重要提示，这部分内容有一些是我修改的球友简历，放上来是为了方便大家参考，请不要相互传播，引起误会，大家参考学习就好了，后期有遇到不错的内容我也会更新上来，互帮互助，才能更进一步。

写法1 派聪明 RAG 知识库 Java 后端开发 2025-06 ～ 2025-09

项目描述：派聪明是一个基于私有知识库的企业级智能对话平台，允许用户上传文档构建专属知识空间，并通过自然语言交互方式查询和获取知识。它结合了大语言模型和向量检索技术，能够让用户能够通过对话的形式与自己的知识库进行高效交互。

技术栈：SpringBoot、MySQL、Redis、Apache Tika、Ollama、Elasticsearch、MinIO、Kafka、Spring Security、WebSocket、Linux、Shell

核心职责：

• 编写 shell 脚本，一键启动 Kafka 的 KRaft模式，自动处理 cluster ID 的冲突问题，包括清理日志、生成集群 ID、格式化存储目录、启动 Kafka 服务器等。
• 引入 MCP 协议对本地文件操作、PDF 生成及数据库查询等能力进行 Server 端封装，实现了Agent 与工具生态的解耦。
• 参考 OpenManus 开源架构，设计了分层智能体体系（BaseAgent、ReActAgent、ToolCallAgent）。利用 SpringAI 的 FunctionCallback 机制实现本地方法的自主调用，以及 ReAct 推理，赋予 Agent“思考-规划-行动-观察”的自主决策能力，使其能够处理“检索/搜索-生成文本-生成总结PDF”等跨多步骤的复杂任务。
• 编写用户认证模块单元测试，结合 JUnit + Mockito 验证 Redis 引入前后的性能差异，为系统调优提供依据。
• 基于 Kafka 解耦文件上传、处理与向量化流程，实现分片上传与断点续传；使用 Redis 的 Bitmap 存储分片状态，并通过 MinIO 按照 MD5 进行分片合并。
• 能够在 Linux 服务器下通过 HTTPS 的方式启动 ElasticSearch，并设置 ES 的 JDK 加载版本为 17；可通过 CA 证书+ CURL 获取/更新 ElasticSearch 的键值对。
• 使用 Redis 的 BitMap 来存储文件分片上传状态，能最大程度节省内存，即使一个文件有 1000 个分片，也只需要 125 字节的存储空间。
• 支持 Docker 容器化部署，只需一个命令 docker-compose up -d 就可以在 1 分钟内一键启动整套系统。极大地简化了部署过程，并保证了开发、测试和生产环境的一致性。
• 利用 Elasticsearch + IK 分词器对知识库文档进行索引和向量检索，支持 Word、PDF 和 TXT 等多种文本类型；并集成阿里 Embedding 模型进行文本到向量的转换，支持 2048 维；再结合 ES 的 KNN 向量召回、关键词过滤和 BM25 重排序实现「关键词+语义」 的双引擎搜索。
• 基于 WebSocket 实现前端和后端之间的长连接通信通道，并结合 DeepSeek 大模型的 Stream API 实现流式响应返回，只要后端有新的内容到达，前端就即时将文本逐步拼接显示，用户看到的就是一个“打字机”式的逐字生成过程。
• 使用 Redis 缓存文件元信息与上传分片，结合 MinIO 实现大文件分片上传与断点续传，优化后 1GB 文件上传耗时由 15s 降至 3s。 （本机是 macOS 顶配，128G 内存 Apple M3 Max 芯片）
• 构建 RAG 检索流程：通过用户提问 + 检索片段拼接生成增强型 Prompt，结合上下文与语义召回提升问答准确度，构建企业私有知识问答体系。
• 实现基于 Kafka 的文档处理异步流水线，解耦文件上传、解析和向量化过程，经测试，500M 文件上传仅需 200 毫秒。
• 利用 Spring Security+JWT 实现基于组织标签的 RBAC 的多级权限系统，通过用户角色、组织归属和文件属性的权限过滤，实现精细化的文档访问控制，确保敏感数据安全。
• 登录与鉴权模块采用 JWT 实现无状态认证，结合 ThreadLocal 管理用户上下文，配合拦截器实现 token 校验与自动续约，避免因 token 过期频繁导致的重新登录问题。
• 采用 JWT+Redis 的双令牌机制，通过 Access token 处理业务请求，Refresh token 实现用户无感的令牌刷新。
• 当用户搜索时，我们利用 Elasticsearch 的 KNN 算法计算查询向量和文档向量的余弦相似度，接着利用 ES 默认的 BM25 算法对关键词在文档中的出现频率、重要性进行打分，最后根据自定义公式综合计算出最后的置信分，方便用户判断检索结果的可靠性。
• 引入滑动窗口机制，在相邻 chunk 之间保持一定的重叠区域，以保证跨 chunk 的信息完整性。
• 采用基于 Redis 的对话历史管理机制，每个用户都有一个唯一的会话 ID，所有的对话内容都按照时间顺序存在 Redis 中，并设置了 7 天的过期时间，以便在多轮对话中保证上下文信息的完整性。
• 在调用豆包向量 API 失败时，我们会自动回退到纯文本搜索，实现服务降级；并在调用豆包向量 API 时，采用 Reactor 的重试机制，支持固定延迟重试 3 次，并设置了 30 秒的超时保护。
• 项目采用了 Mockito 注解驱动的测试模式，践行测试驱动开发（TDD）的理念，每个业务功能都有对应的测试用例，包括正常流程和异常流程。

