DMPT 星链产研智能协同平台

项目定位

这是一个面向产品、研发、测试和项目负责人的产研协同平台，核心解决需求理解成本高、排期依赖经验、历史项目难复用、风险发现晚的问题。项目把 PRD 解析、需求拆分、排期建议、风险提示和知识库问答串成一条完整链路。

项目思维导图

核心流程

技术架构

技术	作用
Java 21 / Spring Boot 3.x	承接任务、流程、权限、审计
Spring Cloud Alibaba	网关、注册、服务治理、限流
MySQL	需求、任务、历史记录、确认记录
Redis	会话、热点数据、幂等控制
MQ	通知、异步统计、索引同步
Elasticsearch / 向量库	历史需求、文档、相似案例检索
Spring AI	模型接入、结构化输出、RAG 编排

AI 接入点

• RAG：需求规范、发布流程、接口约定、项目复盘。
• Tool Calling：成员负载、历史工时、迭代计划、风险数据。
• Agent：PRD 解析、功能拆分、排期建议、风险分析。

项目亮点

• 业务链路完整，从 PRD 到任务落库闭环清晰。
• AI 不是单独聊天，而是嵌入研发协同流程。
• 权限过滤、人工确认和审计记录都能讲。

面试讲法

先讲产研协同的真实痛点，再讲 Java 后端如何托住流程、权限和落库，最后讲 RAG、Tool Calling、Agent 分别解决什么问题。

面试追问

1. PRD 解析结果不准确怎么办？
2. 排期建议为什么不能直接落库？
3. 产研知识库如何做权限过滤？

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

我负责的是产研协同平台的 Java+AI 改造，围绕 PRD 解析、需求拆分、排期评估和风险预警，把 RAG、Tool Calling 和 Agent 接入到研发协同流程中。