黄珍_AI应用工程师_3年
简 历
个人信息
姓 名： 黄珍 学 历： 本科
现 居： 深圳 个人博客： cnblogs.com/huangzhen22
工作年限： 6年 邮箱地址: huangzhong222@163.com
联系电话： 13241406215 代码仓库： https://gitee.com/huang-zhong222
求职意向
大模型应用开发工程师（专注NL2SQL与智能数据处理方向）
专业技能
大模型应用开发：LangGraph状态机编排（12节点工作流设计）、LangChain应用构建、AI Agent多轮对话与Action自动发现、YAML配置化Flow流程引擎
RAG检索增强：多路召回架构（向量+全文+图谱+联网）、Qdrant稠密/稀疏双向量、Elasticsearch全文检索、Neo4j知识图谱、RRF融合排序、HyDE假设文档扩展、Reranker精排
NL2SQL：自然语言到SQL转换、sqlparse语法解析、规则引擎校验、LLM语义校验、执行准确率评测（Execution Accuracy/Exact Match/Component Match）
模型适配与优化：多模型统一接口（DeepSeek/豆包/千问/Kimi/自研模型）、A/B测试动态路由、Token成本优化、推理延迟优化（<<800ms）、LoRA嵌入模型微调
向量与语义检索：BGE-Large-ZH嵌入、Qdrant向量库管理、语义检索TopK调优、代码AST解析、函数级调用图谱构建
后端工程化： FastAPI服务化、SSE流式响应、Docker容器化部署、MinIO对象存储、水平扩展设计
高并发系统：Spring Boot微服务、Dubbo RPC、CompletableFuture异步并行、Redis缓存优化、Kafka/RocketMQ消息队列、限流降级、布隆过滤器去重
数据与中间件：MySQL、Redis、Elasticsearch、Qdrant、Milvus、Neo4j、Kafka
前端与全栈：Vue、ElementUI、前后端联调、CS/BS双端架构
团队与交付：9人团队TL、需求评审、排期跟进、风险识别、SLA保障（99.99%）
工作经历
OPPO浏览器研发团队 | AI应用工程师 | TL | 2022.04–至今 | 深圳
工作描述：
1. 负责信息流与商业化广告全链路技术架构，主导多场景多频道数据下发、埋点转发、广告下发与回调、数据补偿降级等高可用系统开发。
2. 主导信息流数据降级方案落地，线上问题处理，保障高并发与依赖异常场景下核心服务稳定运行，实现 7×24h 业务连续性。
3．带领9人团队，完成需求评审、排期跟进、风险识别，确保需求按时高质量交付，SLA 达 99.99%。
4．主导 3 个大模型项目从 0 到 1 落地，（小欧问数、信息流知识库、欧小服），服务于信息流、埋点、数仓等业务场景，具备 AI 产品化思维（需求分析 → 技术选型 → 工程实现 → 效果验证 → 成本优化）
5．构建多模型适配层，实现模型灵活切换与成本优化（Token 成本降低 35%）
北京源初科技 | 全栈开发 | 2016.11 – 2022.04 | 北京
参与跨境电商微服务、CRM、离线地图、科研项目申报系统开发，基于 Spring Boot、Redis、MQ、异步任务实现高可用业务。
北京早期公司（海虹药通 / 万盛华通）| 全栈开发 | 2012.10 – 2016.11 | 北京
负责政务、金融、定位采集、OA、医疗集采平台等系统开发，具备全栈与业务落地能力。
项目经历
项目一、小o问数| 项目负责人
项目描述：业务团队（信息流、埋点、数仓）日常依赖DBA手工编写SQL查询200+张业务表，效率低、响应慢、人力成本高。基于LangGraph智能体+多路召回架构，构建自然语言到SQL的智能转换系统（NL2SQL），实现非技术人员自助查询数据。
核心技术：
Python 3.12 / FastAPI / LangGraph / LangChain / Qdrant / Elasticsearch / MySQL / BGE-Large-ZH / Docker Compose / SSE
项目职责：
1. 设计12节点LangGraph状态图工作流（关键词提取→多路召回→信息融合→LLM过滤→SQL生成→校验修正→执行），用条件边实现动态路由
2. 搭建Qdrant向量召回（BGE Embedding，TopK=15）+ ES全文检索 + MySQL元数据过滤的多路召回架构
3. 实现sqlparse语法解析 + 规则引擎 + LLM语义校验三层SQL校验体系，语法错误率<3%
4. 抽象统一LLM Interface，兼容DeepSeek、KIMI、通义千问及自研模型，支持A/B测试与动态路由
5. 构建NL2SQL评测系统（Execution Accuracy、Exact Match、Component Match等多维度指标），支撑持续优化闭环
6. 搭建FastAPI + SSE流式响应 + Docker容器化部署，支持水平扩展
项目成果：
1. SQL生成准确率94.3%，日均处理5000+查询，平均响应时间<800ms
2. 降低DBA人工编写SQL工作量70%，显著释放数据团队产能
3. 多模型适配层Token成本降低35%，错误自动修正成功率89%
4. 评测体系支撑A/B测试与迭代优化，形成数据驱动的质量闭环
项目二、信息流知识检索（o-rag）| 核心开发者
