DUZEMIN
个人作品集 / 2026开放工作机会 · 随时到岗

你好,我是杜泽民

DUZEMIN

Java 后端开发

AI 应用与 Agent 工程实践

围绕接口、数据与异步任务构建后端,探索 AI Agent 的工具调用与协作。

JAVA 17/21 / SPRING BOOT / AI AGENTSCROLL TO EXPLORE

01 / PROFILE

关于我

个人档案

杜泽民

求职方向:Java 后端开发|AI 应用方向

专注 Java 后端开发,熟悉 Spring Boot、MyBatis-Plus、MySQL 与 Redis。通过券流和码序两个项目,实践异步任务、消息幂等、分库路由与 Agent 工程,关注代码实现、问题排查和方案取舍。

电话
157-8078-5359
邮箱
354561650@qq.com
到岗状态
随时到岗
项目方向
Java 后端 / AI Agent
最高学历
本科
坐标
陕西
教育经历
2024—2026

西安外事学院

计算机科学与技术 · 本科

学习计算机科学与技术相关课程,通过程序设计竞赛和个人项目积累编码经验,持续实践 Java 后端、数据库缓存、异步处理与 AI Agent 开发。

02 / TOOLKIT

专业技能

JV专业技能 · 01
17/21
Java 版本
API
核心基础
Tools
工程实践
  • Java 常用语法与核心 API掌握
  • 集合框架 / I/O / 面向对象熟悉
  • 多线程 / 线程池 / 并发编程基础了解
  • Python 基础语法掌握
  • IntelliJ IDEA / Maven / Git / JMeter / ApiPost熟悉
  • Linux / Docker 基础部署与日志排查能够
BE专业技能 · 02
Spring
服务框架
MySQL
性能优化
MQ
异步解耦
  • Spring Boot / MyBatis / MyBatis-Plus熟悉
  • Spring Cloud / Spring Cloud Alibaba 常用组件了解
  • MySQL / EXPLAIN / 基础 SQL 优化熟悉
  • Redis 缓存 / 持久化 / 内存淘汰 / 分布式锁了解
  • RocketMQ / RabbitMQ / 异步解耦与消费幂等了解
  • XXL-Job 定时任务 / ShardingSphere 分库分表了解
AI专业技能 · 03
ReAct
任务循环
MCP
工具调用
Agent
协作编排
  • LangChain4j / RAG / Prompt 基本概念了解
  • Agent Loop / ReAct / Function Calling了解
  • MCP / Skills / 工具按需加载了解
  • 上下文管理 / Git Worktree / 多 Agent 协作了解
  • Claude Code / Codex / Cursor 辅助编码与排查能够
  • Vue 3 / JavaScript / Vite / Element Plus 基础联调能够

03 / SELECTED WORK

精选项目

从业务约束到技术选择,展开查看每个方案的实现思路与边界。

01 个人项目实践 · Java 后端开发

券流|优惠券发行与履约引擎

Java 17Spring Boot 3MyBatis-PlusMySQLRedisRedissonRocketMQ 5.xShardingSphereEasyExcelXXL-Job
查看项目源码

一份发券名单背后,是吞吐、库存与失败恢复的协同设计。

面向电商营销场景,串联商家模板管理、批量与定时发券、秒杀领取,以及预约提醒、锁定核销与退款。项目重点放在两条链路:大名单如何分批发得稳,并发领取如何尽早拦截无效请求。任务进度、消息状态与最终领券结果分别处理,让中断、重试和失败明细都有明确的落点。

ISSUANCE PIPELINE架构示意
  1. 01
    流式解析Excel / EasyExcel逐行读取发券名单
  2. 02
    库存预扣Redis / Lua原子校验与批次暂存
  3. 03
    批次投递RocketMQ异步分发与消费重试
  4. 04
    事务落库MySQL条件更新与唯一约束
可靠性贯穿链路任务进度可追踪消息消费幂等落库唯一约束
ENGINEERING DETAILS

方案拆解

先看核心链路,再展开感兴趣的技术细节。

01批量分发把大名单变成受控批次,减少逐条操作的往返开销。

使用 EasyExcel 流式读取 Excel,避免整份名单同时驻留内存。解析阶段通过 Lua 将库存预扣与待发用户写入 Redis Set 放在同一次执行中,累计到批次后发送分发消息,由消费者批量写入用户券记录;解析结束时补发完成标识,处理不足一批的尾部数据。

