《中州养老》
《中州养老》是一个面向养老院的单体后台管理系统，涵盖员工管理端与家属小程序端。系统功能完善，包含预约参观、入住退住、计费、健康监测等模块。我主要负责核心模块设计开发，如护理等级、床位管理、权限控制或智能监测等。项目采用SpringBoot+Vue3技术栈，结合Redis缓存、Nginx部署、阿里云OSS与IoT平台，实现高效稳定的数据交互与实时健康监控。通过RBAC权限模型保障系统安全，利用定时任务、线程池、索引优化等手段提升性能，支持微信登录、小程序预约、设备报警等实用功能，全面助力智慧养老信息化建设。（238字）
基础算法
本文系统介绍了加密算法与排序算法的核心知识。涵盖对称加密（如AES、SM4）、非对称加密（如RSA、SM2）、哈希摘要、电子签名及密码存储方案；深入解析冒泡、选择、插入、归并、快排、堆排序等经典算法的原理、复杂度与优化策略，并简要涉及字符串反转、正则匹配与二分查找等应用技术，内容全面，理论与实践结合紧密。
web阶段
HTTP协议即超文本传输协议，基于TCP，规定客户端与服务器通信规则。常见请求方式GET（获取数据）与POST（提交数据）在参数传递、安全性及应用场景上有所不同。常用状态码如200（成功）、404（未找到）、500（服务器错误）等。会话跟踪通过Cookie（客户端）或Session（服务端，依赖Cookie传ID）实现，而转发为服务器内部跳转，重定向则由浏览器发起二次请求。HTTPS在HTTP基础上加入SSL加密，提升安全性，但资源消耗更高。
OA业务
参与OA人事管理子系统与Broz协同办公平台开发，负责管理员审批流程升级、报表可视化（ECharts）、权限及用户管理模块实现，助力企业无纸化办公。技术栈：SpringBoot/Spring+MyBatis+Jwt+ECharts，全程参与功能开发、缺陷维护与模块优化。（238字）
详解RAG五种分块策略，技术原理、优劣对比与场景选型之道
RAG通过检索与生成结合，提升大模型在企业应用中的准确性与安全性。分块策略是其核心，直接影响检索效果与回答质量。本文系统解析五种主流分块方法——固定大小、语义、递归、基于文档结构及LLM分块，对比其优缺点与适用场景，并提出选择建议与前沿优化方向，助力构建高效、可信的RAG系统。
大模型专业名词解释手册
本简介系统梳理了大语言模型（LLM）核心技术术语，涵盖基础概念、训练方法、模型优化、推理应用、评估调试及伦理安全六大维度。内容包括Transformer架构、注意力机制、Token化、参数量、涌现与泛化能力，以及预训练、微调、思维链、少样本学习等关键技术；深入解析模型压缩中的量化、剪枝、蒸馏方法，探讨推理应用中的RAG、提示工程、智能代理与多模态能力；并介绍困惑度、BLEU/ROUGE等评估指标，最后聚焦偏见、公平性、可解释性与人类对齐等伦理议题，全面呈现大模型技术体系与发展脉络。（239字）
大模型应用开发中MCP与Function Call的关系与区别
MCP与Function Call是大模型应用中的关键技术。前者是跨模型的通用协议，实现多工具标准化连接；后者是模型调用外部功能的机制。MCP如“桥梁”，支持多系统协同；Function Call似“工具手”，执行具体任务。二者互补，推动AI应用向更高效、开放的方向发展。
