高先生
AI 基础设施工程师 / 全栈架构师
联系方式
- 15994744272
- gtoxlili@outlook.com
- github.com/gtoxlili
- 广州/深圳
- 期望薪资：25-35k
技术栈
- Go 高性能编程精通
- React/Next.js精通
- AI Agent/RAG 架构精通
- PostgreSQL 调优熟练
- Rust (Tokio/Async)熟练
- 分布式系统/CRDT熟练
个人特质
职业概述
专注于构建高性能 AI 应用基础设施的全栈架构师。以 Go 和 React 为核心技术栈，辅以 Rust 解决极端并发场景。在 AI Agent 编排、多模型高并发网关设计及实时协作系统（CRDT）方面拥有生产级落地经验。擅长通过底层工程优化（数据库调优/零拷贝）解决 AI 应用中的成本与延迟痛点，具备从复杂交互前端到高性能后端的全链路闭环能力。
专业技能
核心后端
精通 Go 语言高性能后端开发，具备 Rust (Tokio) 辅助构建高并发网关的能力。擅长设计基于 Actor 模型的消息系统，以及利用 CRDT 算法解决分布式实时协作难题。
AI 基础设施
精通 LLM 应用架构设计。包括：多模型统一路由与熔断、RAG 检索增强优化（Scatter-Gather 模式）、以及“LLM + 规则引擎”混合校验系统的构建。
数据与存储
擅长数据库深度调优。包括 PostgreSQL 内核参数优化、TinyLFU 智能缓存算法实现、海量数据写入优化（COPY 协议/分区表），以及向量数据库应用。
前端工程
精通 React/Next.js 生态与复杂 Web 应用架构。擅长实现 Headless BI 设计、流式渲染（Stream Hydration）、Canvas 可视化交互及 WebWorker 多线程处理。
架构与运维
熟悉云原生体系。掌握 Docker/K8s，精通基于 Casbin 的 RBAC/ABAC 混合鉴权体系设计，具备防御性编程与服务降级治理经验。
工作经历
山东斯伯特生物科技有限公司
2025 年 4 月 - 至今技术负责人 / AI Infra|广州
直接汇报给创新业务线总监，全权负责企业 AI 基础设施与供应链数字化转型的架构落地。构建的 AI 协同生态直接赋能全公司数千名员工，深度覆盖内容创作（视频/多媒体）、产研研发及营销销售等核心业务线。主导了从供应链溯源、企业知识中台到多模态创意工具的建设，解决了高并发资源调度、大规模实时协作及数据合规等关键工程难题。
高性能计算与存储架构
- 1基于 Go (业务逻辑) 与 Rust (核心网关) 混合架构，实现 FlowMuse 万级并发长连接管理，内存占用降低 80%，彻底消除 API 配额泄露风险
- 2主导全量手机号段（十亿级）的解析引擎建设，利用 PostgreSQL COPY 协议结合内核调优，实现海量字典数据的快速构建与查询
- 3设计“TinyLFU”智能缓存与零拷贝（Zero-Copy）传输机制，解决移动端弱网加载与后端缓存污染问题，首屏性能提升 50%
AI 工程化与 Agent 体系
- 1搭建企业级 Agent 编排平台，设计基于 DSL 的状态机 Prompt 协议，支持 50+ 异构工具的启发式路由与热插拔
- 2研发“LLM+规则引擎”混合校验系统，结合 AI 通用理解与代码确定性逻辑，解决供应链场景下的工业级合规审计风险
- 3构建 ChatBI 自愈执行管道，实现 Text-to-SQL 的“生成-执行-报错-重写”闭环，SQL 执行通过率提升至 95%+
平台治理与稳定性建设
