职业历程

我的经历

专注于分布式微服务、事件驱动系统与 AI/RAG 工具的软件工程师。

工作经历

Madison-Davis

纽约

2024.10 – 至今

▸主导将单体支付编排服务重构为基于 OpenShift (Kubernetes) 的横向可扩展事件驱动微服务，使用 Java 和 Spring Boot，支撑 3 倍峰值流量增长，消除峰值时段吞吐量瓶颈。
▸实现事务性发件箱（Transactional Outbox）结合 CDC（Debezium）模式，将邮件收据生成与核心支付流程解耦，通过 Kafka 以至少一次投递语义发布领域事件，配合幂等消费者，将通知可靠性提升至 99.9%，同时保证最终一致性。
▸构建具备指数退避与抖动的容错重试框架以应对下游瞬时故障，集成死信队列（DLQ）路由与消息重放能力，将长尾通知失败率降低约 90%。

JavaSpring BootKafkaKubernetesOpenShiftDebeziumCDC微服务

Fiserv

新泽西州 Berkeley Heights

2023.07 – 2024.10

▸使用 Java (JavaEE) 构建 Redis 旁路缓存层以减轻数据库读压力，将平均 API 响应时间从 15s 降至 7s，恢复 SLA 合规。
▸实现基于 Kafka 消费者组的高吞吐批处理管道（100 条/批），将客户配置更新摄入 Redis，在生产环境下稳定支撑约 10k 条/秒的消息处理速率。
▸与 DevOps 和 QA 团队紧密协作，使用 Kubernetes 和 Helm 支持端到端 CI/CD 流程，涵盖 QA、CAT 及生产部署，同时承担新客户接入与生产事故处理。

JavaJavaEERedisKafkaKubernetesHelmCI/CD

腾讯 Tencent

深圳

2020.07 – 2020.10

▸使用 Go 和 gRPC 重构 QQ 浏览器的 AIOps 异常检测平台，部署分钟级多算法异常检测与根因分析，结果存入 Druid OLAP 数据库，将 KPI 故障排查时间从数小时缩短至数分钟。

GogRPCDruidAIOps异常检测

▸使用 FastAPI（SSE 流式传输）后端和 Next.js 前端构建全栈 AI 助手，具备 RAG 驱动的问答、实时 Google 日历预约等功能，部署于 Railway + Vercel。
▸设计两阶段 RAG 摄取管道：先用 LangChain Markdown 标题分割器，再用递归字符分割（500 字符，50 字符重叠），使用 Google embedding-001 将内容向量化存入 ChromaDB，实现对博客内容的语义搜索。
▸集成 Google Calendar API，通过对话式 AI 助手实现实时会议预约——查询 Freebusy API 获取可用时间段，并通过多轮 agentic loop 中的自定义 LangChain 工具创建日历事件。

PythonFastAPINext.jsRAGChromaDBLangChainGeminiGoogle Calendar API

计算机科学硕士

华盛顿特区

2021.08 – 2023.05

计算机科学学士

天津

2017.09 – 2021.06

PythonJavaGoJavaScriptSQL

RAG（检索增强生成）向量搜索（PGVector, FAISS）语义 Embedding查询理解（MQE、查询改写、分解）Prompt EngineeringLangGraphRAGAS

FastAPISpring BootRESTful APIKafka事件驱动架构微服务gRPC

PostgreSQLMySQLMongoDBRedisMS SQL Server

AWS (EC2, S3, RDS, IAM)GCPDockerKubernetesHelmCI/CDGit