01 / RAG LANGCHAIN LABPYTHON
知识库检索与调查助手
独立开发固定 RAG 与单 Agent 多步检索，展示引用来源、工具调用和证据状态。实现内容哈希增量索引、混合召回与重排，并通过步数、超时、成本预算和检查点恢复控制执行边界。
VERIFIABLE DELIVERY
不只让模型回答。
更要知道它为什么
这样回答。
我关注召回率、MRR、失败样本与越界问题。检索结果保留来源、分数和证据状态，让系统的正确与错误都可以被检查。
将开发/校准集与冻结集分开评估。在 609 篇文档、75 个可回答题的 MultiHop-RAG 外部挑战集中，固定检索基线任一证据命中 72 题、全部证据命中 33 题，单独分析证据不完整的失败。
从检索链路
到后端实现。
逐步推进。
具备商业游戏服务端开发经历，也完成过 RAG、LLM API 与 Java 微服务项目实践。关注代码能否运行、结果能否测试、问题能否复现。
-
001 / RAG & EVALUATION
文档切分、增量索引、混合召回、RRF、Cross-Encoder 重排、引用、拒答与离线评测。
-
002 / LLM ENGINEERING
DeepSeek、Qwen 与 OpenAI 兼容 API，结构化输出、超时重试、模型回退与 Token 统计。
-
003 / BACKEND & WEB
Python / FastAPI、Node.js / Express、Java / Spring Boot、TypeScript / JavaScript、Vue 3，以及 Lua 商业游戏服务端开发。
-
004 / TEST & DELIVERY
pytest / node:test 与 GitHub Actions 回归，覆盖重启、重复提交、超时与取消；实践 Nginx / PM2 部署及日志排障。
-
005 / AGENT & AI TOOLING
单 Agent Tool Calling 循环、参数与权限校验、步数及 Token/成本预算、错误分类与检查点恢复；了解 MCP、ReAct。
-
006 / JAVA & DATA
MySQL / Redis 的事务、索引、锁与缓存更新；以及 Gateway、MyBatis-Plus、Kafka、Elasticsearch、MinIO 等项目实践。
精选项目。
从实现到验证。
围绕文档检索、简历诊断与开发工具完成项目实践。可通过项目代码、评测报告和在线产品进一步了解。
02 / RESUME FIT AIONLINE
简历与岗位 JD 定向优化器
独立开发并部署，支持简历解析、JD 分析、在线编辑与 DOCX/PDF 导出。持久化队列协调多 Worker，结合幂等键、Task Token、超时回收和重启恢复管理任务，区分任务取消与上游请求中止。
03 / OPEN SOURCE TOOLINGRELEASED
DeepSeek Harness 工具生态
独立维护 DeepSeek Harness Windows 启动器，实现依赖检查、后台启动、托盘管理、脱敏诊断及重复启动请求合并，并维护配套插件。dsh-launcher 获得 16 个 GitHub Star，Release 附件累计下载 1,349 次（截至 2026-09-11）。
04 / 墨香阁社区 · 课程项目
Java 微服务社区
面向文章发布与内容管理，完成鉴权、延迟发布、文章搜索和媒体存储等功能。在课程项目中实践 Spring Cloud、MySQL、Redis、Kafka、Elasticsearch 与 MinIO。
Java / Spring Boot / MyBatis-Plus
项目源码 · Gitee ↗
展开 RAG 技术详情：检索流程与评测结果
README.MD
1# RAG LangChain Lab
2
3Verifiable local RAG with inspectable evidence.
4
5## Stack
6Python / LangChain / ChromaDB / BM25 / RRF / Cross-Encoder
7
8## Pipeline
9Documents -> Stable chunks -> Incremental index
10Query -> Dense + BM25 -> RRF -> Rerank
11Evidence -> Rewrite / Answer / Refuse
12
13## Evaluation
14历史开发/校准集：Recall@3 63 / 65 (96.92%) / MRR 0.9128
15历史开发/校准集：证据决策 82 / 85；冻结集另行评估。
~/rag-langchain-lab
open
README.md
main · CI passing
frozen test set
工作经历
西安恒趣信息技术2025.07—2026.03
商业游戏服务端开发
基于 Lua 与 Excel 配置完成活动、任务、奖励、商店、怪物刷新、战令、百宝阁及 Boss 掉落竞争等系统，并通过日志、配置对比和跨端联调控制回归风险。
LUA
FGUI
SERVER
MILESTONES / 可核验的积累
OPEN SOURCE / DELIVERY
16 个 GitHub Star
dsh-launcher 已发布 13 个 Release，附件累计下载 1,349 次；提供 Windows 启动与托盘管理工具。统计截至 2026-09-11，下载数为 Release 附件下载次数。
AI ENGINEERING / 真实用量
85.87 亿 Tokens
多模型后台累计 61,739 次请求，缓存命中率 95.4%；持续跟踪缓存复用、上下文管理与成本。
UPSTREAM / CONTRIBUTIONS
9 个 PR 已合并
Spring Boot 已合并 #51386、#51470、#51661。OpenRewrite 已合并 6 个 PR，包括 XML 缩进、Groovy 许可证头，以及 GitHub Actions 的 merge group 和 Dependabot recipe。统计截至 2026-09-30。
Spring Boot PR ↗ 查看合并记录 ↗EDUCATION / 2021—2025
咸阳师范学院 · 前 10%
计算机科学与技术本科。微信小程序项目获校级铜奖，自学 HarmonyOS，并承担组织与团队协作职责。
关于我
先建立可重复的评测集与基线，再逐项验证分块、召回、融合、重排和提示词。回答保留来源、分数与证据状态，失败样本进入回归集，而不是只凭一次演示判断效果。
将需求拆成可验证的小任务，让 Codex、DeepSeek、Grok、Kimi 参与实现与审查；关键改动始终通过测试、日志与人工检查闭环，并把有效规则沉淀为文档和自动化流程。
适合 AI 应用开发、RAG 工程与 Python 后端岗位；也具备 Java / Spring Boot、MySQL / Redis 和 Lua 服务端项目基础。可以参与文档处理、检索、模型 API、后端接口与测试验证等工作。
做过 Python RAG 项目、Java / Spring Cloud 微服务课程项目、Node.js AI 简历产品和 Lua 商业游戏服务端。项目涉及检索评测、接口与异步任务、鉴权与数据存储，以及活动和奖励等业务功能。
先确认目标和边界，再从官方文档、最小示例和现有代码入手，把问题拆成可以逐步验证的小任务。通过日志、测试和结果对比定位问题，并把有效做法整理成可复用的记录。
如果你正在寻找
能把 AI 做成产品的人。
欢迎聊聊 AI 应用、RAG 工程或 Python / Java 后端岗位。我可以提供项目代码、评测过程和在线产品作为进一步参考。