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