Joe

S（背景）：物流行业装卸货磅单长期依赖人工审核，效率低且易出错——每单核对需 10-15 分钟，人工成本高且数据易篡改。

T（目标）：构建自动化票据解析系统，实现「上传 Excel 磅单 → AI 自动识别 → 数据一致性校验」全流程无人化，目标单条票据处理时间 <30 秒。

A（行动）：采用 Coze 低代码 + LangGraph 双 AI 引擎架构——Coze 可视化编排实现票据数据预处理（运营人员可维护解析流程）；LangGraph 编排 4 节点 Agent 管线（Coordinator 拆解 → Excel Agent 提取字段 → PaddleOCR Agent 识别图片 → DeepSeek 校验 Agent 对比一致性）。设计 RabbitMQ 死信队列异步分发（消费失败自动重试 3 次后转入人工审核台），Redis 三层幂等控制（分布式锁 → Token 标识去重 → DB 唯一索引兜底）。

R（结果）：单条票据处理时间由 10-15 分钟降至 <30 秒，审核效率提升 20 倍+。RabbitMQ 死信兜底 + Redis 幂等保证零重复处理。完整设计文档 + 架构图沉淀为博客。

自省：从单一 LLM 调用到多 Agent 编排的思维转变，学到 Agent 间状态传递的设计模式（共享 Context 对象 + 子任务结果回写）。双引擎取舍——低代码适合流程编排（运营可维护），LangGraph 适合复杂推理（多 Agent 协作）。

S（背景）：2 核 4G 低配 VM 上运行的 Spring Boot 生产应用，P95 响应时间高达 4 秒，无法支撑日常流量。

T（目标）：系统性定位瓶颈并优化，目标 QPS 从百级提升到千级，P95 降至 1 秒以内。

A（行动）：按"现象→猜测→验证→优化"四步递进排查。第一层开启 MySQL 慢查询日志 + EXPLAIN 分析，发现缺少联合索引导致全表扫描，加索引后 P95 2.8s→1.2s。第二层观察 Tomcat 线程池活跃线程达 200 上限，调大 server.tomcat.threads.max=1000 + accept-count=500，P95 降至 0.6s。第三层 HikariCP 连接池默认 10 太小（200 线程争夺 10 连接），调至 maximum-pool-size=50，P95 降至 0.4s。第四层 Nacos 客户端长轮询在高并发下 CPU 飙高，优化长轮询超时 + 降采样，Nginx worker_connections 从 512→1024。

R（结果）：最终 QPS 从百级稳定到 千级，P95 从 4s 降至 400ms，优化 10 倍。完整调优过程及压测数据记录为博客，形成可复用的服务端性能调优方法论。

自省：调优不是玄学，是逐层拆解的工程问题——数据库→线程池→连接池→中间件，每层都有可测量的瓶颈指标。学会 Nacos 客户端调优参数和 JMeter 压测脚本编写。

S（背景）：企业文档搜索长期面临"关键词搜不到语义相关内容"的痛点——传统 ES 全文搜索无法理解"今年预算批复"和"2025 财年审批额度"是同一概念。

A（行动）：构建双路召回架构——文档分块后经 embedding 模型存入 Qdrant（语义检索），同时保留 ES 全文索引（关键词精确匹配），查询时双路召回 + 分数归一化融合（Min-Max 归一化后加权平均，向量 : 关键词 = 0.7 : 0.3）。Agent 层用 LangGraph 构建有状态编排，支持工具注册中心（@register_tool 装饰器 + Pydantic schema 自动描述）、智能路由、滚动记忆窗口（Token 超限自动调用 LLM 压缩为摘要）。

R（结果）：双路召回相比纯 ES 语义召回率提升 30%+。Agent 工具注册中心支持 6 种工具动态绑定，记忆窗口机制保证 50 轮以上长对话不溢出。封装为 FastAPI 统一查询接口（支持检索/流式/引用溯源三种模式）。

自省：学到分数归一化的实际调参经验（不同语料权重不同），以及 RAG 系统中 Agent 层 vs 检索层的职责边界划分。记忆窗口的 token 压缩策略对长会话效果影响显著。

S（背景）：招投标行业数据分散在多个网站，关键字段（公司名、金额、日期）以非结构化文本形式存在，正则表达式提取准确率仅 60%+。

A（行动）：从旧表抽取 80 万条招标公告，Python 管线清洗去重。设计 few-shot prompt 模板引导 Qwen2.5 输出结构化 JSON（92%+ 准确率），正则后处理补漏兜底。ES 索引设计 ngram + ik 分词器，替代 MySQL LIKE 模糊查询。独立解决裸机 GPU 环境搭建（NVIDIA 驱动 535→550 版本冲突 → 降级后 CUDA 不可用 → 重装驱动 + 重构 nvidia-container-toolkit 容器运行时）。

R（结果）：成功清洗 70 万+ 条数据，LLM 提取准确率 92%+。ES 全文搜索替代 MySQL LIKE，查询性能提升数十倍。GPU 环境搭建踩坑过程形成可复用的搭建指南。

从零搭建 pnpm monorepo 多包架构，实现浏览器端从关卡设计到实时试玩的完整工具闭环。引擎层实现波次刷怪、AABB 碰撞检测（swept AABB 解决鬼穿墙）、武器系统、音效池（Web Audio API 动态混音）。编辑器层实现 Canvas 实时预览 + Zundo 命令模式 undo/redo、属性/图层面板双向绑定、关卡 JSON 导入/导出。