正在寻找 Java 后端开发实习 / 全职岗位

赵劲

计算机技术硕士 · 南昌大学 · Java 后端开发工程师

专注于 Spring Boot 生态高并发分布式系统AI 工程化。热衷用 DDD 拆解复杂业务,在 GOODLAB 实验室主导 多项 AI 应用落地,曾获华为开发者大赛全国前 16 强

中共党员 江西 · 南昌 18707958729 zhaoj@email.ncu.edu.cn
赵劲
赵劲
南昌大学
1/ 54
硕士学业成绩排名
TOP 16
华为全国开发者大赛
3
授权发明专利
特等
南昌大学特等学业奖学金

教育经历

南昌大学 211 双一流
计算机技术 · 硕士 · 数学与计算机学院 · 南昌
学业成绩排名 1 / 54  ·  考研成绩 379 分(排名 4 / 110)
计算机技术第二学生党支部组织委员
特等学业奖学金 榜样之星 × 2
北京物资学院
信息管理与信息系统 · 本科 · 信息学院 · 北京
学业成绩排名 前 10%  ·  信息学院信管学生党支部支委
GOODLAB · 泛在数据分析与优化实验室
南昌大学数学与计算机学院  ·  good.ncu.edu.cn

专业技能

编程语言
熟悉 Java,理解集合框架(HashMap / ConcurrentHashMap 底层原理);掌握 Python;了解 C++
Java 并发
熟悉 JUC 并发工具类(线程池核心参数与拒绝策略、ReentrantLock);理解 CASAQS 实现原理与 synchronized 锁升级机制
JVM
熟悉 JVM 内存模型、双亲委派机制;GC 算法(标记-清除 / 复制 / 标记-整理)及主流收集器(G1、CMS)
框架
熟练使用 Spring Boot 3 / Spring MVC;理解 AOP、三级缓存解决循环依赖;熟悉 Spring Boot 自动装配原理
MySQL
熟悉 B+ 树索引结构、索引下推;事务 ACID 与隔离级别、MVCC、锁机制与日志体系
Redis
熟悉内存淘汰策略;掌握缓存雪崩 / 穿透 / 击穿解决方案、Redisson 分布式锁(看门狗续约)、BitMap 人群标签、Pub-Sub;了解主从复制与哨兵
消息中间件
熟悉 RabbitMQ;理解消息可靠投递、消息积压与延迟队列等场景解决方案
AI 工程化
熟悉 Spring AIMCP 协议分层架构(Host / Client / Server); 掌握 RAG 架构(Chunking 策略、Embedding 向量化、多路召回)、pgvector、Prompt Engineering、SSE 流式响应; 熟悉 Agent 设计范式(ReAct、Plan-and-Execute、Reflection)、记忆压缩与 Multi-Agent 架构
架构与分布式
熟悉 DDD 领域驱动设计分层架构;熟练运用责任链、策略、模板方法、工厂、单例等设计模式;理解 CAP / BASE 理论、分布式事务与高并发防超卖
计算机基础
计算机网络(TCP 三次握手 / 四次挥手)、常见数据结构与算法、操作系统
运维与研发提效
Linux ShellGitDocker;熟练使用 Claude Code、Gemini 等 AI 编程工具,能独立完成前端开发与前后端联调,具备全栈交付能力,可编写自定义 Skill 实现工作流自动化

实习经历

北京云阙智能科技有限公司
Java 后端开发实习生 · 北京 · WOW Talk APK 下载 ↗

参与 「WOW Talk」AI 英语学习 App 后端核心开发,产品覆盖听力、口语、阅读、写作纠错、单词记忆五大模块(内测阶段,目标 DAU 10,000+)。整体架构:Flutter 跨端 + Java 21 / Spring Boot 3 核心 API + Python Celery AI 服务 + RabbitMQ + MySQL 8 + Redis + Docker。负责写作纠错单词记忆模块接口开发,与 2 名正式后端工程师及 1 名 Python AI 工程师协作。

