转行进入软件开发的工程师，主攻 Java 后端 与 Vue 前端，聚焦 电商 与 AI 应用 两个方向。 习惯把学到的东西落成「能跑起来、能讲清楚取舍」的小项目：从微服务怎么拆、网关怎么鉴权， 到向量怎么算、大模型怎么接得可插拔。目前正从初级向中级稳步成长。
📍 Shenzhen, China
| 方向 | 我用得比较多的东西 |
|---|---|
| 后端 | Spring Boot 3、Spring Cloud / Spring Cloud Alibaba、Spring Cloud Gateway、OpenFeign、MyBatis-Plus |
| 数据 | MySQL、Redis、MongoDB；RabbitMQ 做异步解耦 |
| 前端 | Vue 3 + Vite + TypeScript、Element Plus、Pinia |
| AI 应用 | OpenAI 兼容协议接入大模型、文本向量化与语义检索、RAG 智能客服 |
| 工程 | Docker Compose、GitHub Actions CI、springdoc-openapi |
下面两个仓库是我目前主要在打磨的练手项目，分别对应「电商微服务」与「电商场景下的 AI 能力」。 两个项目都做了 CI、文档、Docker Compose 一键起，并刻意保证 没有大模型 key 也能在本地与 CI 跑通。
mall-ai-engine · 电商 AI 能力中台
用一套 Spring Cloud 微服务，把 商品推荐 / 语义搜索 / 智能客服（RAG） 三类大模型能力， 做成可独立部署、可独立扩展的服务。重点在工程化而不是炫单点算法：
- 语义搜索：商品文本向量化后按余弦相似度召回，支持自然语言查询而非关键词精确匹配。
- 智能推荐：基于用户最近行为构造兴趣画像 → 语义召回 → 向量重排；无历史行为时回退热门兜底（冷启动）。
- 智能客服（RAG）：先检索相关资料注入提示词再交给大模型，多轮会话存于 Redis。
- 大模型可插拔：统一的
LlmClient抽象，走 OpenAI 兼容协议（OpenAI / 通义千问 DashScope / DeepSeek 只改base-url与model）；未配置 key 时自动回退到确定性离线实现。
Java 17 · Spring Boot 3.2 · Spring Cloud 2023 · MongoDB · Redis · RabbitMQ · OpenFeign · Vue 3 + Vite + TS
mini-mall-cloud · 电商微服务练手项目
把「微服务怎么拆、网关怎么鉴权、服务间怎么调、缓存放哪里」这些初中级常见问题， 用一套能跑起来的小电商项目串起来。后端拆成 用户 / 商品 / 购物车 / 订单 四个服务， 配 MySQL + Redis，前端是一个 Vue3 管理后台：
- 网关统一入口 + JWT 鉴权，OpenFeign + LoadBalancer 做服务间调用，Nacos 注册中心可选。
- 商品详情走 Redis 缓存，购物车用 Redis Hash 存储。
- 主流程完整可跑：注册 → 登录拿 token → 浏览商品 → 加购物车 → 下单 → 支付。
- 后端用 H2 + Mock 做单元测试，前端用 Vitest，CI 每次 push 跑后端 + 前端两条流水线。
Spring Boot 3.2 · Spring Cloud 2023 · Spring Cloud Alibaba · MyBatis-Plus · MySQL · Redis · Vue 3 + Element Plus + Pinia
- 把电商业务和 AI 能力拼在一起：推荐 / 搜索 / 客服怎么落到真实下单链路上。
- 微服务里的稳定性细节：缓存一致性、消息幂等、服务降级与冷启动兜底。
- 让项目对别人也友好：更完整的文档、更可读的测试、更省事的一键启动。
仓库以电商与 AI 应用方向的练手项目为主，欢迎点开 README 看具体设计取舍。