- 1构建基于 Casbin 的企业级统一鉴权网关（Hybrid RBAC/ABAC），实现对飞书复杂组织架构的毫秒级动态权限判定与 Zero-Alloc 决策
- 2解决多人实时协作难题，基于 Actor 模型实现故障隔离，集成 CRDT 算法彻底解决复杂图数据的状态冲突
- 3设计防御性 Webhook 竞速熔断架构，通过“同步/异步赛跑”机制与多级流量整形，将外部接口可用性锁定在 100%
广州色改改智能科技有限公司
2024 年 1 月 - 2025 年 3 月全栈工程师|广州
独立负责 AI 改色 SaaS 平台的全栈研发。基于 Go+Fiber 与 ComfyUI 构建了高可用的文生图/图生图处理管线，支撑 B/C 端业务快速增长。
AI 工程化与架构
- 1设计分布式任务调度系统，利用 Kafka 解决计算密集型任务的队头阻塞问题，吞吐量提升 3 倍
- 2构建基于 ComfyUI 的可编排图像生成管线，结合 ControlNet 实现对车辆材质光泽度的精准控制
- 3实现基于 RAG 的智能客服系统与多租户资源管理架构，显著降低运营成本并提升用户留存率
全栈开发与数据驱动
- 1基于 React+Next.js 构建高性能 SaaS 前端，建立完整的数据追踪分析体系，极大提升了用户转化率
- 2负责技术选型与 DevOps 流程建设，基于 Docker+GitHub Actions 实现自动化部署，确保高质量交付
金蝶医疗软件科技有限公司
2022 年 8 月 - 2023 年 12 月后端开发工程师|平台部|广州
负责数据中台核心服务开发，专注于数据质量控制与高性能比对算法优化。
性能优化与底层重构
- 1引入 Rust 重写核心数据比对算法，利用其零成本抽象特性，将千万级数据比对场景下的接口响应速度提升 52%
- 2设计字段级动态规则引擎与数据脱敏方案，在保障医疗数据合规性的前提下提升了处理效率
数据治理与可靠性
- 1主导 7 个数据应用层服务的设计与实现，基于微服务架构扩展功能点 200 余项
- 2排查并修复 30 余项历史遗留并发问题，显著提高了系统在高负载下的可靠性
项目经验
FlowMuse 多模态创意工作台 (Rust/Go)
项目背景
一个集成式 AI 创意生产环境。针对多模型 API 的高并发 IO 等待痛点，在 Go 业务层之外引入 Rust 构建核心连接网关。
技术架构
- 采用多语言混合架构：Rust 处理高密度 IO 长连接与 Token 计量，Go 处理复杂业务逻辑
- 基于 Actor 模型实现无锁编程，集成 CRDT 算法保障分布式状态一致性
核心功能与实现
1高性能网关与 FinOps 治理
业务涉及海量长连接等待，且多模型调用缺乏统一的成本审计与熔断机制
使用 Rust/Tokio 重构网关，利用 Future 零成本抽象挂起任务；集成 Token 级实时计量与预算熔断
单机并发提升 5 倍，内存占用降低 80%，并实现精确到部门的 AI 成本归因
2多人实时协作引擎 (CRDT)
多人在 100ms 延迟下操作复杂图数据（Graph），极易产生“幽灵连线”与状态冲突
集成 Yrs (Rust Port of Yjs) 实现 CRDT 二进制状态合并，配合环形缓冲 (Ring Buffer) 做批量写优化
彻底解决协作冲突，将高频操作下的数据库 IOPS 降低 99%，系统具备极强的 Panic 隔离能力
3Scatter-Gather 并行执行架构
复杂的 Agent 任务（如从数据库中查品牌词）串行执行导致首字延迟（TTFB）过高
利用异步模型实现 Scatter-Gather 模式，并行分发无依赖的 IO/计算任务
复杂任务的 TTFB 降低约 40%，显著提升了用户侧的流式响应体验
