01
2027 GRAD · OPEN TO INTERNSHIP2027 GRAD · INTERNSHIP
王震龙 · 软件工程本科 · 2027 届
Java 后端开发×AI 应用开发
FACTS OVER CLAIMSBUILD · VERIFY · EXPLAIN
/ VERIFIED EVIDENCE
声明之后，
紧跟证据。
首页先给出每个项目的一条主证据；完整账本和边界说明留在案例页。
02
Ticket Copilot
PRECISION 81.11% → 97.78%Retrieval V2 comparison
enterprise-ai-ticket-copilot main @ 924d40b · 16-case Retrieval V2 comparison
2026-09-14 · synthetic-evaluation同一 16 条 synthetic cases 同时参与设计与评测；不是无偏 benchmark、生产效果或真实企业数据结论。FULL EVIDENCE LEDGER4 more records+
GITHUB VERIFIEDREADME · PYTHON AI SIDECAR
enterprise-ai-ticket-copilot main @ 924d40b
2026-09-14 · documentationGitHub main 已包含 Retrieval V2、Python/FastAPI sidecar 与评测证据；旧 1000 请求压测仍绑定 keyword baseline 提交，不代表 V2 性能或生产 SLA。291 BACKEND TESTSTEST_REPORT.md · MAIN MERGEenterprise-ai-ticket-copilot main @ 89b608d · backend mvn test
2026-09-08 · ci仓库测试数量，不代表生产流量、SLA 或真实企业数据效果。6 FRONTEND TESTSTEST_REPORT.md · MAIN MERGEenterprise-ai-ticket-copilot main @ 89b608d · frontend npm test
2026-09-08 · ci覆盖前端演示边界与错误处理，不代表完整端到端生产验收。16 SYNTHETIC EVAL CASESRAG Evaluation Planenterprise-ai-ticket-copilot main @ 924d40b · synthetic retrieval evaluation dataset
2026-09-14 · synthetic-evaluation自建 synthetic demo cases，只验证本地检索与引用链路，不代表真实模型质量。03
DevFlow
/ 精选项目 · STATIC CASE STUDIES
两个业务主案例，一个 AI 工作流案例。
PROBLEM → ROLE → PROOF 先看问题，再看我的贡献和可验证证据。
先看 CommerceFlow 与 Ticket Copilot 两个业务主案例，再看 DevFlow AI 工具工作流。这里展示截图、源码、测试和边界，不是在线业务入口。
01JAVA BACKEND
01 / JAVA BACKEND
ORDERTRUTH.
CommerceFlow AI Mall
订单事实如何在重复请求和库存竞争中保持稳定？
50 REQUESTS · LOCAL REPLAYSTOCK 10 · CONTROLLED1 FACT CHAIN
Java 后端核心 / 业务系统与全栈交付
CommerceFlow AI Mall
围绕商品、订单、库存和 AI 商品助手构建的 Java 业务系统，重点展示分层设计、状态流转、数据一致性和前后端联调。
MY CONTRIBUTION业务正确性边界、幂等与库存回放，以及 MySQL 证据链。
FOCUSJava 后端核心
PROOF LENS业务系统与全栈交付
PUBLIC SIGNALLOCAL VERIFIED
CORE QUESTION如何在重复请求、库存竞争和 AI 服务异常时保持订单事实一致？
Java BackendIdempotencyInventory ConsistencyVue 3 Delivery
LOCAL VERIFIEDdocumentation
Java 17 · Spring Boot 3 · MySQL 8.4 · Redis Lua · Vue 3 · UniApp · FastAPI
02AI APPLICATION
02 / AI APPLICATION
TRACEREVIEW.
