经历
// 从发现问题到动手解决，每一步都在推动下一步
数据科学与大数据技术 | 本科
湖南科技大学
在校期间系统学习 Java、数据库、分布式系统等课程，自学 Spring 生态并投入开源实践。
系统支持与数据分析实习生
隆回县医疗保障局
针对旧系统缺乏批量 API 的问题，实现基于 RPA 的自动化流程（1天→3小时，准确率 100%）。清洗上万条异常数据，导入成功率从 40% 提升至 98%。基于 Coze 平台搭建医保政策知识问答智能体，完成 RAG 在政务场景的初步验证。实习期间接触了数据采集自动化，后来深入研究了 B 站数据接口和鉴权体系 —— 这段经历直接推动了后续的 EAQB 项目和 Spring AI Alibaba 开源贡献。
Java 后端开发（个人项目）
EAQB 智能题库系统
医保局实习中观察到批量数据处理、格式校验、错误反馈等真实痛点，由此设计了这套基于 Spring Cloud Alibaba 的微服务题库系统。涵盖网关认证桥接（Sa-Token + HMAC）、RocketMQ 异步 AI 处理（GENERATE/VALIDATE 双模式 + 状态机 + CAS）、Excel 流式导入重构（峰值内存降低 70%）、Redis Lua 原子验证码消费、对象存储抽象（工厂+策略模式统一 MinIO/OSS）等核心设计。
开源贡献（持续进行中）
Spring AI Alibaba / Spring Cloud Alibaba / Crowdin / Bun
2026 年初开始接触开源。从 Spring Cloud Alibaba 起步，逐步向 Spring AI Alibaba、Crowdin 等项目提交 PR。最近追踪并定位了 Bun BoringSSL 底层的 AES-GCM bug，Bun 官方已据此提交修复。
Java 后端开发（个人项目）
RAG-Bilibili
Bilibili Reader 组件修好了，顺理成章基于它做了这个完整项目。基于 B 站视频字幕的检索增强问答系统，完成字幕导入稳定性优化（异常分流补偿链路）、多行窗口式字幕降噪（强规则+弱阈值+可疑信号扩窗）、RAG 核心链路开发（向量化存储、维度检索、上下文拼装、SSE 流式问答）。验证了 Spring AI Alibaba 组件在真实业务中的可用性。
Java 后端开发实习生
来未来科技（熙牛医疗）
第一次进入企业级生产环境。分析慢查询日志优化高频查询；重构双向转诊模块，将混在通用 Controller 中的门诊接口拆分归位；基于 traceId 定位分布式链路异常；参与隐私数据加密方案调整，完成 SM4 加密工具类封装。
持续深耕
下一站
持续深耕 AI Agent Harness 工程，探索模型与环境之间的工程化桥梁。正在寻找 Java 后端开发实习机会，希望在生产级系统中进一步打磨工程能力。
技能
// 我的技术栈与专业能力
语言与基础
中间件与工程化
AI 应用 & 其他
项目
// 从实习中发现问题，用代码解决，再回馈开源
EAQB 智能题库系统
基于 Spring Cloud Alibaba 的微服务题库系统。项目动机来自医保局实习中对批量数据处理的真实观察。
查看详情
- 网关认证上下文桥接：Sa-Token Reactor + HMAC 签名透传，登录态收敛到网关侧
- 异步 AI 处理：RocketMQ 解耦，GENERATE/VALIDATE 双模式 + 状态机 + CAS
- Excel 导入重构：流式解析 + 分块暂存 + 对账提交，峰值内存降低 70%
- 验证码原子消费：Redis Lua compare-and-delete 防重复校验
- 对象存储抽象：工厂+策略模式统一 MinIO/OSS，字段收敛为 objectKey
RAG-Bilibili
基于 B 站视频字幕的检索增强问答系统。从研究 B 站接口到贡献 Spring AI Alibaba Bilibili Reader，再到基于组件做完整项目。
查看详情
- 字幕导入稳定性：异常分流补偿链路，正常直读 + 异常探测重试
- 字幕降噪：多行窗口式清洗策略，强规则+弱阈值+可疑信号扩窗
- RAG 核心链路：字幕导入、向量化存储、维度检索、上下文拼装、SSE 流式问答
联系我
// 欢迎交流