MekoLi29

RAG系统概述 RAG（Retrieval-Augmented Generation）系统结合了检索和生成两个步骤，旨在利用外部知识库来增强生成模型的能力。

熟练掌握 Spring 全家桶（Spring/SpringBoot/MyBatis），具备核心源码阅读与扩展经验；熟悉 Spring Cloud 与Dubbo 等微服务框架。

核心采用微服务领域驱动设计(DDD)架构，前端提供拖拽式流程与表单设计器，后端深度集成并扩展Camunda引擎，以支持复杂业务流程规则与外部系统集成。

主导设计并实现适用于助力、抽奖等营销场景的通用可扩展框架。通过抽象标准化流程模板与策略化扩展点，将业务可变逻辑与通用能力（如并发控制、幂等、风控）解耦，支持业务快速实验与规模化落地。

【项目介绍】限时抢红包营销系统 业务目标是在固定红包预算下最大化订单转化用户数；核心技术目标是保障百万级用户在高并发场景下的系统稳定与极低的消息推送延迟，确保红包零超发。

AI智能反馈推荐与总结系统——大厂技术面试深度准备指南 主导设计并落地了一套基于向量检索与AI生成的智能处理系统。

包括 LangChain 框架的应用与原理、RAG（检索增强生成）架构的设计与实现、智能体（Agent）的构建、大模型微调（Fine-tuning）的基本方法与场景。

【八股文】Java面试突击深度解析（分布式系统篇） 分布式 ID、分布式事务、分布式缓存与分布式任务调度系统；理解 CAP/BASE 理论、及主流一致性算法（如 Paxos、Raft、ZAB）

【八股文】Java面试突击深度解。Kafka作为分布式消息系统，以其高吞吐、高可用、持久化、分布式等特性被广泛使用。下面将从架构设计、存储机制、副本同步、消息可靠性、顺序消息、延迟消息以及线上问题排查