项目背景：浏览器团队知识管理平台，需整合本地文档、在线文档、代码仓库三类异构知识源。传统搜索无法跨源关联、缺乏语义理解能力，需构建多源RAG系统实现智能问答与跨库知识检索。
核心技术：FastAPI + LangGraph + Qdrant + Neo4j / HyDE假设文档扩展 / RRF多路融合排序 / 代码AST解析+函数级调用图谱 / 跨库链路检索
项目职责：
1. 设计双LangGraph状态机：导入流水线8节点（PDF解析→图片摘要→分块→BGE双向量嵌入→Qdrant+Neo4j双写），查询流水线9节点（意图识别→条件路由→四路并行检索→RRF融合→Reranker精排→LLM生成）
2. 构建混合检索架构：向量检索（稠密+稀疏双向量）+ HyDE假设文档扩展 + Neo4j知识图谱关系推理 + 联网搜索，RRF多路融合排序（k=60，加权排名倒数求和）
3. 实现三模数据源接入：本地文档（PDF/Markdown）、在线文档、代码仓库（AST解析→函数级调用图谱→Neo4j代码图谱）
4. 设计跨库链路检索：两阶段（文档向量检索→Neo4j关系桥接→精准取回代码块），无关系边时LLM抽取代码符号回退向量检索，自动回写关系边积累关联
5. 实现工程化能力：SSE流式输出 / 节点级实时进度追踪（running/done双列表推送）/ MinIO对象存储 / Docker容器化部署
项目成果：
1. 三模数据源完整接入，覆盖3类知识源、10+种文件格式，Qdrant 4个集合独立管理
2. 跨库关联查询打通文档↔代码链路，研发人员定位关联代码效率提升50%+
3. 四路并行检索+RRF融合+Reranker精排，端到端问答响应<3s，召回率较单路向量检索提升40%+
项目三、O小服（o-ics）| 架构设计 & 核心开发
项目背景：项目每天需登录研发云平台跟进迭代进度、风险和缺陷，操作重复耗时。本项目是一款基于LLM的智能研发管理助手，让PM和TL直接在企业IM中通过自然语言对话完成迭代查询、工作项跟进、缺陷管理等高频操作，无需切换云平台。
核心技术：LLM（OpenAI/DashScope）、FastAPI、LangGraph/LangChain、Flow流程引擎（YAML）、FAISS向量检索、Neo4j+GraphRAG、LoRA嵌入模型微调、MySQL
项目职责：
1、负责整体架构设计，采用四层模块化架构（应用层、核心引擎层、数据状态层、外部集成层）
2、设计并实现Flow对话流程引擎，通过YAML配置化定义对话步骤，支持条件分支与子流程调用
3、开发Agent主协调器，基于LangGraph实现图式消息处理流程编排与Action自动发现注册
4、实现双策略架构（FlowPolicy+EnterpriseSearchPolicy），按优先级决策对话路径
5、实现MySQL到Neo4j图谱自动同步，动态构建业务知识图谱支持GraphRAG检索
6、开发嵌入模型LoRA微调模块，通过对比学习提升垂直领域检索准确率
7、设计双模交互机制：自由文本（LLM意图解析）+ 按钮点击（/SetSlots协议，零延迟确定性交互）
8、开发5个业务Flow模块，覆盖17个自定义Action（工作项查询/创建、项目汇总、团队管理等）
项目成果：
1、交付可独立运行的LLM研发管理助手，PM/TL在IM中即可完成高频管理操作，显著节省日常管理时间
2、对话流程YAML配置化，新增业务场景无需修改框架代码，扩展成本低
3、Flow引擎+双策略架构确保关键操作精确可控，有效规避大模型幻觉对业务操作的影响
4、已落地接入IM发起对话，融入日常沟通场景
项目四、信息流高并发服务集群 | 服务负责人
项目描述：负责信息流核心服务集群（列表服务、分发服务、频道管理服务）的架构设计与开发，基于 Spring Boot + Dubbo 微服务架构，日均处理请求量亿级，支撑千万级用户的内容消费与商业化变现
核心技术：
1、信息流列表服务：采用 DDD 分层架构，设计内容与广告智能混排算法，通过工厂模式与策略模式实现灵活扩展；运用 CompletableFuture 实现异步并行 RPC 调用，结合缓存优化与批量处理，核心接口响应时间降低 30%
2、商业化资源分发服务：基于 Spring Boot + Restlight 构建高性能 HTTP 服务，通过精细化缓存策略与热点数据预加载，服务 QPS 提升 40%；主导微服务拆分与治理，集成分布式追踪与指标监控体系，实现染色日志，线上问题定位效率提升 60%
3、频道管理服务：支持千万级用户频道订阅与排序，通过 Redis 缓存提升查询性能（QPS 提升 3 倍）；使用 Google RateLimiter 对 Kafka 写入限流，保障高并发下的稳定性
4、降级服务：设计数据补偿与降级方案，保障依赖异常场景下核心服务稳定运行，实现 7×24h 业务连续性（SLA 99.99%）
自我评价
近4年聚焦大模型应用落地，主导3个AI项目从0到1（NL2SQL、多源RAG、智能Agent），习惯用数据验证结果（SQL准确率94.3%、Token成本降35%、DBA工作量替代70%）。带过9人团队，SLA 99.99%，能平衡技术深度与交付节奏。深圳定居，家庭稳定，寻求长期发展的技术岗位。
教育背景
北京理工大学 | 本科 | 计算机科学与技术 | 2020年毕业
在职攻读（2017-2020），毕业论文答辩通过，获学士学位证
论文：GIS全球离线地图系统
武汉信息传播职业技术学院 | 专科 | 电子信息工程技术 | 2011（全日制）
浙公网安备 33010602011771号