李杰

AI 应用开发工程师 | 应届毕业生

jlee14246@gmail.com github.com/leejj0 +86 185 8197 9880

教育经历

专业技能

• AI 工程： RAG 知识库全链路（文档解析 / 文本切分 / Embedding / 向量检索 / Rerank）；LLM Prompt 编排；Agent 工作流设计

• 后端开发： Python / FastAPI 异步服务开发；PostgreSQL、MySQL、Redis；pgvector / Qdrant 向量数据库

• 前端开发： React / TypeScript；Ant Design/Shadcn Ui；流式输出（SSE）与 AI Chat 界面实现

• 工程实践： Git 协作开发；多角色权限系统设计；Redis + RQ 异步任务队列；React Query 状态管理

• AI 工具： Cursor、Claude Code 等 AI Coding 工具；DeepSeek API / BGE Embedding 模型集成

实习经历

• 参与 AI 情报分析平台从立项到初版演示的全过程，覆盖需求拆解、技术选型、前后端开发与接口联调

• 围绕 文件上传—知识库管理—智能检索—AI 问答主链路完成核心功能开发，协同产品与后端推进方案落地

• 结合 Cursor / Claude Code 等 AI Coding 工具提升开发与问题排查效率，形成 AI Native 研发工作流

优势亮点

• AI 应用工程化：能将模型能力转化为可落地的产品能力，关注系统可用性、稳定性与闭环设计

• 全栈开发能力：可独立完成前后端核心功能开发，覆盖前端交互、接口设计、数据建模与联调交付

• 产品与工程意识：既关注用户体验与交互设计，也重视系统状态管理、任务链路与可观测性

项目经验

技术栈： React · TypeScript · FastAPI · PostgreSQL · Qdrant · Redis · RQ · DeepSeek API · BGE Embedding

面向企业知识库场景，自主构建可信问答 + Wiki 治理一体化平台，实现知识查询可追溯、知识库可持续维护的闭环。

• 构建 RAG 问答主链路： 完成文档解析、文本切片、BGE Embedding、Qdrant 语义检索、Prompt 编排，输出带来源引用的流式回答，有效降低幻觉风险

• 引入 LLM-Wiki 知识层： 将原始文档沉淀为可审核、可版本化的结构化 Wiki，支持 Ask / Wiki 双模式检索与双引用返回，显著提升回答可信度

• 实现 Wiki 治理与 AI Maintenance 闭环： 支持自动生成、主题合并、diff 对比、回滚、审核发布与负反馈修订草案生成，保障知识库长期质量

• 实现 SSE 流式问答体验:按 context_ready、token、done 等事件增量更新回答和引用信息，优化用户等待反馈，并解决流式生成中消息状态被刷新覆盖的问题

• 将文档解析、切片、Embedding、Wiki 生成等长任务接入 Redis + RQ，配合 system_tasks 记录阶段、进度和失败原因，使上传流程由同步等待改为异步可观测处理

• 项目链接： http://ragagent.jeelly.me

技术栈： React · Ant Design · FastAPI · Java / Spring Boot · MySQL · Redis · Elasticsearch

面向 ToB 企业客户的情报泄露检测与智能知识检索平台，覆盖非结构化数据处理、ES 检索与 AI 问答等核心能力，支撑初版演示交付。

• 主导 ToB 情报分析与知识库检索平台初版开发：独立完成文件上传、知识库管理、智能检索、AI Chat、权限管理等核心模块，3个月交付客户用于演示

• 针对 10G 级大文件上传易超时、状态不可见的问题，实现动态分片上传、上传进度、解析状态追踪和异常提示，将上传处理流程由黑盒等待改为可追踪、可反馈

• 开发 AI Chat 交互界面：支持文件问答、知识库问答、消息状态管理和 SSE 分段式流式输出，优化大模型回答等待体验和异常反馈

• 实现 Elasticsearch 关键词检索 + 自然语言语义检索双模式，支持用户从海量非结构化数据中快速定位敏感信息、风险线索和相关知识内容

• 参与多角色权限体系设计，完成菜单级、页面级前端权限控制，并协助后端 CRUD 接口和 MySQL 表结构设计，满足 ToB 平台基础权限隔离需求