka/RocketMQ 消息语义与幂等消费，具备分布式事务、限流熔断、服务治理与高并发方案设计能力。
熟悉 Docker/Kubernetes、CI/CD 与可观测性建设，有技术方案评审、带教与稳定性治理经验。
项目经验
项目一：企业级 AI Agent 平台 / 智能问答
角色：后端与 AI 工程化负责人（主导架构与核心模块）
背景：面向集团内部客服与运营场景的企业级 RAG + Agent 平台，统一承接多业务线的模型应用需求，日均对话请求 50w+，纳管知识库文档 120w+ 篇、向量切片约 2 亿条。
技术栈：Spring AI Alibaba / LangChain4j、Spring Boot 3、Qwen/DeepSeek（vLLM 私有化部署）、Milvus + Elasticsearch 混合检索、Redis、RocketMQ、PostgreSQL、Prometheus + Langfuse/OpenTelemetry
关键工作
主导 RAG 检索链路设计与落地：文档解析与分块策略（结构感知切分、表格转 Markdown）、混合检索（BM25 + KNN）+ Rerank 重排、元数据过滤与多路召回融合，将检索召回率从 71% 提升至 93%。
建设幻觉治理与评测体系：搭建 1200+ 条标注评测集，接入 RAGAS 指标（忠实度、答案相关性、上下文召回），实现 Prompt/模型/分块策略变更的自动化回归，上线前卡点，线上问答准确率由 62% 提升至 89%。
实现 Agent 工具编排与函数调用框架：将 40+ 内部业务能力封装为 MCP 工具并统一鉴权与限流，设计 Plan-Execute 循环、上下文压缩与会话状态机，复杂任务端到端完成率从 41% 提升至 76%。
攻坚稳定性与成本：模型响应全链路流式（SSE）与超时降级、多模型路由与自动 fallback、语义缓存与批处理合并、Token 预算与租户级配额治理，单次会话平均成本下降 58%，GPU 推理资源利用率提升 2.3 倍。
量化成果：首 Token 延迟 P99 由 3.4s 降至 1.1s；人工工单转接率下降 43%；平台支撑 9 条业务线接入，零重大线上故障。
项目二：高并发交易与库存中心（硬核工程能力背书）
角色：核心开发与模块 Owner
背景：电商大促场景的交易履约与库存中台，日常峰值 3w QPS，大促峰值 12w QPS，管理 SKU 800w+，日订单量 600w+。
技术栈：Spring Cloud（Nacos/Gateway/OpenFeign/Sentinel）、MySQL + ShardingSphere 分库分表、Redis Cluster + Redisson、RocketMQ 事务消息、Canal、JVM 调优
关键工作
重构库存扣减链路：预扣 + 异步落库 + Lua 原子校验，配合库存分桶与热点 SKU 打散，解决单行热点更新导致的锁等待雪崩，扣减接口 P99 由 800ms 降至 120ms。
设计超卖防护与一致性方案：多级缓存 + DB 乐观锁兜底 + RocketMQ 事务消息驱动最终一致，对账任务实时比对差异并自动补偿，全年超卖事故 0 起。
主导订单库分库分表与平滑扩容：按用户 ID 基因法分片解决买家/卖家双维度查询，配合 Canal 同步异构索引库，单表数据量由 8000w 降至 500w，在线扩容零停机。
建设大促保障体系：全链路压测、限流降级预案、缓存预热与库存快照、值班与故障演练，核心链路容量提升 4 倍。
量化成果：大促期间系统零故障，接口成功率 99.99%；数据库慢 SQL 数量下降 87%。
项目三：实时数据与风控决策引擎（数据 + 业务方向）
角色：架构设计与核心开发
背景：面向支付与营销场景的实时风控与决策平台，日处理事件 8000w+，纳管规则 3000+ 条，为业务提供毫秒级风险识别与决策能力。
技术栈：Flink CDC + Paimon、Kafka、Doris/StarRocks、规则引擎（Drools/自研）、Redis、Nebula 图数据库、Spring Boot