企业级 AI 运营门户 (AI PaaS)
项目背景
基于飞书生态的 AI 中台基座。向下构建统一身份鉴权网关，中间层实现支持启发式路由的 Agent 编排内核，向上支撑 ChatBI、智能问答等多业务线。
技术架构
- 通过向 Casbin 注入自定义匹配算子实现飞书组织架构映射，实现毫秒级混合鉴权
- 前端实现流式结构化渲染 (Streaming Structured Rendering)，解决 AI 混合响应的即时组件化问题
核心功能与实现
1跨域 Agent 编排与状态机
用户的综合性需求（如“新药上市合规审查”）往往跨越法律、医疗、舆情等多个隔离领域，单一 Prompt 无法协调异构工具链进行深度推理
设计结构化 DSL 定义有限状态机 (FSM)，将复杂任务拆解为“规划-调用-反思”的序贯流程，管理跨工具上下文流转
将发散的自然语言转化为可控的确定性执行流，实现了复杂跨域任务的自动化闭环
2全域工具治理与启发式路由
系统接入了 50+ 个异构工具（含多个垂直领域知识库），全量检索噪音巨大且上下文开销极高
构建启发式路由网关，作为前置决策层精准分发 Query；配合“关键词+向量+重排序”的混合检索策略提升工具调用准确度
显著降低了 Agent 的上下文负载，支持新工具/知识库的“分钟级”热插拔注册
3安全底座：混合架构统一鉴权 (Hybrid Auth)
需同时处理标准 RBAC 与“入职满3年”等动态属性权限，且处于高频关键路径
扩展 Casbin 运行时，注入飞书属性匹配算子构建 Hybrid RBAC/ABAC；利用 Zero-Alloc 优化热点路径
实现飞书组织架构变更的秒级权限同步，单机万级 QPS 下 Zero GC 抖动
4ChatBI 自愈执行管道
Text-to-SQL 生成存在概率性语法错误，且直接执行存在 DML/DDL 安全风险
构建“生成-执行-报错-重写”的递归自愈闭环；基于 AST 解析实施物理级只读阻断
SQL 最终执行成功率达 95%+，在保障数据绝对安全的前提下实现了自助分析
5流式解析与多态可视化
LLM 响应混合了思维链与文本，且生成的 SQL 数据结构（长表）与前端图表库（宽表）存在阻抗失配
构建无依赖流状态机实现即时渲染；设计“长宽表变形管道”与多态图表工厂，结合 OKLCH 算法实现自适应可视化
实现了“边思考、边执行”的白盒化体验，以及与 UI 库解耦的 Headless BI 渲染架构
供应链质量溯源合规平台
项目背景
面向制造业的端到端数字化方案。针对传统工厂数字化推行难的痛点，创新性地采用“无头架构”打通数据孤岛，并利用"LLM+规则引擎”技术解决非结构化质检报告的自动化采集与合规审计。
技术架构
- 设计“文件即数据库”的无头架构，利用飞书云文档 API 实现数据的无感采集
- 构建混合校验管道：LLM 负责非结构化提取，Go 代码负责确定性逻辑判定
核心功能与实现
1无感数字化与无头架构 (Headless & Zero-Friction)
传统制造业一线员工抗拒复杂的 ERP 表单录入，导致数字化“最后一公里”数据断层
放弃传统后台，设计“文件即数据库”的无头架构，直接复用飞书云文档作为数据入口，适配员工原有操作习惯
实现业务侧“零培训”上线，将数据采集的人工摩擦降至零，确保了数据源头的真实性与完整性
2LLM + 规则引擎混合校验
工业质检对合规判定容错率为零，纯 LLM 方案存在幻觉风险且难以过审
构建分层防御体系：Schema 强制约束输出格式，IBAC 实施逻辑交集鉴权，代码层负责硬核数值比对
实现了“可审计的智能”，在保留 LLM 通用理解力的同时锁死了安全合规下限
