个人优势：

1. 掌握前沿AI技术，具备大模型（LLM）落地实践能力

具备出色的 AI 技术应用能力，熟练掌握 Cursor、Trae 等智能开发工具，并紧跟 Claude4.5、GPT5、Gemini 2.5 Pro 等前沿大模型技术。善于将 AI 赋能于软件开发全周期，显著提升研发效率与代码质量。

拥有前沿的AI技术栈经验，熟练运用Spring AI、Ollama、OpenAI等框架与模型进行智能应用开发。能够独立构建RAG（检索增强生成）全流程解决方案，通过集成向量模型和向量知识库，将专业领域的问答准确率从68%提升至92%。具备AI应用性能优化经验，通过异步批量写入、分页解析等技术，将PDF文档处理吞吐量提升4倍（从50页/分钟至250页/分钟）。针对AI会话系统，通过AOP日志增强与Redis集群持久化方案，成功将会话数据丢失率从15%降至0.1%以下，保障了系统的稳定性和可追溯性。

2. 丰富的微服务与高并发项目经验

核心参与多个企业级项目，熟悉从需求讨论、数据库设计到核心接口开发的敏捷全流程。在工业物联网项目中，运用RabbitMQ解耦系统组件，构建了支持每秒千级告警事件的异步处理引擎，峰值处理能力高达5000条/秒。具备海量数据处理经验，负责的系统能够支持10万+设备指标的秒级采集，日均处理数据量超过10TB。深入理解Spring Cloud核心组件，有丰富的微服务架构实践经验，并能通过自定义Starter、Actuator健康巡检等方式提升开发与运维效率。

3. 扎实的Java后端技术功底与性能调优能力

精通Java并发编程，能运用ConcurrentHashMap、AQS及Redisson分布式锁解决高并发场景下的数据一致性问题。具备JVM调优实战经验，可通过GC日志分析将Full GC次数归零，保障系统稳定运行。深入掌握MySQL优化，通过B+树、覆盖索引等将慢查询比例从15%降至2%，并利用读写分离架构将QPS提升3倍。熟练运用Redis解决缓存穿透、雪崩等问题，并在项目中将推荐接口响应时间从500ms优化至50ms，性能提升90%。

4. 结果导向，具备以技术驱动业务增长的能力

在小说推荐项目中，通过实现双模推荐算法和性能优化，成功将核心业务指标“推荐点击率”从12%提升至34.7%，增幅高达189%。关注用户体验与留存，通过技术手段将新用户次日留存率从28%提升至43%。在告警中心项目中，通过开发重复检测和聚合功能，有效减少了90%的冗余告警信息，显著提升了运维效率。