🚀 AI 应用工程化实践（RAG / Agent / 企业落地）

让 AI 在企业系统中 可控、可执行、可落地

---

👤 关于我

施奇 · AI 应用工程师（RAG / Agent / 企业落地）

专注 LLM + RAG + Agent 在企业系统中的工程化落地，具备从方案设计到核心模块开发的完整经验，能够将 AI 能力接入复杂业务系统，解决权限控制、执行安全与系统稳定性问题。

---

🧭 整体能力图谱

用户请求
↓
🧠 LLM / Agent 决策层
↓
🔀 Hybrid Query Engine（智能路由）
├── RAG（知识检索）
├── Text-to-SQL（数据查询）
└── API（业务系统调用）
↓
🛡️ 安全控制层（规则 / 审批 / 权限）
↓
⚙️ 执行层（任务 / 工具 / 系统调用）
↓
📊 审计与可观测（Log / Metrics / Trace）

👉 核心目标：构建 AI + 业务系统的可控执行闭环

---

🧱 核心项目

🤖 AutoOps Agent（企业级安全自动化运维）

面向企业运维与安全场景的 AI Agent 系统，实现自动化运维与安全控制闭环。

核心能力：

• LLM 参与决策，但不直接执行
• 高风险操作必须经过规则与人工审批
• 支持执行日志、审计记录与复盘沉淀
• 构建“感知 → 决策 → 审批 → 执行 → 审计”闭环

🔗 Demo：http://shiqi.zging.com/

---

🧠 企业级 RAG + 数据智能系统

面向企业知识碎片化与数据孤岛问题，构建统一智能查询能力。

核心能力：

• 文档解析 + 向量检索（Qdrant）
• 上下文增强与语义理解
• Text-to-SQL（结构化数据查询）
• 多数据源统一访问入口

---

🔀 Hybrid Query Engine（智能查询路由）

AI 查询统一入口（Query Gateway），解决多数据源割裂问题。

核心能力：

• 自动识别用户查询意图
• 动态路由至 RAG / SQL / API
• 避免错误查询路径（如数据问题误走 RAG）
• 支持权限控制与审计

---

⚙️ 技术栈

🤖 AI 能力

• LLM / RAG / Agent
• Tool Calling / Prompt Engineering
• Text-to-SQL / Embedding

🧱 后端工程

• Java / Spring Boot / Spring Cloud / Dubbo
• Go（Agent 核心模块）

🗄️ 数据与检索

• MySQL / PostgreSQL
• Redis / Elasticsearch
• Qdrant（向量检索）

⚙️ 系统能力

• MQ / 异步处理 / 批量任务
• 分布式事务 / 补偿机制

📊 可观测性

• OpenTelemetry
• Audit Log / Metrics / TraceID

---

🎯 技术理念

• ❌ 不做 Demo 型 AI
  ✅ 构建可落地的企业 AI 系统

• ❌ 模型直接执行
  ✅ 模型建议 + 规则控制 + 审批执行

• ❌ 黑盒 AI
  ✅ 可解释、可追踪、可审计

---

📬 联系方式

• 📧 Email：591990368@qq.com
• 🌐 个人门户：http://shiqi.zging.com/