智能 RAG 知识库管理系统（测试方向） 2025.06 - 至今

技术栈：Spring Boot、Spring Security、MySQL、Redis、Elasticsearch、Kafka、MinIO、Ollama

项目描述：构建智能化的知识库管理系统，支持文件存储、检索增强问答（RAG）、权限控制与智能文档处理。

主要工作：

• 参与整体后端架构设计，基于 Spring Boot + Spring Security 构建模块化分层架构，确保系统 低耦合、高内聚。
• 设计 MySQL + Redis + MinIO + Elasticsearch 的多级存储体系，实现文件元数据、对象存储与向量数据的分离，结合 用户标签权限模型，实现多租户知识库隔离。
• 集成 RAG 检索增强架构，利用 Embedding API 生成文档向量，结合 Elasticsearch 语义检索，较关键词搜索准确率提升 40%+；通过 Kafka 异步结构文档的解析、向量化和存储，从而提升系统的整体 QPS。
• 编写 JUnit + Mockito 单元测试，覆盖用户注册、认证、会话管理等功能与异常场景；对比验证 Redis 优化前后性能差异，为系统调优提供数据支撑。
• 项目采用了 Mockito 注解驱动的测试模式，践行测试驱动开发（TDD）的理念，每个业务功能都有对应的测试用例，包括正常流程和异常流程。
• 对文件分片上传、向量检索等关键环节进行压力测试和性能优化，检索响应时间从初始的 800ms 降低到 200ms，支持 TB 级文档存储和毫秒级检索。

运维方向

项目名称：RAG 智能报价系统 2025.03 - 至今 运维工程师

技术栈：Spring Boot、Redis、MinIO、Elasticsearch、vLLM、Kubernetes、Prometheus、Grafana、Fluent Bit、NetworkPolicy、Helm

项目简介：为某传感器制造企业构建的智能报价系统，集成 RAG 架构与中文大模型，服务于内部销售人员与官网用户，系统日均处理超 5000 次请求，基于 Kubernetes 私有平台部署，保障数据不出内网。