设计取舍

流式读取解决内存占用,批处理减少网络与数据库调用,两者分别优化不同瓶颈。批次越大,单次事务与失败重试成本也越高,需要在吞吐和恢复成本之间取舍。

02续跑追踪中断后有进度可循,失败后有原因可查。

以任务维度在 Redis 中保存已处理行号,重启解析时跳过已登记输入。将库存不足、重复领取等失败行号和原因记录下来,按任务批次生成错误明细。导出采用记录 ID 游标分批读取,避免 LIMIT 大偏移量反复扫描前面的记录。

设计取舍

解析进度不代表发券已经落库。恢复点、消息消费状态和数据库结果需要分开判断,唯一索引与消费幂等共同处理重放;失败明细用于定位原因,并不自动等于补发。

03秒杀控制缓存层尽早筛选,数据库保留最终写入约束。

将库存是否充足、用户是否超过限领次数放入 Redis Lua 原子执行,对无库存和超限请求直接返回。有效请求进入 RocketMQ 异步发券链路,数据库通过带库存条件的更新和用户券唯一索引处理扣减、重复领取等竞争场景。

设计取舍

Lua 保证一次 Redis 执行的原子性,不能替代 Redis、消息队列与 MySQL 之间的状态协调。缓存负责前置拦截,数据库条件更新和唯一约束负责最终结果。

04消息幂等重复消息要区分正在执行和已经完成,不能一律丢弃。

通过自定义注解、AOP 与 SpEL 生成业务幂等键,用 Redis 原子写入消费中标识。遇到正在处理的同键消息时抛出异常,让队列延迟重试;已完成的消息直接跳过。正常结束更新完成状态,业务异常则清理标识,配合过期时间释放异常占用。

设计取舍

消费幂等用于控制重复执行,业务唯一索引仍要保留。状态过期后的重投、消费耗时和异常退出都需要纳入考虑,单个去重键并不构成端到端的恰好一次承诺。

05分库路由围绕查询入口选择分片键,让分片真正服务于访问模式。

采用 ShardingSphere HashMod 方案,以 shop_number 组织优惠券模板数据。商家维度的查询显式携带店铺编号,使路由落到目标分片;用户券数据则围绕用户维度组织。分片设计结合常见查询条件考虑,避免仅按数据量拆表后再承担全路由查询。

设计取舍

局部索引无法替代分片键。查询缺少路由条件时,分片内查询再快也可能需要访问多个节点;按店铺和用户组织数据,也意味着跨维度查询需要额外设计。

06缓存防护把不存在的数据与热点失效分开处理。

模板查询组合布隆过滤器、空值缓存与 Redisson 分布式锁:过滤器先排除明确不存在的模板,空值缓存覆盖不存在记录及误判场景;热点缓存失效时,通过加锁与锁内二次检查减少并发回源。

设计取舍

布隆过滤器可能误判存在,需要数据库和空值缓存继续确认;分布式锁只约束缓存重建路径,避免将所有正常命中请求也放进串行执行。

工程思考

可靠性的讨论,要落到具体状态。

这条链路最值得展开的是:任务解析到哪里、消息执行到哪里、用户最终拿到什么券。三类状态各有职责,排查和恢复才有依据。

工程思考

性能优化先找往返,再谈并发。

流式读取、Redis 批次暂存、数据库批量写入和游标导出,分别减少内存驻留、网络往返与无效扫描。更大的线程池并不天然意味着更快。

02 个人项目实践 · AI Agent 开发

码序|终端 AI 编程 Agent

Agent LoopReActFunction CallingMCPSkillsJSONLGit Worktree

让模型调用工具之后,长任务、权限和协作才真正开始。

面向自然语言编程任务的终端助手,围绕模型决策、工具执行和结果反馈组织 Agent Loop。文件读取、搜索、编辑与命令执行提供基本行动能力;多模型适配、上下文管理、权限拦截与多 Agent 协作,进一步处理任务运行过程中遇到的协议差异、上下文膨胀和执行边界。

AGENT LOOP架构示意
  1. 01
    模型决策Model理解任务,选择行动
  2. 02
    权限校验Permission规则、路径与人工确认
  3. 03
    工具执行Tools读取、搜索、编辑、命令
  4. 04
    反馈再规划Feedback结果回写与上下文管理
工具结果回写上下文,进入下一轮决策
MCP / Skills工具按需JSONL会话持久化Git Worktree并行协作
ENGINEERING DETAILS

方案拆解

先看核心链路,再展开感兴趣的技术细节。

01安全拦截执行权限由工具层落实,拒绝不能被另一条允许规则覆盖。

在工具真正运行前组合危险命令检测、路径范围校验、规则引擎、权限模式和人工确认。路径检查先解析符号链接得到真实路径,再判断是否越界;权限链采用拒绝优先,避免不同作用域的规则出现允许覆盖拒绝的冲突。

