园区智枢智能运营服务平台

项目定位

这是一个面向园区运营的综合服务平台，围绕企业入驻、空间服务、设备报修、活动通知、政策解读和服务工单展开。AI 的作用是帮助用户更快找到服务入口，并减少人工咨询负担。

项目思维导图

核心流程

技术架构

技术	作用
Spring Boot	园区服务、工单、通知接口
MySQL	企业、工单、服务目录、记录
Redis	热点政策、会话、限流
MQ	通知、提醒、异步任务
Elasticsearch / 向量库	服务手册、常见问答、通知规则
Spring AI	智能问答、摘要、分类

AI 接入点

• RAG：园区制度、服务规范、办事指引、FAQ。
• Tool Calling：企业资料、工单状态、设备状态、通知规则。
• Agent：问题分类、服务建议、工单创建、升级人工。

项目亮点

• 多角色、多入口、多服务类型，适合讲综合中台。
• 能很好地展示 AI 如何降低运营服务成本。
• 适合和客服、工单、知识库一起做组合讲法。

面试追问

1. 多角色权限怎么控制？
2. 园区服务工单如何闭环？
3. 设备和企业服务数据怎么打通？

1 分钟介绍

这个项目是一个 Java+AI 企业级项目，核心不是单独做聊天机器人，而是把大模型能力接入真实业务流程。我的讲法会先说明业务痛点，再讲 Java 后端负责流程、权限、事务和审计，最后说明 RAG、Tool Calling 和 Agent 分别解决知识检索、业务查询和多步骤编排问题。

3 分钟介绍

我会先从业务背景讲起：这个项目要解决的是传统系统中信息分散、流程依赖人工经验、处理效率不稳定的问题。整体链路上，用户先发起业务请求，Java 后端完成鉴权、参数校验、状态流转和数据落库；AI 层负责理解意图、检索知识、调用受控工具并生成草稿或建议。

技术上，项目通常会用 Spring Boot 承接核心业务接口，用 MySQL 保存业务主数据、状态记录和审计日志，用 Redis 做热点缓存、会话上下文和幂等控制，用 MQ 解耦通知、索引同步和统计任务。AI 能力上，RAG 负责检索企业知识和历史案例，Tool Calling 负责受控查询业务数据，Agent 负责编排多步骤任务。正式写操作和高风险动作不会让模型直接执行，而是进入人工确认或 Java 业务服务事务边界。

面试时我会重点强调三点：第一，AI 只是辅助理解和生成建议，不能绕过权限和审计；第二，所有工具调用都要做白名单、参数校验、限流和日志；第三，模型超时、无召回、低置信度或输出不合法时，要能降级到规则模板、人工处理或只展示已有业务数据。

简历一句话写法

我负责园区运营服务平台的 Java+AI 设计，重点实现企业服务、工单协同、知识问答和运营数据辅助分析。