关键工作
搭建实时特征计算链路：Flink 双流 Connect 与滑动窗口聚合、状态后端 RocksDB 调优与 Checkpoint 反压治理，特征时效性由 T+1 提升至秒级，作业端到端 P99 延迟 800ms。
设计规则引擎与决策编排：支持规则热更新、灰度发布与 AB 分流、决策树/DAG 可视化编排，规则上线周期从 3 天缩短至 2 小时。
建设近线-在线一致性存储：明细写入 Doris 支撑多维分析，画像与名单类高频读走 Redis + 本地缓存双层，决策接口 P99 稳定在 45ms 以内。
主导设备指纹与关联图谱能力：基于图数据库挖掘团伙欺诈，命中准确率提升 27 个百分点，累计拦截风险交易约
角色：后端与 AI 工程化负责人（主导架构与核心模块）
背景：面向集团内部客服与运营场景的企业级 RAG + Agent 平台，统一承接多业务线的模型应用需求，日均对话请求 50w+，纳管知识库文档 120w+ 篇、向量切片约 2 亿条。
技术栈：Spring AI Alibaba / LangChain4j、Spring Boot 3、Qwen/DeepSeek（vLLM 私有化部署）、Milvus + Elasticsearch 混合检索、Redis、RocketMQ、PostgreSQL、Prometheus + Langfuse/OpenTelemetry
关键工作
主导 RAG 检索链路设计与落地：文档解析与分块策略（结构感知切分、表格转 Markdown）、混合检索（BM25 + KNN）+ Rerank 重排、元数据过滤与多路召回融合，将检索召回率从 71% 提升至 93%。
建设幻觉治理与评测体系：搭建 1200+ 条标注评测集，接入 RAGAS 指标（忠实度、答案相关性、上下文召回），实现 Prompt/模型/分块策略变更的自动化回归，上线前卡点，线上问答准确率由 62% 提升至 89%。
实现 Agent 工具编排与函数调用框架：将 40+ 内部业务能力封装为 MCP 工具并统一鉴权与限流，设计 Plan-Execute 循环、上下文压缩与会话状态机，复杂任务端到端完成率从 41% 提升至 76%。
攻坚稳定性与成本：模型响应全链路流式（SSE）与超时降级、多模型路由与自动 fallback、语义缓存与批处理合并、Token 预算与租户级配额治理，单次会话平均成本下降 58%，GPU 推理资源利用率提升 2.3 倍。
量化成果：首 Token 延迟 P99 由 3.4s 降至 1.1s；人工工单转接率下降 43%；平台支撑 9 条业务线接入，零重大线上故障。
项目二：高并发交易与库存中心（硬核工程能力背书）
角色：核心开发与模块 Owner
背景：电商大促场景的交易履约与库存中台，日常峰值 3w QPS，大促峰值 12w QPS，管理 SKU 800w+，日订单量 600w+。
技术栈：Spring Cloud（Nacos/Gateway/OpenFeign/Sentinel）、MySQL + ShardingSphere 分库分表、Redis Cluster + Redisson、RocketMQ 事务消息、Canal、JVM 调优
关键工作
重构库存扣减链路：预扣 + 异步落库 + Lua 原子校验，配合库存分桶与热点 SKU 打散，解决单行热点更新导致的锁等待雪崩，扣减接口 P99 由 800ms 降至 120ms。
设计超卖防护与一致性方案：多级缓存 + DB 乐观锁兜底 + RocketMQ 事务消息驱动最终一致，对账任务实时比对差异并自动补偿，全年超卖事故 0 起。
主导订单库分库分表与平滑扩容：按用户 ID 基因法分片解决买家/卖家双维度查询，配合 Canal 同步异构索引库，单表数据量由 8000w 降至 500w，在线扩容零停机。
建设大促保障体系：全链路压测、限流降级预案、缓存预热与库存快照、值班与故障演练，核心链路容量提升 4 倍。
量化成果：大促期间系统零故障，接口成功率 99.99%；数据库慢 SQL 数量下降 87%。
