eric2026
4天前在线
全职 · 800/日  ·  17400/月
工作时间: 工作日08:00-22:00、周末08:00-22:00工作地点: 远程
服务企业: 4家累计提交: 0工时
聊一聊

APP聊一聊

个人介绍

全栈开发

前端:Next.js/Vue.js/Flutter(跨平台 iOS & Android)后端:Python(FastAPI/Django/Flask)/Golang/Java AI应用:RAG,Langchain/Langgraph,AI Agent设计与开发数据库:Mysql,Postgresql,Milvus,Redis,ES,Oracle

工作经历

  • 2022-07-15 -2026-02-01用友网络科技全栈开发

    运维助手Agent:主导 OpsAI 智能运维查询 Agent 的 MCP模块设计与开发,动态工具发现与API集成,包括数据库(自建、采购),服务器,微服务,中间件等,为公司2000+技术人员实现日常查询,减轻运维负担。积累了生产级多服务架构部署与高可用稳定性经验。 企业知识库:基于开源 MaxKB 进行企业AI平台二次开发,负责前后端核心功能建设,基于Vue3、Django、Celery和 pgvector 实现可视化工作流、知识库 RAG、多模型接入及 Agent 工具调用,支撑企业场景下 AI 应用的快速落地与扩展。 运维管理平台:独立完成基于 Go + Vue3 的全栈运维平台,面向内部工具与研发运维场景,覆盖 JWT/OAuth 认证、RBAC 权限控制、Docker/Kubernetes 应用管理、WebShell、在线 Markdown/代码编辑与内容管理等能力。

  • 2019-07-01 -2022-05-01北京一起教育科技有限公司运维开发工程师

    作为Team Leader领导6人团队,运维大数据平台:主导Hadoop/Flink/Kafka/Elasticsearch/NiFi集群搭建与优化,支撑部门数据分析,提升系统稳定性20%。 财务账单系统(全栈开发):Flask + Vue + Celery架构,实现可视化报表、多维度查询、费用告警、元数据管理等功能;主导MySQL → MongoDB → Elasticsearch三次存储迭代优化。

  • 2017-01-01 -2019-04-01山东观海数据技术有限公司全栈开发工程师

    管理千万级智慧城市运营指挥中心项目:领导跨部门团队,开发50+ API,引入WebSocket + Redis,响应速度提升40%;保障7×24小时运行,项目交付提前15%。 智慧社区项目:采用Uni-app实现多端复用 + Redis缓存,接口响应提速50%,服务2000+用户,物业效率提升60%。

  • 2012-06-01 -2017-01-01 大连日电东软信息技术有限公司软件开发工程师

    生活服务缴费平台(独立全栈):H5 + PHP + MySQL,对接多家运营商与公用事业公司接口,日均处理2000+笔订单,月交易额超50万元,系统稳定性99.9%。 其他项目:OpenStack Dashboard二次开发(Django+AngularJS)、企业运维管理平台(Java+Flex,监控2000+服务器)、OA办公系统等。

教育经历

  • 2008-09-01 - 2012-06-01湖北汽车工业学院电子信息科学本科

语言

中文母语水平
英语可口语交流
0
1
2
3
4
5
0
1
2
3
4
5

技能

Kafka熟悉
Nginx熟悉
Java熟悉
Flutter熟悉
MySQL熟悉
Shell掌握
Node.js掌握
Python熟练
Taro熟练
0
1
2
3
4
5
0
1
2
3
4
5
作品
AI出题助手

支持PDF/Notion/印象笔记/飞书/图片/手写截图多源导入支持PDF/Notion/印象笔记/飞书/图片/手写截图多源导入智能分块+向量检索,精准覆盖你资料里的所有考点可指定:考试类型/题型比例/难度分布/重点专题/风格(全国卷/新高考/北京卷等)自动生成:选择题/填空/判断/计算/实验/问答

0
2026-01-17 14:07
AI简历筛选系统

1.Chrome插件一键批量采集:主流招聘平台网页简历快速抓取2.智能解析与结构化提取:PDF/网页简历自动抽取教育、经验、技能等关键信息3.多维度AI匹配评分:语义相似+经验年限+技能吻合+风险评估,一键排序4.私有向量人才库:所有人才向量化长期沉淀,企业专属资产5.自然语言智能搜索:像聊天一样找

0
2026-01-17 13:34
知识图谱 + RAG:让你的问答机器人从“会背书”变成“真会思考”!

在AI智能问答机器人越来越火的今天,很多团队用传统RAG做出来后发现:简单问题答得飞起,一遇到多跳推理、复杂关联、跨文档问题就“翻车”——要么答不全,要么直接幻觉。知识图谱的出现,彻底打破了这个瓶颈。它把散乱的文本变成结构化的知识网络,让机器人真正学会“思考”和“推理

更新于: 04-26 浏览: 121