技术栈
编程语言：Java, Python, Groovy, HTML, CSS, JavaScript, TypeScript, C++
开发框架：Spring Boot, FastAPI, Kafka, Next.js, SQL Database, Redis, React
开发工具：AWS, Docker, Git, Maven, Jira, OpenObserve
人工智能：LangChain, RAG, LLM Agent, Prompt Engineering, Claude Code, Codex
工作经历
- 负责订单购后修改业务的后端接口开发，使用 Spring Boot 接入新业务线的完整请求链路，支撑高并发订单修改场景。
- 梳理并落地订单状态流转校验规则，协调上下游微服务统一执行核心业务规则，并保障订单数据一致性。
- 引入 Kafka 承接订单修改事件，将请求受理与下游服务更新解耦，提升系统吞吐量与故障隔离能力。
- 使用 Groovy/TestNG 编写跨微服务端到端 (E2E) 测试，覆盖核心业务链路，并支持跨环境运行，便于快速复现和定位线上问题。
- 参与监控体系从 Grafana 迁移至 OpenObserve，搭建 API 调用链路看板，辅助日常排障与链路分析。
- 在 Agile/Scrum 开发流程中使用 JIRA 推进跨团队协作，维护 Concord CI/CD 流水线，并结合 SonarQube 与代码审查保障交付质量。
- 使用 Python FastAPI 搭建后端服务，并结合 Supabase Auth 与行级安全 (RLS) 策略，实现多用户身份验证和租户级数据隔离。
- 基于 LangChain 搭建个人书库智能问答系统，接入 BGE-M3 语义向量模型，完善文本分块与向量化处理流程，并通过 LiteLLM 支持 GPT、Gemini 等多模型切换。
- 使用 Celery 与 Redis 搭建异步文档处理流水线，将文本解析、向量化和入库流程移出 API 同步链路，减少用户等待时间。
- 配置 GitHub Actions CI/CD 流水线，自动执行 Pytest 与 Ruff 质量检查，并将前后端服务持续部署至 Vercel 和 Railway。
- 使用 Next.js 与 Tailwind CSS 开发移动端自适应阅读界面，完成 React 数据绑定、页面状态管理与前端鉴权流程。
项目经历
- 设计面向重要决策场景的多 Agent 审议框架，将事实核查、风险与反例分析、用户意图理解和可执行性评估拆分为独立评审逻辑，减少大模型幻觉、约束遗漏和过度自信回答。
- 参考 ReAct 框架的循环式推理思路，设计由 Proposal、Review、Conflict Ledger 和 Revision 组成的审议流水线，并为各阶段定义 JSON Schema，使模型输出能够被代码稳定解析、评分和路由。
- 设计基于 verdict、severity 和 issue_type 的流程控制策略，由代码判断是否继续审议、定向修订、向用户提出澄清问题、触发外部验证，或结束流程并生成综合答案，避免多 Agent 讨论陷入无限循环。
教育背景