设计取舍

字符串匹配无法覆盖所有命令组合,路径校验也属于应用层控制。多层检查的价值在于分别覆盖不同风险;进程级读写或网络隔离需要操作系统沙箱等独立机制。

02会话管理摘要要节省上下文,也必须保住工具调用的配对边界。

先将过长工具输出落盘,在会话中保留摘要和文件引用;历史接近预算时再生成结构化摘要。会话通过 JSONL 持久化,并在恢复、压缩和用户中断后检查工具调用与结果是否配对,必要时退回最近的完整轮次,避免孤立调用导致下一轮请求失败。

设计取舍

大结果落盘与历史摘要的损失程度不同,应先处理可回读的大输出。摘要请求本身同样消耗上下文预算,因此压缩触发点和空间不足时的退让策略也属于设计的一部分。

03协议归一模型协议的差异留在客户端,Agent Loop 只消费统一事件。

Anthropic 以内容块组织流式响应,OpenAI 兼容协议中的多个工具调用增量可能交错到达。客户端按调用索引累计参数,在结束边界组装完整调用,并将文本增量、工具开始、参数片段与调用结束转换为统一事件,供上层循环和终端界面使用。

设计取舍

适配层统一的是事件语义,模型特有能力仍需显式处理。工具参数在流式传输中通常是不完整 JSON,不能收到任意片段就解析执行;新增服务商应主要扩展解析器。

04并行协作目录隔离解决文件干扰,消息类型解决任务误判。

每个子 Agent 使用独立 Git Worktree,文件邮箱负责异步传递任务与进度。Coordinator 拆分任务、分配工作并跟踪状态;通信中区分任务分配、进度更新和停止请求,让 Worker 依据消息类型响应,减少把其他 Agent 的状态描述当作新指令的情况。

设计取舍

Worktree 分离工作目录,不能自动消除后续合并冲突,也不提供进程级安全隔离。适合拆分依赖较少的任务,最终结果仍需要合并与校验。

05工具按需先让模型看到工具目录,需要时再支付完整定义的上下文成本。

MCP 工具先提供名称和简述,检索命中后再加入完整 Schema;客户端维护已发现工具集合,在后续请求中主动携带定义,适配缺少服务端工具引用展开能力的端点。Skills 同样采用元数据与指令正文分阶段加载,按任务引入所需规则和工具。

设计取舍

按需加载减少初始上下文占用,但增加一次发现过程;工具被发现后仍占用后续请求预算。客户端管理定义,能减少对单一模型协议扩展的依赖。

工程思考

一个 Agent 的工程能力,体现在中断之后。

压缩、取消、断连与会话恢复都可能留下不完整状态。关注工具调用配对、输出引用和完整轮次,比只展示一次顺利的工具调用更能说明系统设计。

工程思考

把 AI 辅助开发落实为可解释的方案。

项目关注协议适配、上下文成本与权限边界这些可具体讨论的问题。工具辅助编码,技术选择仍需要结合约束说明原因,并通过运行结果判断是否成立。

04 / RECOGNITION

荣誉证书

证书

软件设计与开发竞赛校级一等奖

校级
颁发单位
西安外事学院

软件设计与开发竞赛一等奖,体现工程实现与项目交付能力。

证书

学院程序设计竞赛一等奖

学院
颁发单位
计算机学院

程序设计竞赛一等奖,体现算法基础、编码能力与问题拆解能力。

证书

校园实践大赛(软件开发类)特等奖

软件开发类
颁发单位
西安外事学院

校园实践大赛软件开发类特等奖,体现项目实践与综合应用能力。

05 / GET IN TOUCH

联系我

希望加入重视工程实践的团队,围绕 Java 后端和 AI 应用,把接口、数据与任务流程做扎实。欢迎通过邮件或表单与我交流。

Java 后端开发

围绕 Spring Boot、MyBatis-Plus 与 MySQL 完成业务接口、数据访问和前后端联调

数据与异步

结合 Redis、RocketMQ 与定时任务处理缓存、批量分发、消费重试和业务幂等

Agent 工程实践

围绕工具调用、上下文管理、权限控制与多 Agent 协作开展编程助手实践

坐标
陕西
意向岗位
Java 后端开发|AI 应用方向
技能关键词
JavaSpring BootMyBatis-PlusMySQLRedisRocketMQRedissonShardingSphereXXL-JobEasyExcelReActFunction CallingMCPSkillsGit WorktreeDocker
更多联系方式
微信、QQ 等渠道可在邮件 / 表单沟通后进一步交换。
快速联系