个人职责：

• 部署并维护 Spring Boot、Redis、MinIO、Elasticsearch 等核心服务，基于 Deployment + Service + Ingress 实现高可用访问。90% 的线上故障可在 10 分钟内定位并修复，平均故障恢复时间 < 15 分钟。
• 集成 vLLM 推理框架，引入 NVIDIA GPU Operator，完成 Qwen-7B 等模型的本地化部署与调优。
• 为无状态服务和大模型推理服务配置 HPA 弹性伸缩策略，结合 8 张 RTX 5090 显卡实现动态调度，应对销售高峰期 200-300 QPS 的突增流量，保障 P95 延迟 ≤600ms。
• 搭建 Prometheus + Grafana 的全链路监控体系，采集 JVM 状态、Pod 资源占用、HTTP 错误率、GPU 利用率等指标，并配置自动告警。
• 使用 Fluent Bit 收集容器日志同步至 Elasticsearch，结合 Kibana 支持基于 TraceID 的链路级检索。
• 通过 NetworkPolicy 实现前后端服务间的访问控制，防止敏感组件（如数据库）被直接暴露。
• 沉淀 Helm Chart 与监控告警模板，形成可复用的基础设施交付能力，缩短后续项目上线周期。

工作党1

龙软智能矿山 AI 知识库平台 Java 开发工程师 2025.06 - 至今

项目简介：围绕矿山企业知识碎片化、AI 能力弱等问题，构建覆盖地质、生产、安全等多领域的企业级智能知识平台。

技术栈：Spring Boot、Redis、MySQL、Elasticsearch、OpenSearch、FastDFS、MQ、百炼向量模型、IK Analyzer、LangChain、ChatGLM、Vue

核心职责：

• 设计基于 MQ 解耦的文件处理流程，支持大文件分片上传与断点续传；引入 Redis 构建全链路文件状态缓存，支撑上传→解析→入库→向量化→检索等流程。
• 通过接入公司 AI 中台与数据中台，整合多源异构知识，结合 RAG 检索增强技术，实现矿体测算、瓦斯分析等复杂任务智能处理，支持文字对话、数字人问答等多模态交互。
• 实现基于 Redis 的对话上下文管理机制，以用户会话 ID 为索引，按时间戳顺序存储多轮历史消息，支持合理过期策略，提升智能对话的连贯性与上下文感知能力。
• 自研 VectorStore 接口，支持将百炼模型生成的语义向量写入 Elasticsearch；结合 IK 分词器构建混合检索引擎，融合向量 KNN 召回 + BM25 重排策略，实现语义与关键词双通道查询，关键词命中率提升约 40%。
• 引入 Prompt 重写机制与上下文增强策略，提高查询语义精度与检索相关性；结合定制 Prompt 模板限制回答边界，降低生成幻觉；编写时间、文件操作、简单计算等可调用工具类，强化对话端真实业务能力。

杰润软件（苏州） | Java开发实习生 | 2025.04 – 2025.07

技术栈： Spring Boot、Spring Security、Spring Data JPA、MinIO、Elasticsearch、Kafka、JWT、WebSocket

项目描述：参与构建基于 RAG 的企业级智能知识库，聚焦公司教学资源与项目知识的统一存储、高效检索及智能问答，解决教学资源管理痛点。

主要职责：

• 参与搭建模块化分层架构，整合 MySQL + Redis + MinIO + Elasticsearch 多级存储体系，分离元数据、对象与向量数据，并设计组织标签权限模型，实现精细化的访问控制。
• 使用 Kafka 解耦文件上传、处理、向量化与检索环节；实现分片上传与断点续传，结合 Redis 缓存文件状态、MinIO 存储内容，保障大文件可靠上传。
• 通过 ElasticSearch 优化向量检索逻辑，将接口响应时间由 800ms 降至 200ms；基于 Embedding API 生成文档向量并存储至 Elasticsearch，检索准确率较传统关键词搜索提升 40%+。
• 设计基于角色过滤的多级权限模型（RBAC）；整合检索结果元数据构建 Prompt，结合 WebSocket 实现流式对话闭环。

自然资源部第一海洋研究所（海洋物理与遥感实验室—校企合作实习生）