后端与 AI 应用工程 · 近期主要做模型接入治理与情报采集
5 年开发经验，主要做 AI 应用工程、后端系统与云原生平台。主导过 AI 网关、情报采集平台、远程编码工具、RAG 助理、智能分类与算力平台等项目，从架构设计到核心开发与交付。
- 主导设计并实现企业侧多模型接入：统一鉴权、路由、调用观测、API Key 与费用配额（AI 网关）。
- 主导设计并实现 RAG / Agent 相关系统：文档解析、混合检索、GraphRAG、LangGraph 工作流与工具调用。
- 有 Kubernetes 与 OpenStack 背景，能从部署、观测和资源成本角度看 AI 系统。
- AI：
RAG、LangGraph、LangChain、GraphRAG、MCP、Weaviate、RAGFlow、vLLM - AI Coding：
Claude Code、Codex CLI、Cursor、Skills、stream-json - 后端：
Python、Go、Django、DRF、Flask、Gin、gRPC、MySQL、PostgreSQL、Redis、Elasticsearch - 平台与前端：
Docker、Kubernetes、Kubebuilder、KubeVirt、Istio、Prometheus、OpenStack、Vue 3、React、TypeScript
企业内部接入多家模型时，不宜把上游凭据直接交给业务方，也不宜把鉴权、路由、观测、审计和知识库拆成互不相关的系统。
主导架构与核心开发：用 Go、Python、React、PostgreSQL、Redis、RabbitMQ 拆成 gateway、rag-service、web 三个服务，覆盖平台 API Key 生命周期、模型代理路由、调用统计审计和 RAG，并提供 Compose 部署方案。
- 控制台：
http://8.162.21.158:31873（安全组 IP 白名单，访问前需申请放行） - 项目地址
多源情报（Web Search、爬虫、结构化数据源、社交平台）接入方式不同，需要统一入库、翻译、质量监控与业务域分析。
主导整体方案与核心模块开发：用 Django、DRF、Vue 3、TypeScript、PostgreSQL、Redis 做中心编排，采用「中心配置 + 边缘执行」——中心维护采集任务、Web Search Provider、push-data 入库与状态机；边缘 crawler_agent 跑 RSS / Sitemap / Playwright。另有多引擎翻译（LLM + Google/Baidu 兜底）、PDF OCR（MinerU + 视觉 LLM）、汽车情报（MIIT / 懂车帝 / CPCA / CAAM）与场景库（小红书 MCP + B 站 → LLM → 飞书推送）等模块。汽车场景库链路已实测通过。
Claude Code、Codex 交互通常绑在本机终端，离开电脑后不便审批工具权限、看回复和切会话。
主导设计并实现两套工具及共用的远程桥接架构：Go + React + Gin + WeChat Bot API，经 stream-json 对接 CLI，覆盖微信收发、权限审批、会话管理、Web 控制台与多平台发版；cc-go 另支持 Skills 自动注入，codex-go 侧重 Docker 化部署。
- cc-go Web：
http://8.162.21.158:18080（IP 白名单，需申请放行）· 项目地址 - codex-go Web：
http://8.162.21.158:44262（IP 白名单，需申请放行）· 项目地址
复杂文档解析、知识索引、混合检索、答案生成与图谱增强需要收在同一套能力里。
主导设计并实现：用 Python、Flask、React 18、TypeScript、Elasticsearch、GraphRAG、MCP 打通文档解析、分块、索引、混合检索、图谱增强与 Web 管理台，做成可复用的 RAG 平台组件，而不是单点问答接口。
- claude-token-stats：本机统计 Claude Code / Codex CLI 的 token 用量（按天/周/月）
- claude-auto-approve：Claude Code
PreToolUsehook，白名单自动放行、危险命令强制确认 - 智能分类服务：基于 LangGraph 的分类 Agent（检索、验证、格式约束与失败兜底）
- AI cloud：基于 Kubernetes 的算力调度与资源治理（
Kubebuilder、KubeVirt、Istio等）