桩云智维新能源充电运维平台将站点、设备、枪口、订单、告警、工单和远程操作统一管理，形成“设备接入、状态监测、异常识别、工单派发、远程诊断、现场处理、结果复盘”的运维闭环。AI 用于故障码解释、告警聚合、处理手册检索和工单摘要；远程重启、参数变更、FOTA 和停机等高风险动作由 Java 服务执行权限校验、二次确认和审计。

业务模块与关键流程

业务模块	核心能力	Java / AI 落点
站点与设备台账	站点、桩、枪口、型号、固件和供应商管理	MySQL 主数据、设备编码和组织权限
实时监控	在线状态、心跳、充电会话、功率和环境数据	消息消费、状态缓存和时序数据聚合
告警中心	告警分级、去重、合并、确认和恢复	规则引擎、Redis 去重、MQ 事件流转
运维工单	自动建单、派单、处理、验收和 SLA	工单状态机、超时升级和消息通知
远程运维	远程重启、参数下发、FOTA 和操作回执	白名单、设备锁、幂等、签名和审计
运营与监管	充电量、故障率、利用率、服务时长和上报	XXL-Job 统计、报表接口和监管适配器

工程化难点与应用价值

海量设备接入：通过协议适配、消息队列和状态缓存隔离设备波动，避免单个站点异常拖垮业务服务。
告警降噪：按设备、时间窗口和故障类型合并重复告警，优先展示影响用户和安全的事件。
远程操作安全：所有指令都经过设备状态、用户权限、操作原因和回执校验，失败时支持重试、补偿和人工介入。
运维知识沉淀：把故障码、维修手册、现场经验和历史工单纳入知识库，帮助新老运维人员快速定位问题。

模块流程图

技术架构

技术	作用
Spring Boot	设备、工单、告警、上报接口
MySQL	设备信息、工单、故障记录
Redis	热点设备、上下文、幂等
MQ	告警通知、工单流转、异步统计
Elasticsearch / 向量库	运维手册、故障码、历史工单
Spring AI	故障诊断、摘要、建议生成

AI 接入点

RAG：运维手册、故障码说明、设备协议、历史工单。
Tool Calling：设备状态、工单状态、监管上报、告警信息。
Agent：诊断建议、工单创建、升级人工、摘要输出。

项目亮点

适合讲“设备 + 工单 + 知识库”三件事一起联动。
很容易体现工程化和运维思维。
能自然引出远程操作安全边界。

面试追问

远程运维操作为什么不能让 AI 直接执行？
设备告警如何降噪？
故障码知识库怎么维护？

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。