3TinyLFU 智能缓存与性能优化
移动端弱网下查看数万份报告长列表卡顿，传统 LRU 缓存易受扫描污染
引入 TinyLFU 算法提升缓存命中率；后端实现 AES 解密零拷贝，前端全链路二进制传输
弱网首屏加载提速 50%，长列表滚动保持 60FPS，后端数据库压力大幅降低
全域电商数据采集与身份解析系统
项目背景
构建面向全渠道（天猫/抖店）的电商数据资产化基础设施。作为数据中台的上游核心链路，该系统负责屏蔽外部异构平台的数据差异与网络复杂性，通过高吞吐采集、自动化清洗及全域身份对齐，将碎片化的外部流量转化为标准化的企业私域资产。
技术架构
- 构建高可用数据接入网关，集成身份解析引擎与防御性 Webhook 架构
- 基于 Go 反射与防御性编程治理异构数据源，确保数据契约的强一致性
核心功能与实现
1全量号码段解析引擎
外部平台返回的数据为加密 MD5，无法直接用于营销触达；需预构建覆盖全中国手机号段（10亿+）的映射字典
采用“临时表 + COPY 协议”策略缓冲海量字典数据，配合 bytea 二进制压缩存储，实现从加密数据到明文资产的毫秒级还原
构建了低成本、高吞吐的解析基础设施，支撑了千万级电商会员数据的清洗与入库
2Webhook 竞速熔断机制
外部平台强 SLA (5s) 约束，DB 抖动易引发重试风暴击穿系统
设计混合竞速模式 (Sync/Async Race)，主动熔断超时请求；实施多级流量整形与背压控制
将数据接入接口的外部可用性锁定在 100%，从架构层面根除了级联雪崩风险
3动态鉴权状态机与瞬时穿透
内网采集服务需接收公网 Webhook 鉴权回调，长期开放端口存在巨大的安全合规风险
设计“拦截-穿透-销毁”状态机：在检测到 401 时挂起并发请求 -> 瞬间建立临时隧道 -> 获取 Token -> 立即销毁隧道并恢复请求
通过这种“快进快出”的毫秒级窗口策略，在满足公网交互的同时将安全攻击面压缩至近乎为零
AI 智能改色 SaaS 平台
项目背景
构建智能化的汽车改色可视化平台。解决传统改装行业效果不可预知、信息壁垒高的痛点，通过 AI 生成技术赋能 B 端门店销售转化与 C 端用户体验。
技术架构
- 基于 Go 构建高并发控制层，集成 ComfyUI 实现可编排的图像生成工作流
- 设计分布式任务队列与多租户架构，支撑 B/C 端业务的高可用运行
核心功能与实现
1分布式任务调度系统
AI 生成任务计算密集且耗时长，单机处理易导致队头阻塞与资源利用率低
设计基于 Kafka 的动态调度机制，实现任务智能分发与负载均衡；引入异常重试策略
系统吞吐量提升 3 倍，平均等待时间减少 60%，任务处理成功率达 99.5%
2自适应 AI 改色引擎
传统 GAN 方案生成的车辆光泽度失真，难以满足商业级预览需求
设计基于 Stable Diffusion + ControlNet 的精准控制流，优化材质渲染算法
支持 60+ 种颜色与 95% 常见车型，在数秒内生成接近真实喷漆质感的高清预览图
3RAG 智能客服与知识库
传统 FAQ 无法满足用户个性化的改装咨询需求，人工客服成本高
构建基于向量数据库的 RAG 知识库，结合 LLM 提供 24/7 智能问答服务
极大提高了客户自助解决率，显著降低了人工客服工作负载
数据中台质量控制服务
项目背景
为数据开发团队提供全链路数据质量治理能力。确保大规模数据流转过程中的准确性、完整性与一致性，保障医疗数据的合规安全。
技术架构
- 采用 Rust 重构核心计算模块，Spring Boot 处理业务编排，MySQL 存储元数据
- 基于前缀树 (Trie) 算法实现高性能数据脱敏
核心功能与实现
1核心比对算法重构 (Rust)
