高级后端工程师
北京
英语无工具书面交流
0
1
2
3
4
5
个人介绍
AI赋能的.NET技术全栈工程师，10年以上的开发经验，长期从事企业级系统建设，熟悉 ASP.NET Core、Vue、WinForms 、SQL Server、MySQL、Redis、RabbitMQ、Docker、Kubernetes 等技术体系，具备从业务系统到数据平台的全栈交付能力。
近 2 年专注企业级 AI 应用落地，熟悉 RAG 应用全流程，包括文档解析、Chunk 切分、Embedding 生成、向量检索、Rerank 优化、上下文增强、Prompt 工程及大模型应用集成。
参与智能客服、知识库、智能专利撰写等 AI 场景建设，具备基于 Dify、AutoGen、LangChain 等框架进行大模型应用落地的实践经验，能够推动 AI 能力与传统业务系统融合。
具备工业实时系统与设备数据采集经验，参与动车组轮轴探伤管控平台研发，通过 Socket、串口通信实现设备数据实时采集，结合异步通信与缓存优化，实现端到端数据采集延迟低于 50ms。
具备 CRM、BI、DSS、业财系统、知识宝系统等企业核心系统建设经验，熟悉读写分离、分库分表、任务调度、缓存优化、消息队列、接口标准化、容器化部署及信创环境适配。
长期输出 .NET 技术内容，运营万粉级技术博客，累计发布 300+ 篇原创文章，覆盖 .NET 架构设计、性能优化、AI 应用开发等方向，具备良好的技术总结、知识沉淀和表达能力。
工作经历
2025-10-12 -2026-07-01北京新联铁科技股份有限公司高级后端工程师
参与公司动车组轮轴探伤管控平台及公司RAG索引增强的智能客服 项目定位 面向轨道交通行业，专注动车组轮轴安全的无损检测（NDT）信息管理平台，实现探伤作业全流程数字化闭环管理。 核心工作 1. 探伤平台前后端开发 后端（ASP.NET Core）：开发Socket/串口数据采集接口（延迟
2016-06-07 -2025-08-15中细软集团有限公司.NET高级工程师
主要负责公司核心系统的设计与开发工作，涵盖BI数据分析系统、知库宝系统、业财系统、CRM客户关系管理系统及DSS报表系统等多个关键平台，并参与交付平台、数据中心及MIS商标报件系统的建设。 在BI数据分析系统中，主导整体架构设计与功能开发，集成数据采集、清洗、分析与可视化模块，运用Hadoop、Spark、Hive等大数据技术，显著提升系统处理性能与可扩展性。 知库宝系统中，参与客户协调、智能撰写及案件管理等核心模块的设计与实现，支持系统智能服务能力构建。 在业财系统中，负责业财费用模块、客户知产（知识产品）管理、客户管理、财务报表等模块的开发，前端采用vue3框架的vben-admin框架和ant-design-vue 组件，后端采用了开源的ASP.NET Core API框架。 在CRM系统中，负责信息、客户、合同、财务及报表等多个模块的开发，采用ASP.NET Core MVC框架与WEB API实现面向接口的分布式开发，通过读写分离与模块化设计提升系统稳定性和团队协作效率。 针对DSS报表系统，主导报表设计、生成与管理功能开发，引入ECharts等可视化工具，增强报表灵活性与
2012-03-02 -2016-06-06北京环球优路新纪元教育公司高级后端工程师
教育网站平台： 负责公司B/S教育网站后台开发，公司CRM系统的开发。 主要内容： ● 带分站的B/S教育网站平台及网站群管理系统 ● 公司CRM网站的开发，参与的模块后台用户权限，日志，模块，财务，员工，分校 ● 负责公司网站发布部署和服务器管理 项目贡献： 1.通过研究实现了CRM从webfrom到asp.net mvc的过度。 2.通过CRM网站集群部署解决了访问慢的问题。 3. 教育平台实现了用户跨站登录及分校自动化功能。
教育经历
2017-03-01 - 2019-07-01首都师范大学计算机科学与技术本科
获得了学士学位。
资质认证
语言
作品
1.知识库智能查询（面向地质专家/科学家）智能问答与条款溯源：基于RAG（检索增强生成）技术，给出精准答案。2.数据导入与智能清洗（面向数据管理员）多源异构数据解析：支持PDF、Word、HTML、扫描件（OCR）等多种格式的世界各国矿业法文件批量导入。自动化数据清洗：自动去除文档中的页眉页脚、乱码
02026-09-02 18:01
平台整体分为学员端（前台）、教师/教研端和管理后台，形成完整的职业教育服务闭环：学员端（ToC）：课程检索与购买、在线视频学习、智能题库刷题、学习报告生成、会员中心（权益/积分管理）、支付中心（订单结算）等。管理后台（ToAdmin）：学习资源管理、知识点管理、题库应用、教学课程管理、用户权限管理及
02026-09-02 17:37
核心技术问题与解决：问题：大模型生成速度慢，且长文本上下文容易丢失，传统关系型数据库无法支撑高并发语义检索。解决：后端采用主从读写分离与分库分表策略保障业务数据高可用；引入向量数据库结合LangChain构建RAG检索增强链路；使用RabbitMQ进行大模型推理任务的异步解耦，提升系统吞吐量。项目成
02026-09-02 15:11
