公司统一 AI 工作入口，统一接入与治理多家大模型能力，月均 151 亿 Token 调用，覆盖 355 名员工、活跃率 85%。

• 主导方案设计、服务端研发、多模型接入、基础设施建设与生产运维，推动大模型能力由各部门分散使用转向统一接入、集中治理。
• 设计多模型统一接入层，集成 OpenAI、Anthropic、DeepSeek、豆包等平台，统一处理模型选择、身份认证、访问授权、个人额度、调用统计与费用核算。
• 建设聊天、图像生成、深度研究、MCP 工具调用、提示词模板、企业智能体、企业知识库、Skills、云沙箱与本地 Agent 等模块。
• 打通钉钉及在线文档、表格等办公能力；负责 Debian、MySQL、网关与对象存储等生产组件的部署配置、应用发布与运行维护。

企业级多 Agent 运行与协作平台，统一承载 Agent 运行、会话管理、任务调度、长期记忆、工具调用与 IM 接入，落地 8 类业务数字员工。

• 主导智能体框架调研、总体架构设计、核心引擎研发、任务拆解与生产部署。
• 设计 Agent 运行引擎，统一编排 Prompt、模型调用、工具调用、任务执行与状态流转；采用 Session / Run 分层模型实现同一会话串行、跨会话并发，避免上下文竞争与执行冲突。
• 实现主 Agent 任务拆解与子 Agent 委派，通过 Handoff Context、任务完成事件回流与会话历史补偿，支持子任务异步执行、结果汇总与异常恢复。
• 构建全局记忆、用户记忆、会话摘要、最近消息与当前输入组成的分层上下文模型，支持记忆检索、按需回源、用户隔离与上下文压缩。
• 建设多实例隔离、定时任务与运行审计机制；打通 WebSocket 消息接收、身份与会话解析、Agent 路由、结果回传链路，通过 MinIO 传递附件与任务产物。

面向扫描软件的 AI 助手：看图自动生成扫描参数配置、产品知识问答、自然语言操作软件，参数配置正确率达 95%。

• 负责从技术预研到产品集成的核心研发，建设模型推理、意图路由、工具调用、会话管理与业务服务完整链路。
• 基于人工标注的图像与参数数据，使用 LoRA 微调 Qwen2.5-VL-7B，根据输入图像生成多项软件参数配置，参数正确率达 95%，显著降低用户理解和配置复杂参数的成本。
• 基于 RAG 构建产品知识问答，结合 Function Calling 将自然语言指令转化为软件功能调用；使用轻量模型完成意图分类与请求路由，减少非必要的大模型调用。
• 验证 LoRA 微调 Qwen3-0.6B 在客户端本地部署的可行性，支撑离线场景下的指令理解、方法选择与参数生成。
• 基于 Skills 与 MCP 标准化封装产品能力和外部工具，设计服务端动态下发、版本管理、灰度发布与快速回退机制，客户端无需升级主程序即可更新能力。
• 基于 LangChain.js 管理 Prompt 与会话上下文，通过历史裁剪与摘要控制 Token；使用 Spring Cloud Alibaba、PostgreSQL、Redis 建设用户、订阅、用量记录与计费能力。

对接 Zendesk 的客服工单 AI 分析平台，形成“增量采集—AI 分析—语义检索—统计报表”闭环，沉淀并支撑分析 7 万余条工单。

• 独立完成架构设计、前后端研发、AI 能力集成、报表建设与部署交付。
• 对接 Zendesk Incremental Tickets、Conversations、Ticket Audits 等接口，定时同步多渠道工单及对话，提取首次响应、分配时延、响应时延和参与人等业务指标。
• 基于 Spring AI 构建多阶段分析流程，完成问题拆分与分类、产品型号识别、解决方案提取、解决状态判断、情感识别及多语言翻译，将非结构化对话转化为结构化数据。
• 设计任务级多模型配置与路由机制；PostgreSQL 存储业务数据，Milvus 实现语义检索，并通过 MCP Server 向 AI 客户端提供自然语言查询与汇总能力。
• 以策略模式封装渠道转换规则，事件驱动解耦同步、对话填充与 AI 分析；通过任务互斥、单工单并发控制、增量去重与幂等写入保障批处理稳定性。
• Vue 建设检索与分析后台，Metabase 输出客服考核、响应时效、问题分布及趋势报表；Docker Compose 完成多组件统一部署。

多平台雇主品牌舆情监测与风险预警平台，构建“定时采集—数据治理—AI 分析—分级预警—趋势展示”闭环，辅助业务团队发现和处置雇主品牌风险。

• 独立完成系统设计及前后端开发。接入小红书、知乎等第三方数据 API，使用 XXL-JOB 完成周期性增量采集，通过内容去重与任务幂等避免重复入库、分析与告警。
• 基于 Spring AI 集成 DeepSeek 模型，使用 Prompt 与 JSON Schema 约束情感倾向、风险等级、核心议题、原文依据及处置建议等字段，实现自动解析与持久化。
• 建设模型配置与在线测试功能；通过 Schema 校验、调用超时、失败重试与异常兜底，提高结构化输出及外部调用链路的稳定性。
• 建立分级预警规则，高风险负面舆情自动触发钉钉通知；Vue 实现内容检索、风险筛选、分析详情与多维趋势展示。

基于知识库与 AI 智能体，实现需求结构化、测试用例自动生成及 Teambition 协同管理，打通“原始需求—结构化需求—测试用例”全链路。

• 独立完成项目、知识库、需求及测试用例等核心模块建设，建立“原始需求—结构化需求—测试用例”关联链路，支持测试资产统一管理与追溯。
• 集成 Spring AI 与 Dify 工作流，结合需求详情、附件、关联需求及知识库构建生成上下文；JSON Schema 约束模型输出，SSE 实现需求优化结果的流式生成、停止控制与 Markdown 预览。
• 设计 AI 用例批量生成机制，基于可配置线程池与有界队列实现异步任务调度，支持任务去重、取消、进度跟踪，以及全量覆盖和增量生成。
• 对接 Teambition Open API，封装可配置客户端、授权 Token 生命周期管理、泛型响应及错误码映射，实现与外部测试用例库的数据查询与同步。
• Vue + Element Plus 完成需求管理、用例管理及生成进度页面，PostgreSQL 存储业务数据与任务状态。

服务 100 余所院校、20 万余用户、累计流水超亿元的校园支付平台，负责支付中台与核心模块性能优化。

• 负责支付中台维护、新支付渠道接入及订单与收单机构状态一致性策略，保障校园支付业务稳定运行。
• 推动 Spring MVC 向 Spring Boot 升级并参与 SaaS 改造，使用 Spring Cloud 与 Docker 完成模块微服务化，提升服务扩容和独立交付能力。
• 重构记账模块，优化扩展性与鲁棒性，记账耗时缩短 10% 以上；重构账单模块并优化慢 SQL，核心操作耗时由 100 秒降至 3 秒内。
• 建设基于 Spring Boot Actuator、Prometheus、Grafana 的监控告警能力，对服务过载和宕机进行企业微信通知。

面向微信推文案例的采集、管理与检索 Web 产品，覆盖案例推荐、合集管理与关键词搜索。

• 独立承担架构、数据库、前后端和爬虫开发，实现案例推荐、合集管理、关键词检索及相关案例推荐。
• 建设微信公众号文章采集与图片资源处理链路，实现 MySQL 至 Elasticsearch 的数据同步及同义词、近义词检索。
• 完成 Linux 服务器环境、HTTPS、CDN 和应用部署上线，具备完整 Web 产品交付经验。