原 Java 实现的大规模数据比对存在性能瓶颈，严重影响数据开发效率
引入 Rust 重写核心算法，优化内存布局与数据结构，将时间复杂度降至 O(n)
接口响应速度提升 52%，CPU 和内存占用显著减少，支撑千万级数据快速比对
2高性能数据脱敏服务
在开发测试环境中需实时脱敏敏感数据，传统正则替换效率低下
设计基于类前缀树 (Trie) 的高效脱敏算法，支持多级策略动态配置
在保障数据可用性与合规性的同时，处理效率提升 65%
3动态规则引擎
数据质量校验规则多变，硬编码方式难以维护
设计基于表达式的动态规则引擎，支持复杂条件组合与自定义函数
覆盖 90% 以上常见数据质量问题，实现了校验规则的灵活配置
绩效管理数据集成平台
项目背景
构建统一的人力资源数据仓库（HR Data Warehouse）。打破 CRM、禅道、钉钉等业务系统的数据孤岛，通过标准化的数仓建模为组织决策提供可量化的数据支持。
技术架构
- 遵循数仓分层理论（ODS/DWD/DM），采用星型模式（Star Schema）进行维度建模
- 基于 Flink + Kafka 构建实时 ETL 流水线，实现指标的动态计算
核心功能与实现
1数仓维度建模与星型架构
各业务系统数据口径不一，难以进行跨维度的统一量化与下钻分析
设计事实表（Fact）与维度表（Dim）的星型模式，建立了 15 个核心维度与 8 个关键业务过程事实表
构建了标准化的数据模型，支持多维度的绩效透视分析，将用户报表产出时间缩短 65%
2分层治理与数据质量体系 (DWD)
源端数据存在大量脏数据与格式差异，直接计算会导致绩效评估失真
构建 ODS 到 DWD 的清洗层，设计数据质量监控指标（DQC）与异常阻断机制
数据准确性提升至 99.5%，实现了异常数据的自动识别与告警，保障了数仓的可信度
3多源异构数据集成 (ETL)
需整合 CRM、研发系统、OA 等 5+ 个异构数据源，结构差异巨大
设计统一的异构数据抽取层 (EDL)，通过元数据驱动（Metadata-Driven）实现自动映射与转换
实现了全域绩效数据的自动化采集与更新，减少 90% 的人工数据整理工作
开源贡献
Clash 代理工具 (Linux)
系统级编程
- 利用 Netlink 协议与 Syscall 实现跨平台进程生命周期管理
- 解决了父子进程异常退出时的资源僵死问题，提升了守护进程稳定性
WeChat-ChatGPT2022.12 - 2023.01
独立开发者
项目成果
- 获得 GitHub 社区 400+ Star 和 130+ Fork 的认可
工程实践
- 基于 single-flight 模式解决高并发下的消息重传与资源浪费问题
- 早期探索 LLM API 与 IM 平台的逆向工程集成，积累了 Prompt Engineering 经验
竞赛获奖
基于模拟退火算法的策略优化研究
2019 年 7 月- 针对复杂运动系统设计数学模型，基于刚体转动理论与非线性规划构建求解方案
- 独立实现模拟退火算法 (Simulated Annealing) 对系统进行全局优化，积累了扎实的算法落地与数据分析能力
CatcherOCR 交互式识别小程序
2020 年 3 月 - 5 月- 独立开发基于 Canvas 的动态选区功能，实现移动端用户对图片文字区域的精准手势操作与交互
- 早期探索 AI 落地应用，集成 OCR 文字识别、NLP 实时翻译及 TTS 语音合成接口，构建了完整的多模态交互体验
教育背景
广东医科大学
2019 - 2023- 校优秀毕业生论文（基于知识库与 LLM 的智能健康诊断系统）
- 全国大学生数学建模竞赛本科组二等奖 (2019)