项目三：实时数据与风控决策引擎（数据 + 业务方向）
角色：架构设计与核心开发
背景：面向支付与营销场景的实时风控与决策平台，日处理事件 8000w+，纳管规则 3000+ 条，为业务提供毫秒级风险识别与决策能力。
技术栈：Flink CDC + Paimon、Kafka、Doris/StarRocks、规则引擎（Drools/自研）、Redis、Nebula 图数据库、Spring Boot
关键工作
搭建实时特征计算链路：Flink 双流 Connect 与滑动窗口聚合、状态后端 RocksDB 调优与 Checkpoint 反压治理，特征时效性由 T+1 提升至秒级，作业端到端 P99 延迟 800ms。
设计规则引擎与决策编排：支持规则热更新、灰度发布与 AB 分流、决策树/DAG 可视化编排，规则上线周期从 3 天缩短至 2 小时。
建设近线-在线一致性存储：明细写入 Doris 支撑多维分析，画像与名单类高频读走 Redis + 本地缓存双层，决策接口 P99 稳定在 45ms 以内。
主导设备指纹与关联图谱能力：基于图数据库挖掘团伙欺诈，命中准确率提升 27 个百分点，累计拦截风险交易约
聂富泽
高级java工程师 · 10年经验 · 卓越
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
深入理解 Java 核心与 JUC 并发编程（JMM、AQS、线程池、并发容器、CompletableFuture），熟悉 Java 8-21 语言特性与虚拟线程。
掌握 JVM 内存模型、类加载与 G1/ZGC 调优，具备线上 Full GC、内存泄漏、CPU 飙高问题的定位与优化经验。
精通 Spring / Spring Boot / Spring Cloud 体系，理解核心源码机制与事务失效场景，有自定义 Starter 与公共服务抽象经验。
深入理解 MySQL 索引、事务与 MVCC 及慢 SQL 治理，熟悉 Redis 高可用机制、缓存一致性与分布式锁实践。
熟悉 Kafka/RocketMQ 消息语义与幂等消费，具备分布式事务、限流熔断、服务治理与高并发方案设计能力。
熟悉 Docker/Kubernetes、CI/CD 与可观测性建设，有技术方案评审、带教与稳定性治理经验。
掌握 JVM 内存模型、类加载与 G1/ZGC 调优，具备线上 Full GC、内存泄漏、CPU 飙高问题的定位与优化经验。
精通 Spring / Spring Boot / Spring Cloud 体系，理解核心源码机制与事务失效场景，有自定义 Starter 与公共服务抽象经验。
深入理解 MySQL 索引、事务与 MVCC 及慢 SQL 治理，熟悉 Redis 高可用机制、缓存一致性与分布式锁实践。
熟悉 Kafka/RocketMQ 消息语义与幂等消费，具备分布式事务、限流熔断、服务治理与高并发方案设计能力。
熟悉 Docker/Kubernetes、CI/CD 与可观测性建设，有技术方案评审、带教与稳定性治理经验。
项目经验
项目一：企业级 AI Agent 平台 / 智能问答
角色：后端与 AI 工程化负责人（主导架构与核心模块）
背景：面向集团内部客服与运营场景的企业级 RAG + Agent 平台，统一承接多业务线的模型应用需求，日均对话请求 50w+，纳管知识库文档 120w+ 篇、向量切片约 2 亿条。
技术栈：Spring AI Alibaba / LangChain4j、Spring Boot 3、Qwen/DeepSeek（vLLM 私有化部署）、Milvus + Elasticsearch 混合检索、Redis、RocketMQ、PostgreSQL、Prometheus + Langfuse/OpenTelemetry
关键工作
主导 RAG 检索链路设计与落地：文档解析与分块策略（结构感知切分、表格转 Markdown）、混合检索（BM25 + KNN）+ Rerank 重排、元数据过滤与多路召回融合，将检索召回率从 71% 提升至 93%。
