一名从传统后端平台研发成长起来的 AI 应用工程师，擅长把复杂业务流程抽象成稳定、可控、可落地的系统能力。
长期负责复杂业务平台、规则系统与多系统集成建设，近年重点推进作战平台、任务审批系统、任务管理工作台中的 LLM、自然语言生成、Spring AI 编排和智能草稿生成能力落地。
擅长 Java 后端开发、业务流程抽象、多系统集成与 AI 应用工程化落地，做事认真务实、推进力强，能够在复杂约束下把方案稳定落到线上。
西南民族大学
通信工程｜本科
2005/9 - 2009/7
英语：英语六级，听说读写熟练
长期负责复杂业务平台、规则系统与多系统集成建设，具备从需求分析、方案设计到核心研发落地的完整经验。
近年重点推进作战平台、任务审批系统、任务管理工作台中的 LLM、自然语言生成、Spring AI 编排和智能草稿生成能力落地。
擅长将复杂业务流程抽象为可执行、可校验、可追溯的系统能力，并推动方案稳定上线。
负责复杂业务平台与智能化能力建设，主导作战平台、任务审批系统、任务管理工作台等核心项目的方案设计与研发落地。
负责调度工具、采集工具等平台型系统建设，承担需求分析、产品设计、详细设计、核心开发与生产维护工作。
在通信核心网领域负责 MME 网元研发，承担架构设计、问题定位、性能分析、Sprint 交付与团队培训工作。
从事银行业务系统研发，负责需求实现、模块开发、调试测试与文档输出。
围绕智能配置、智能接入和智能工作台三条主线，把 AI 能力嵌入真实业务流程。
把原本需要手动填写大量配置项、人工筛选指标和编写圈选表达式的任务创建流程，升级为“用一句话描述业务目标，系统自动生成完整可执行计划”的 AI 配置体验。
主导 AI 配置助手从 0 到 1 的方案设计与落地，负责设计能够”理解需求、检索经验、生成并校验”的主流程，并建设历史数据知识库、效果评估体系和线上安全保障机制，推动功能完整上线。
围绕”理解意图、查找参考、生成并校验”三步实现。理解意图阶段，基于自然语言拆解业务目标、商家范围和考核指标等关键信息，描述模糊时通过多轮追问补齐上下文；查找参考阶段，结合关键词检索与向量语义检索，从历史计划、商家标签和指标配置中召回参考经验，通过 RRF 融合重排提升召回质量；生成并校验阶段，由 AI 并行生成商家圈选条件和指标配置，经多轮规则校验与自动纠错后输出结果，同时支持故障降级和功能开关。
将原本耗时 2 到 3 天、依赖手动配置、编写接入代码和人工联调的接入流程，改造成“和 AI 对话即可完成”的智能接入体验。
围绕人员维度报表场景，打通问题识别、承接检查、计划草稿生成、日报草稿生成和人工确认主链路，把工作台从报表展示入口升级为智能辅助入口。
如果你希望寻找一位兼具传统后端平台经验与 AI 应用落地能力的工程师，我很愿意进一步沟通岗位、团队和业务场景。