--- title: "简历-项目经历" created: 2026-05-21 --- # 简历-项目经历 ## 霓裳云枢 **2025.02 - 2025.05**霓裳云枢 —— 科创赋能的传统服饰沉浸式体验平台 全栈开发 面向传统服饰文化数字化传播场景，设计并实现集 **服饰展示、3D/AR 体验、AI 智能试衣、语音讲解、文化问答、社区互动与数据可视化** 于一体的沉浸式体验平台。项目以“传统文化 + 数字科技”为核心，将大学阶段所学的前后端开发、权限控制、缓存优化、资源管理、AI API 集成与可视化能力进行综合落地，获计算机设计大赛国赛二等奖、计算机创新作品赛国赛三等奖、国家教育部宣传教育活动提名表扬，并已申报软件著作权。 **技术栈：** Spring Boot、MyBatis-Plus、MySQL、Redis、Caffeine、腾讯 COS、Jsoup、SSE、Dify、AiTryOn、ChatTTS；Vue3、Vite、Ant Design Vue、Pinia、model-viewer、ECharts **项目演示视频：** **上线地址：** **工作描述：** **1. 工程脚手架与后台管理能力建设** - 基于 **Spring Boot + MyBatis-Plus** 搭建自研项目脚手架，沉淀统一响应格式、全局异常处理、自定义错误码、分页查询、文件上传、接口鉴权等通用能力，并复用到用户管理、服饰管理、文章社区、内容审核等模块中，提升后续功能开发效率。 - 基于 **RBAC 权限模型 + AOP + 自定义注解** 实现接口级鉴权与角色隔离，支持普通用户、管理员等不同身份的访问控制；围绕服饰、文章、评论、点赞、通知等核心实体完成 CRUD、分页检索、审核流转与后台管理功能。 **2. 内容资源管理与访问性能优化** - 构建 **Redis + Caffeine 多级缓存**，对首页推荐、服饰详情、分类标签、热门搜索等高频读数据进行缓存加速，并结合动态版本号机制控制缓存刷新，减少数据库重复查询，提升热点数据访问效率。 - 集成 **腾讯 COS + 数据万象** 实现服饰图片、3D 模型、语音文件等静态资源的统一上传与访问管理，对图片资源进行 WebP 转码、多规格缩略图生成与压缩处理，并结合 CDN 加速静态资源分发，优化服饰展区与 3D 展示页的首屏加载体验。 **3. AI 能力集成与沉浸式前端展示** - 接入 **AiTryOn、VirtualModel、ChatTTS、Dify Agent** 等 AI 能力，封装异步任务创建、状态轮询、结果获取与异常兜底流程，实现 AI 智能试衣、文生试穿图、服饰语音讲解、AI 客服与虚拟文化导师等交互功能。 - 基于 **Vue3 + Ant Design Vue** 搭建用户端与管理端页面，使用 `model-viewer` 实现服饰 3D 模型展示、旋转与交互操作，并结合 **ECharts** 构建数据大屏，展示访问趋势、热门分类、用户偏好、地域服饰分布与 AI 调用情况。 ## Rag、Agent 2025.10 - 2026.02 个人 AI 知识库系统（本地化 RAG 智能笔记助手） 全栈开发 面向个人知识管理场景，设计并实现本地化 RAG 智能问答系统，解决 Markdown / PDF / Word 等多格式笔记在长期积累后“检索不准、上下文割裂、写作缺少辅助”的问题。系统围绕“单机可用、模块可替换、后续可扩展”进行架构设计，对文档解析、切块、检索、对话编排、流式生成等核心链路进行接口化解耦，具备向更大规模知识库场景演进的能力。 技术栈： Spring Boot 3、Spring AI、PostgreSQL、PGVector、Redis、Apache Tika、SSE、Docker **1、文档解析与切块策略** - 基于 Apache Tika 封装统一文档解析能力，支持 Markdown、PDF、Word 等多格式文件抽取与清洗；通过异步流水线串联“解析 → 切块 → 向量化 → 向量索引与全文索引入库”，降低上传接口阻塞时间。 - 设计组合式切块引擎，抽象 ChunkStrategy 策略接口，实现结构化切块、递归切块、LLM 智能切块三类策略，并根据文档类型、结构化程度与内容质量自动路由，提升不同文档形态下的切块稳定性。 - 设计 doc\_process\_log 处理日志与状态机机制，记录解析、切块、向量化、入库等阶段进度与异常信息，支持失败重试、断点续传与前端进度查询，提高长文档处理链路的可观测性和可恢复性。 **2、检索增强与召回质量优化** - 设计 **向量检索 + 全文检索 + 重排序** 的多阶段检索链路，基于 PGVector HNSW 索引实现语义召回，结合 PostgreSQL `tsvector` 实现关键词精确匹配，先通过 RRF 对多路召回结果进行排名融合，再使用重排模型对 TopN 候选片段进行二次相关性排序；在 100 条自建评测集上，Top5 命中率较单通道向量检索提升约 **18%**。 - 设计 Parent-Child 双层切块架构：Child 块控制在约 200 字符用于向量化和精准召回，Parent 块控制在约 800 字符作为生成上下文，通过 parent\_id 回溯实现“搜小块、读大块”，缓解 RAG 中“检索精度”与“上下文完整性”的冲突。 - 解析 Markdown [[note_id]] 双链语法，构建笔记引用邻接表；检索命中后沿引用关系进行 2 跳图扩展，将关联笔记纳入候选池，提升跨文档、跨主题问题的联想式召回能力。 **3、会话编排与 Agent 执行** - 设计 **Redis 会话级租约机制**，以 `chat:running:{conversationId}` 控制同一会话在集群环境下的生成互斥，并通过 UUID `leaseOwnerToken` 防止误释放其他请求的锁；结合 **30s TTL + 10s 定时续期** 支撑长时间生成任务，续期失败时主动中断生成并释放运行态资源，避免重复发送、前端重试导致的多任务并发写入和模型空跑问题。 - 基于 `ChatPreparationOrchestrator` 设计五步链式前置编排器，在检索前完成用户问题预处理：先装载会话记忆，对较早历史轮次进行 LLM 摘要压缩、对最近多轮对话保留原文窗口；再串联 **意图识别、问题改写、歧义澄清、子问题拆分、知识域收缩**，将包含代词、省略和上下文依赖的用户问题改写为可独立检索的执行计划，并通过“领域 → 主题 → 文档”三级知识路由将检索范围从全库收缩至候选文档，减少无关内容干扰。 - 设计 `ConversationExecutorRegistry` 执行器动态路由机制，基于编排器输出的 `ExecutionMode` 自动分发至不同执行器：信息不足时进入澄清执行器生成追问，知识问答类问题进入 RAG 执行器完成双通道检索、融合排序与证据驱动生成，开放探索或时效性问题进入 **ReAct Agent** 执行器，按“思考 → 行动 → 观察”循环调用联网搜索、知识检索等工具，并通过调用次数上限、工具失败重试和异常降级机制控制 Agent 执行风险。