在线 / 可联系

song

我是 song，一名 Java 后端 / AI 应用工程化开发者。具备 5 年 Java 后端开发经验与近 2 年 AI 应用工程化经验，关注 RAG 知识库、Agentic AIOps、AI 服务部署与工业场景落地。

全栈开发 AI 应用工程化 业务驱动交付

技能矩阵

AI 应用

AI ENGINEERING
LangChain LangGraph ReAct Agent Loop Task Planning RAG MCP Tool Calling Function Calling

中间件

MIDDLEWARE
Jetty Tomcat Nacos MQ OSS ELK Stack

开发工具

TOOLS
IDEA PyCharm VS Code Git Codex Claude Code

后端框架

BACKEND
Java / Spring Boot92%
Spring Cloud88%
Python / FastAPI82%

数据库

DATA
MySQL Oracle Redis PostgreSQL Milvus Qdrant

运维部署

DEVOPS
Linux Nginx Docker Kubernetes Jenkins AIOps

工程能力

微服务架构

基于 Spring Boot / Spring Cloud 构建高可用微服务系统，承担接口设计、核心模块开发与线上问题定位。

工程化部署

基于 Docker、Nginx、Linux 完成服务容器化部署、日志监控与线上稳定性维护。

Agentic AIOps 智能中枢

基于 Agent Loop、任务规划、工具调用和状态管理，参与 AI 智能运维系统落地。

工业 RAG 知识库

文档解析、向量化、检索问答、引用溯源与效果优化，支撑企业知识库场景。

系统安全

实施多层安全防护策略，包括 API 鉴权、数据加密、防 XSS/CSRF 攻击。

跨团队协作

协同前端、算法、运维团队，处理边缘部署和现场问题定位，推动 AI 应用落地。

工程路径

聚焦 Agentic AIOps、RAG 评估与 AI 服务工程化交付。

参与工业场景 RAG 知识库、AI 服务接入与业务系统融合落地。

积累 Java 后端、微服务、数据库、中间件和部署运维经验。

工作方式

01 / Problem

先定义问题边界

我会先确认用户、场景、输入输出、拒答范围和验收标准，避免一开始就陷入工具或框架选择。

02 / System

再搭可观察系统

把任务拆解、状态流转、工具调用、日志和失败样本放进同一条可复盘链路里。

03 / Loop

最后持续校准

用评估样本、线上反馈和异常复盘来更新提示词、知识库、流程和工程边界。

Let's Connect

开启协作模式