建设幻觉治理与评测体系：搭建 1200+ 条标注评测集，接入 RAGAS 指标（忠实度、答案相关性、上下文召回），实现 Prompt/模型/分块策略变更的自动化回归，上线前卡点，线上问答准确率由 62% 提升至 89%。
实现 Agent 工具编排与函数调用框架：将 40+ 内部业务能力封装为 MCP 工具并统一鉴权与限流，设计 Plan-Execute 循环、上下文压缩与会话状态机，复杂任务端到端完成率从 41% 提升至 76%。
攻坚稳定性与成本：模型响应全链路流式（SSE）与超时降级、多模型路由与自动 fallback、语义缓存与批处理合并、Token 预算与租户级配额治理，单次会话平均成本下降 58%，GPU 推理资源利用率提升 2.3 倍。
量化成果：首 Token 延迟 P99 由 3.4s 降至 1.1s；人工工单转接率下降 43%；平台支撑 9 条业务线接入，零重大线上故障。
项目二：高并发交易与库存中心（硬核工程能力背书）
角色：核心开发与模块 Owner
背景：电商大促场景的交易履约与库存中台，日常峰值 3w QPS，大促峰值 12w QPS，管理 SKU 800w+，日订单量 600w+。
技术栈：Spring Cloud（Nacos/Gateway/OpenFeign/Sentinel）、MySQL + ShardingSphere 分库分表、Redis Cluster + Redisson、RocketMQ 事务消息、Canal、JVM 调优
关键工作
重构库存扣减链路：预扣 + 异步落库 + Lua 原子校验，配合库存分桶与热点 SKU 打散，解决单行热点更新导致的锁等待雪崩，扣减接口 P99 由 800ms 降至 120ms。
设计超卖防护与一致性方案：多级缓存 + DB 乐观锁兜底 + RocketMQ 事务消息驱动最终一致，对账任务实时比对差异并自动补偿，全年超卖事故 0 起。
主导订单库分库分表与平滑扩容：按用户 ID 基因法分片解决买家/卖家双维度查询，配合 Canal 同步异构索引库，单表数据量由 8000w 降至 500w，在线扩容零停机。
建设大促保障体系：全链路压测、限流降级预案、缓存预热与库存快照、值班与故障演练，核心链路容量提升 4 倍。
量化成果：大促期间系统零故障，接口成功率 99.99%；数据库慢 SQL 数量下降 87%。
项目三：实时数据与风控决策引擎（数据 + 业务方向）
角色：架构设计与核心开发
背景：面向支付与营销场景的实时风控与决策平台，日处理事件 8000w+，纳管规则 3000+ 条，为业务提供毫秒级风险识别与决策能力。
技术栈：Flink CDC + Paimon、Kafka、Doris/StarRocks、规则引擎（Drools/自研）、Redis、Nebula 图数据库、Spring Boot
关键工作
搭建实时特征计算链路：Flink 双流 Connect 与滑动窗口聚合、状态后端 RocksDB 调优与 Checkpoint 反压治理，特征时效性由 T+1 提升至秒级，作业端到端 P99 延迟 800ms。
设计规则引擎与决策编排：支持规则热更新、灰度发布与 AB 分流、决策树/DAG 可视化编排，规则上线周期从 3 天缩短至 2 小时。
建设近线-在线一致性存储：明细写入 Doris 支撑多维分析，画像与名单类高频读走 Redis + 本地缓存双层，决策接口 P99 稳定在 45ms 以内。
主导设备指纹与关联图谱能力：基于图数据库挖掘团伙欺诈，命中准确率提升 27 个百分点，累计拦截风险交易约
角色：后端与 AI 工程化负责人（主导架构与核心模块）
背景：面向集团内部客服与运营场景的企业级 RAG + Agent 平台，统一承接多业务线的模型应用需求，日均对话请求 50w+，纳管知识库文档 120w+ 篇、向量切片约 2 亿条。
