桩云智维新能源充电运维平台

项目定位

这是一个新能源充电运维平台，处理设备状态监控、故障码识别、异常工单、远程运维和监管上报等问题。AI 的作用是帮助运维人员更快定位问题和检索处理方案。

项目思维导图

核心流程

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

1. 远程运维操作为什么不能让 AI 直接执行？
2. 设备告警如何降噪？
3. 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。

简历一句话写法

我负责新能源充电运维平台的 Java+AI 项目设计，围绕故障诊断、设备告警、运维工单和安全边界做智能化改造。