




个人介绍
我是程序员客栈的【AI工程师鲁班】 我毕业于【南京大学】,担任过【苏宁】的【架构师】;
资深Java技术专家和架构师,拥有丰富技术架构和管理经验,10余年互联网行从业经验,专注于高并发、高可用系统架构设计与开发。在金融、AI智能营销、电商、产业供应链等领域有深厚的技术积累和项目实践经验,擅长从0到1搭建大型复杂业务系统,擅长重构复杂的业务系统和解决疑难杂症,擅长推动技术创新与业务增长 如果我能帮上您的忙,请点击“立即预约”或“发布需求”!
工作经历
2020-01-01 -2024-12-31上海磐农科技架构师
• 供应链金融平台搭建与优化:主导供应链交易管理平台、供应链金融平台、智能风控系统等从0到1的架构设计与核心功能开发,对接多家核心企业ERP及银行系统,提升系统高可用性、高性能和安全性,支持200w户服务主体,对接50多家核心企业与10多家银行。 • 技术创新与业务拓展:引入低代码开发平台、AIGC等技术,提升开发效率与用户体验;推动资产数字化和风控模型产品化,搭建可视化智能风控系统,提高风控效率。
2018-11-01 -2020-01-01上海众纳信息科技有限公司Java技术总监兼CTO助理
• AI广告营销中台SaaS架构设计:负责AI电话营销业务中台架构设计与功能开发,包括平台账务中心、CRM服务等,支撑数家大客户每日100w-1000万级的电销投放和短信投放。 • 系统优化与性能提升:落地电销微服务架构,优化大数据存储和SQL性能,解决业务性能瓶颈,提升系统稳定性和高吞吐量。
2014-07-01 -2018-11-01南京苏宁架构师
• 金融理财产品研发:负责苏宁金融理财产品架构设计与研发,包括票据理财、代销基金等,搭建基金行情数据服务系统,提升用户粘性和交易量。 • 系统优化与流程改进:优化系统性能,降低CPU消耗,提升系统稳定性;搭建基金交易对账清算流程自动化和监控平台,增强流程监控与异常补偿能力。 团队管理与协作:搭建30人技术团队,制定技术管理制度和流程,培养技术人才,提升团队整体技术能力和绩效。
教育经历
2018-09-01 - 2021-07-01南京大学金融学本科
语言

• 项目描述:AI广告营销中台,是一个按领域模型划分面向B端的Saas服务, • 包括CRM管理服务,用户中心单点登录服务,充值支付计费服务等基础服务,和AI电销业务中台,广告投放效果数据中台,广告投放人群数据中台。AI话术管理、线路供应商管理、投放行业地区黑白规则管理等模块。用户注册到crm系统中,登录,并开通签约使用相关的广告投放功能,比如AI智能语音、飞鱼短信、人群平台。提出对应广告投放需求和选择投放策略,我们根据用户需求拆分分任务并自动化完成其投放需求,给出合理的线路和话术推荐算法,并分析智能语音内容,分析出投放效果。 • 技术挑战:重构业务功能并搭建微服务架构,支持数家大客户每日100w-1000万级的电销投放和短信投放,解决上亿级大数据存储和统计分析性能问题。 • 技术应用:研究主流中间件Redis、Kafka,从0到1落地微服务(Spring Boot、Spring Cloud)架构和部署,践行TDD开发和DDD领域建模。 • 项目成果:系统稳定性和高吞吐量得到保障,解决了上亿级大数据存储和统计分析性能问题。


• 项目描述:面向农业产业链金融场景,提供信贷全流程风控管理和数字化可视化管理。包括功能如下: 贷前准入:资质审核、征信评估、风险预测(信用风险、反欺诈风险)、预授信 贷中监控:资金用途监管和核实、还款风险监测、生物资产的监控预警 贷后风险:还款管理:还款计划、历史还款、还款提醒、逾期管理 风险管理:风险定义(逾期、气象灾害、价格收入、涉诉、亏损等风险)、风险等级和规则管理 预警策略管理:预警对象、预警形式(报告、大屏看板)、预警时间和频率、预警手段(短信、邮件、*服务) • 技术挑战:提升风险预警的准确性和实时性,优化大数据处理和分析,搭建灵活且可扩展的规则引擎。 • 技术应用:引入大数据技术框架(如Hadoop、Spark、Flink)和知识图谱技术,使用机器学习算法(如随机森林、梯度提升树)进行风险预测。 • 项目成果:风险预警的准确率提升至90%以上,有效降低了信贷业务的风险损失。


2023/03 - 2024/7 供应链交易和生物资产管理系统(上海磐农) • 项目描述:面向农业产业链上下游核心业务供应链交易管理: 商品交易、支付、履约、数字仓储,数字车间,数字物流、溯源标签、账务核心、清结算系统平台化的解决方案和从0到1的系统搭建和核心代码编写,提供交易数字化、支付平台化、清结算自动化、记账专业化、生物资产监控物联网化的解决方案。 • 技术挑战:从0到1搭建系统,解决系统性能瓶颈,优化业务流程,提升系统稳定性和扩展性。 • 技术应用:使用分布式架构和微服务设计,引入Redis和Kafka进行缓存和消息队列处理,使用大数据技术(如Hadoop、Spark)进行数据处理和分析。 • 项目成果:支付请求的响应时间缩短至100毫秒以内,账务核心的处理性能提升至每日数百万笔交易。