技术栈：Spring AI Alibaba / LangChain4j、Spring Boot 3、Qwen/DeepSeek（vLLM 私有化部署）、Milvus + Elasticsearch 混合检索、Redis、RocketMQ、PostgreSQL、Prometheus + Langfuse/OpenTelemetry
关键工作
主导 RAG 检索链路设计与落地：文档解析与分块策略（结构感知切分、表格转 Markdown）、混合检索（BM25 + KNN）+ Rerank 重排、元数据过滤与多路召回融合，将检索召回率从 71% 提升至 93%。
建设幻觉治理与评测体系：搭建 1200+ 条标注评测集，接入 RAGAS 指标（忠实度、答案相关性、上下文召回），实现 Prompt/模型/分块策略变更的自动化回归，上线前卡点，线上问答准确率由 62% 提升至 89%。
实现 Agent 工具编排与函数调用框架：将 40+ 内部业务能力封装为 MCP 工具并统一鉴权与限流，设计 Plan-Execute 循环、上下文压缩与会话状态机，复杂任务端到端完成率从 41% 提升至 76%。
攻坚稳定性与成本：模型响应全链路流式（SSE）与超时降级、多模型路由与自动 fallback、语义缓存与批处理合并、Token 预算与租户级配额治理，单次会话平均成本下降 58%，GPU 推理资源利用率提升 2.3 倍。
量化成果：首 Token 延迟 P99 由 3.4s 降至 1.1s；人工工单转接率下降 43%；平台支撑 9 条业务线接入，零重大线上故障。
项目二：高并发交易与库存中心（硬核工程能力背书）
角色：核心开发与模块 Owner
背景：电商大促场景的交易履约与库存中台，日常峰值 3w QPS，大促峰值 12w QPS，管理 SKU 800w+，日订单量 600w+。
技术栈：Spring Cloud（Nacos/Gateway/OpenFeign/Sentinel）、MySQL + ShardingSphere 分库分表、Redis Cluster + Redisson、RocketMQ 事务消息、Canal、JVM 调优
关键工作
重构库存扣减链路：预扣 + 异步落库 + Lua 原子校验，配合库存分桶与热点 SKU 打散，解决单行热点更新导致的锁等待雪崩，扣减接口 P99 由 800ms 降至 120ms。
设计超卖防护与一致性方案：多级缓存 + DB 乐观锁兜底 + RocketMQ 事务消息驱动最终一致，对账任务实时比对差异并自动补偿，全年超卖事故 0 起。
主导订单库分库分表与平滑扩容：按用户 ID 基因法分片解决买家/卖家双维度查询，配合 Canal 同步异构索引库，单表数据量由 8000w 降至 500w，在线扩容零停机。
建设大促保障体系：全链路压测、限流降级预案、缓存预热与库存快照、值班与故障演练，核心链路容量提升 4 倍。
量化成果：大促期间系统零故障，接口成功率 99.99%；数据库慢 SQL 数量下降 87%。
项目三：实时数据与风控决策引擎（数据 + 业务方向）
角色：架构设计与核心开发
背景：面向支付与营销场景的实时风控与决策平台，日处理事件 8000w+，纳管规则 3000+ 条，为业务提供毫秒级风险识别与决策能力。
技术栈：Flink CDC + Paimon、Kafka、Doris/StarRocks、规则引擎（Drools/自研）、Redis、Nebula 图数据库、Spring Boot
关键工作
搭建实时特征计算链路：Flink 双流 Connect 与滑动窗口聚合、状态后端 RocksDB 调优与 Checkpoint 反压治理，特征时效性由 T+1 提升至秒级，作业端到端 P99 延迟 800ms。
设计规则引擎与决策编排：支持规则热更新、灰度发布与 AB 分流、决策树/DAG 可视化编排，规则上线周期从 3 天缩短至 2 小时。
建设近线-在线一致性存储：明细写入 Doris 支撑多维分析，画像与名单类高频读走 Redis + 本地缓存双层，决策接口 P99 稳定在 45ms 以内。
主导设备指纹与关联图谱能力：基于图数据库挖掘团伙欺诈，命中准确率提升 27 个百分点，累计拦截风险交易约
立即沟通
