- 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
01 / PROFILE
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。
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
03 / SELECTED WORK
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。
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。
先看核心链路,再展开感兴趣的技术细节。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
先看核心链路,再展开感兴趣的技术细节。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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
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。
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。
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
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。
围绕 Spring Boot、MyBatis-Plus 与 MySQL 完成业务接口、数据访问和前后端联调
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
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