AI 应用架构
熟悉 RAG、Agent、多模型接入、Prompt 结构化输出和智能体工作流编排,能把 LangGraph、LlamaIndex、Chroma、LangSmith 等工具链落到可交付系统。
资深应用
我不是模型训练方向,而是偏“AI 能力进入真实业务系统之后”的工程落地方向:Agent 架构、RAG、多模型接入、Prompt 结构化输出、LLM 调用可观测、Token 成本治理、智能体效果评估、工程交付和安全边界控制。底层能力来自长期后端、微服务、数据一致性、性能优化和容器化部署经验。
熟悉 RAG、Agent、多模型接入、Prompt 结构化输出和智能体工作流编排,能把 LangGraph、LlamaIndex、Chroma、LangSmith 等工具链落到可交付系统。
独立设计 AI 应用诊断、成本与效果治理平台,覆盖定价、日志、Token 成本统计、诊断智能体、评估闭环和 Docker 一体化部署。
深耕 Java、Spring Cloud、MySQL、Redis、RabbitMQ、Kafka、Nacos、APISIX,具备微服务拆分、数据一致性和性能优化经验。
主导过 10 人团队项目交付、单体组件化拆分、国产数据库适配、热备产品化和 SSDLC 安全流程落地,能在收益、风险与业务价值之间做取舍。
分别使用 OpenCode + Superpowers 和 CodeBuddy + SpecKit 两套工作流交付同一项目,通过对比实践形成对 AI Agent 工程化的独立判断。
习惯从底层原理理解技术,对数据结构、I/O 模型、分布式共识和工程边界有系统化沉淀,不满足于表面结论。
面向 AI 应用上线后的可观测、可诊断、可评估和可治理问题,构建从调用采集、成本统计、诊断推理到效果评估的工程闭环。
从产品原型、架构设计、前后端开发到 ECS 部署上线,独立完成一套轻量化 AI 学习平台,验证多模型、RAG 和 Agent 工作流的工程化组合。
负责智慧物联、门禁、基础视频服务等方向的后端架构设计与组件化改造。主导某国有大行全国门禁联网项目交付(10 人团队、40 万人员)、基础视频服务拆分为 6 个独立模块、Rose 热备产品化(故障恢复 2h 到 15min,年售 300+ 套)和 SSDLC 安全研发流程落地。
参与信贷权益中台、协议管理平台架构优化和上云迁移;参与 2020 北京春晚红包活动保障,10 实例集群支撑 4000 QPS;使用 Kafka 解耦借贷与协议签署流程。
0 到 1 搭建消费信贷机构数据管理系统,支撑 5 大垂类、近 3000 家商户接入,接入耗时从一周缩短至 2 天。此前在百度国际化、数据挖掘团队从事数据管理平台开发。
早期全栈开发,积累 Web 应用、前后端协作和企业项目交付经验。