@dxycc
专注于AI应用工程化与后端架构设计，精通 Java 与 Python 双技术栈，具备LLM、RAG、Agent智能体的规模化落地经验。深度实践OpenAI、LangChain4j等生态，擅长以 DDD（领域驱动设计） 进行业务抽象，结合 微服务 治理体系，构建高可用、可扩展的AI原生应用，致力于弥合大模型能力与复杂业务系统之间的工程鸿沟。
Easy-RAG 是一个基于 DDD、LangChain4j 与 JuiceFS 构建的轻量级 RAG 知识库系统，利用 JuiceFS 文件通知机制实时同步文档变更并自动更新向量索引，支持多种文档格式解析与低延迟检索增强生成，内置 RAG 评估体系，可对检索与生成效果进行多维度自动评分，帮助持续优化知识库质量。
接入了 RAG（检索增强生成） 与 AI 大模型（LLM） ，基于 DDD & EventSourcing 的现代响应式 CQRS 架构微服务开发的 MES 系统，主要面向单产线场景设计，提供工艺路线配置、产品与工单管理、生产进度跟踪、返修管理等核心功能。未来计划支持多产线、跨产线返修等更复杂场景。
深度学习入门与进阶实战合集，涵盖梯度下降、反向传播、人工神经网络（ANN）、卷积神经网络（CNN）、循环神经网络（RNN）及Transformer模型。通过手写代码与示例，助力理解核心算法与前沿架构，适合学习与研究深度学习的理想资源库。
