后端框架与技术：Spring、Mybatis、SpringMvc、SpringBoot、SpingCloud相关微服务组件，Netty，分布式事务，并发处理，多线程技术。

前端：Html、Css、JavaScript、vue框架、React框架。

数据库：Mysql、Redis、MongoDB、ES、ClickHouse、Milvus等。

中间件：MQ、Canal、Kafka、Nacos等

AI相关：LLM、prompt、RAG、Agent、MCP、Skill、LangChain、LangGraph、‌Claude Code、Cursor‌

题库系统

2016.06--至今

采用SpringBoot框架，使用Mysql、MongoDB数据库进行数据持久化存储，使用ES、RAG做数据检索、应用Binlog、MQ来维护相关数据的自动化生成，使用AI相关技术，比如OCR、LLM、Agent、MCP来辅助内容的生产和消费。

项目描述：

该项目包含两大模块：试题和试卷，每个模块同时区分生产侧和消费侧。

u 生产侧

题库：采用工作流的方式将不同角色的教研老师串联起来，提供不同形式的试题订单录入方式，同时借助OCR、AI能力提升试题录入效率降低录入成本。

主要包括：知识点管理（也就是所说的考点，对各个年部和学科的知识点数据进行统一的管理，方便试题录入人员查看并为试题贴上相应的考点），试题管理（试题的录入、修改、查询、删除），纠错管理（试题录入的时候有可能会出现错别字或答案解析错误的情况，教研老师在发现的时候可以纠错，试题录入人员在发现自己录入的题目被纠错的时候，可以及时更改提高试题的质量），排重管理（负责自动检测入库试题是否存在重复并处理重复数据），数据统计管理（试题录入数据，试题消费数据，纠错数据），权限管理（用户管理，用户角色管理）等模块。

试卷：2个端（试卷收集、试卷生产），采用流程串联的方式将收集端采集到试卷原卷及时推送到生产端有对应的教研老师或外包团队完成入库，入库后会及时通知收集人并完成相关费用统计。在整个生产过程中穿插引用不同的AI能力来提供整体录入效率，降低录入成本。

主要包括：需求管理（管理不同业务的试卷生产需求，按需生产），原卷管理（管理不同地方收集到试卷原卷信息），试卷管理（试卷上下架、修改、查询），排重管理（负责自动检测入库试题是否存在重复并处理重复数据），数据统计管理（试题录入数据，试题消费数据，纠错数据）

u 消费侧

提供标准PASS对接方案，对接方无需开发对应内容检索页面，页面检索引入AI能力支持自然语言检索；同时针对个性化场景提供对应的API能力支持；在AI盛行的当下同时提供MCP服务、CLI命令便于不同智能体的对接。同时为了满足不同机构或者学校自身内容的沉淀，支持校本资源的生产维护和消费。

责任描述：

    1、参与系统的需求分析，需求设计；

    2、项目框架的搭建，数据库表结构的设计，工具类的编写；

    3、主要负责试题试卷生产消费模块的功能的实现；

4、负责AI在系统中的应用和落地；

讲义系统

2021.11--至今

采用Gin框架，使用PolarDB数据库进行数据持久化存储，MongoDB来负责存储配置信息和SVG内容数据，OSS来存储副本数据，应用Binlog、MQ来维护相关数据的自动化生成，使用AI相关技术，比如OCR、LLM、Agent来进行内容质检，离线文档的转换以及智能组讲义。

项目描述：

该项目负责基于业务自身需要结合底层试题、试卷、文段等资源，依托各类学科插件辅助教研老师快速完成讲义、教案、试卷等文档内容的生产。开放丰富的属性面板设置，同时支持学生版/教师版/考试版在线预览和pdf/word格式下载。开放API、MCP、CLI等对接方式满足各业务场景对接消费（比如考试系统，课后作业系统），同时支持与教研云课中的课件，排版book系统能够实现一键智能转换。

责任描述：

    1、参与系统的需求分析，需求设计；

    2、项目框架的搭建，技术方案调研，多版本系统的梳理和整合；

    3、主要负责配置中心配置的设定，各类资源的对接功能的实现；

4、负责AI在系统中的应用和落地；