Java 21Spring Boot 3Spring AISpring CacheRedisRabbitMQSpringDoc OpenAPI
  • RESTful 接口开发:负责写作纠错、单词记忆模块 Spring Web MVC 接口,覆盖作文提交、纠错记录查询、学习进度同步;基于 SpringDoc OpenAPI 生成 Swagger 3 交互式文档,配合 Flutter 客户端完成联调与字段对齐
  • Spring AI 轻量能力封装:对接大模型 API 实现单词例句生成、同义句改写等接口;迭代 Prompt 模板提升输出格式稳定性;重任务(整篇纠错、发音评测)交由 Python Celery 异步处理
  • Spring Cache + Redis 缓存引入:对单词释义、高频词库等读多写少场景使用 @Cacheable 引入 Redis 缓存,合理设置 TTL 与 key 命名空间,减轻 MySQL 读压力

项目经历

国际材料创新研究院 AI+ 智能设备预约平台 已上线运行
项目负责人 · GOODLAB 实验室 · iimigx.ncu.edu.cn ↗

面向南昌大学国际材料创新研究院跨学科科研人员的 AI+ 设备预约平台,解决跨学科设备检索难、预约流程长的痛点。以 MCP 协议为核心架构,本地化部署 DeepSeek-32B 作为 Host 统一调度工具服务,实现「自然语言意图识别 → 智能设备匹配 → 自动预约」全链路闭环,科研人员预约效率提升 60%+

Spring AIMCP 协议OllamaDeepSeek-32BRAGpgvectorSSE4×V100S
  • MCP 协议分层架构:将平台能力拆解为三个独立 MCP Server(设备查询、预约调度、知识库),本地 DeepSeek-32B 作为 Host 通过 McpSyncClient 统一接入;新增业务能力只需新增 Server,无需改动 AI 核心逻辑
  • Spring AI Tool 声明式开发:基于 @Tool 注解将业务方法声明为 MCP Tool,框架自动生成 JSON Schema 并注册至 MethodToolCallbackProvider;设备手册通过 MCP Resources 按需拉取,Token 开销降低约 25%
  • RAG 知识库 + pgvector:主导专业知识库设计,Chunking 策略结构化处理仪器手册 / 操作规程,Embedding 向量化后存入 pgvector;Top-K 检索准确率达 90%+
  • 本地化部署与 Prompt 工程:基于 Ollama 在 4×Tesla V100S 32GB GPU 集群部署 DeepSeek-32B;Few-shot 模板提升意图识别准确性;SSE 流式首字延迟 TTFT < 300ms
  • 多级缓存优化:Redis 缓存热点设备查询与常见问答对,高频查询响应时间从 ~1.2s 降至 ~200ms
虚拟商品电商平台 · 营销活动子系统(拼团场景)
后端开发 · 南昌

虚拟商品(会员卡、话费券)电商平台的营销活动子系统,承接大促期间高并发拼团下单、库存扣减、结算 / 退款等全链路业务,要求业务规则可热更新、防超卖,支撑 3000 QPS 峰值流量

DDDMySQLRedisRabbitMQDockerwrk 压测
  • DDD 分层架构落地:按活动 / 交易 / 标签三大领域拆分,严格隔离 API / App / Domain / Infrastructure / Trigger 五层;新增一种营销玩法仅需扩展 Domain 层策略类,平均改动文件数从 ~8 个降至 2~3 个
  • 三层防超卖库存扣减:Redis INCR 原子 CAS + SetNX 兜底锁 + MySQL 乐观锁(WHERE lock_count < target_count)三层机制;辅以失败恢复计数器;wrk 压测 3000 QPS 下库存准确率 100%、零超卖
  • 责任链交易规则引擎:将锁单 / 结算 / 退款链路前置校验拆分为独立责任链节点,上下文透传避免重复查库,新增规则只需添加节点类,符合开闭原则
  • 决策树试算引擎 + 并发预加载:线程池并发预加载活动配置与商品数据,试算接口 RT 从串行 ~200ms 降至 ~60ms,P99 < 100ms
  • Redis BitMap 人群标签过滤:1 亿用户标签数据仅需约 12MBO(1) 复杂度毫秒级完成人群资格判定

荣誉奖项