一、技术

全栈开发:

• 多年 Java 后端开发，SpringCloud 微服务的架构设计、实现，性能、网络问题排查和调优。
• 理解 Go 的 Goroutine 、Channel 带来的并发、异步优势，理解 CSP 模型
• 有 HTML 、JS 基础，会用 Vue2 、3 + Element
• 使用 Python 实现、优化推荐算法
• 熟悉 Linux ，日常使用 ArchLinux+Sway ，熟练使用 Docker ，搭建过 DevOps ，使用 KVM 搭建过 K8s 集群，为虚拟机做显卡直通
• AI 方面，独自完成 RAG 应用，使用 ESP32 做过 AI 玩具
• 具备推动团队协作的管理经验，保证项目的质量和进度

二、近期项目

1 、RAG 知识库

将文件、资料，存入向量数据库，配置敏感词，配置工具。用户提问，先用小模型分析用户意图，根据意图执行向量检索、工具调用，将检索、工具得到的信息交给大模型并生成回复。 后端: Spring Boot + LangChain4j 前端: Vue3 + Element Plus

• 上传解析: Minio + MinerU/Tika + embedding + Milvus
• 敏感词: DFA
• 意图分析: 小模型
• 工具配置
• 回答: 大模型

2 、AI 玩具

使用 ESP32 开发板，录音传给后端服务，后端服务转移为文本，交给大模型回复，使用 TTS 服务将回复文本生成语音，ESP32 开发板控制喇叭播放。

• ESP32: C++
• 后端: Springboot

3 、IM 聊天系统

已有商城系统新的 IM 需求，利用 Go 的高并发特性，实现高性能的 WebSocket 服务。

• WebSocket 服务: Go ，建立、持有 WebSocket 连接，请求 Java API 服务完成认证，消息、事件的同步，并推送给目标用户
• Spring Boot 服务: 认证、信息管理、消息同步

4 、商城算法

• 商品推荐算法: 使用向量化模型，对关键词进行向量搜索。商品、店铺名称打分，类别打分，分配权重计算总分并排序
• 骑手推荐算法: 整理机场的位置信息，根据当前骑手的订单状态，将已接订单和当前订单的起始位置进行有条件的排列。使用 Dijkstra 算法，根据骑手当前位置和取餐时间，计算最短路径。最终计算，骑手的接单成本，加上超时权重和完成时间权重，综合打分并排序。大大提高了该算法的准确率，并解决了原来全排列的性能缺陷，保证了算法的稳定性。

三、个人评价

• 1 、逻辑、结构清晰，简洁优雅，高可读可维护性，高扩展性
• 2 、喜欢计算机、网络，折腾 Linux
• 3 、有责任感，职业荣誉感

四、其他

• 92 年
• 学历: 本科肄业
• 期望薪资：18k
• vx: max_clv