Enterprise Ticket Copilot
AI 建议在哪里结束，人工确认从哪里开始？
TOP-K · SYNTHETIC EVALCITATION · TESTEDHUMAN GATE
AI 应用工程 / 检索迭代 / 评测 / 可观测
Enterprise AI Ticket Copilot
面向企业工单处理场景的 AI 应用，使用 Java/Spring Boot 承载业务工作流，并以 Python/FastAPI sidecar 提供检索预览、评测摘要、readiness、请求追踪和本地性能证据。
MY CONTRIBUTION检索、引用、人工复核边界、synthetic evaluation，以及 Retrieval V2、Python AI sidecar API / observability / load-test 的分版本验收。
FOCUSAI 应用工程
PROOF LENS检索迭代 / 评测 / 可观测
PUBLIC SIGNALGITHUB VERIFIED
CORE QUESTIONAI 工单建议如何展示来源、暴露召回失败并保留人工确认？
Python / FastAPIRetrieval V2RAG EvaluationObservability
GITHUB VERIFIEDdocumentation
Java 17 · Spring Boot 3 · Python 3.12 · FastAPI · Pydantic · pytest · Vue 3 · TypeScript · Keyword Retrieval · Field-aware IDF Rerank · RAG Evaluation · Human Review · Trace
03AI TOOLING / AGENT WORKFLOW
03 / AI TOOLING
RUNEVIDENCE.
DevFlow Copilot
一次 AI Run 能否被记录、回放并接受审核？
PROMPT · TRACETOOL CALL · TESTEDREPLAY · EVIDENCE
AI 工具 / Agent 工作流 / 工作流证据聚合
DevFlow Copilot
面向开发工作流的 AI 工具，提供 Provider 路由、Prompt 模板、状态管理、日志诊断和历史记录。
MY CONTRIBUTIONProvider、Prompt、Tool Call 与 Run Evidence 链路。
FOCUSAI 工具 / Agent 工作流
PROOF LENS工作流证据聚合
PUBLIC SIGNALCI VERIFIED
CORE QUESTION一次 AI Run 中的 Prompt、Provider 和 Tool Call 如何被记录、回放和审核？
Provider RouterPromptOpsTool CallRun Evidence
CI VERIFIEDci
Java 17 · Spring Boot · Vue 3 · TypeScript · Provider Router · Flyway
/ ABOUT & STACK
把后端基础，接到真实的 AI 应用场景。
项目中使用的技术与当前学习方向，按交付链路分组展示。
我是一名 2027 届软件工程本科生，以 Java 后端为核心，同时持续实践 AI 应用开发与 Java + Vue 全栈交付。
2026.07–2026.09 在南京玻璃纤维研究设计院有限公司江宁分公司研发部参与企业内网材料研发数据与文件资源管理平台开发，使用 Java 17、Spring Boot 3、MyBatis/MyBatis-Plus、MySQL 完成 REST API、CRUD、分页与关联查询，并参与文件导入预览和页面联调。
项目中以 Java、Spring Boot 3、MySQL、Redis 和 Vue 3 为主要技术栈，关注业务流程、接口设计、数据状态、异常处理、测试与部署；同时在 AI 工具与 Agent 应用项目中实践 Provider 路由、检索、Prompt、Tool Calling、Trace、人工复核与失败降级。
目前主要寻找 Java 后端、AI 应用、AI 工具或 Agent 应用开发方向的实习机会，同时关注 Java + Vue 全栈岗位。
2027 届一周内可到岗每周可实习 6 天可连续实习 6 个月接受异地实习
JAVA BACKEND COREJava 后端核心
FRONTEND & FULL-STACK DELIVERY前端与全栈交付
AI APPLICATION, TOOLING & AGENTAI 应用、工具与 Agent
Agent 仅指应用工作流与证据聚合，不代表复杂自治多 Agent Runtime。
工程方法
/ ENGINEERING METHOD
Java 后端 · Python / FastAPI · AI 应用与 Agent 工作流
BUILD
把业务约束转成可运行链路。
VERIFY
验证正常路径、失败路径和数据边界。
EXPLAIN
用源码、测试、CI 和文档说明结论。
负责项目方向、业务约束、验收标准和关键链路验证；使用 Codex/Claude 辅助编码、测试与文档整理，最终代码差异、能力边界和工程取舍由我审核确认。