关于我

时间线 01 / TIMELINE

• 2024.09
  安徽大学 · 计算机科学与技术

  本科入学，系统学习数据结构、操作系统、计算机网络与数据库。

• 2026
  Java 后端与 AI 应用

  Spring 全家桶、MySQL、Redis、消息队列；开始把大模型接入真实业务场景。

• 2026.10
  suxiangyu.top 上线

  自研静态构建器 + Cloudflare Tunnel，博客开始持续写作。

• 2027
  暑期实习

  目标投递 Java 后端 / AI 应用开发岗位，积累真实工程经验。

• 2028
  秋招

  目标中大厂 Java 后端 / 大模型应用开发方向。

技术武器库 02 / TECH STACK

主攻 Java 后端开发，Python 为辅，再往上是 大模型应用的工程化落地。喜欢拆解系统底层原理，习惯以面试、工程落地的标准打磨代码。下面每一项都能点进官方文档——查文档比背结论可靠。

Java 语言与运行时 CORE

Spring 生态 FRAMEWORK

持久层与中间件 MIDDLEWARE

存储与消息 DATA

工程与运维 DEVOPS

大模型应用开发 LLM APP

模型接入与推理 MODEL

共 54 项，全部指向官方文档或官方仓库。Java 侧以 Spring 全家桶 + Dubbo/Nacos 体系为主线，AI 侧以 RAG / Agent 工程化为主线。少数官网（如 MySQL、OpenAI）对非浏览器请求返回 403，用浏览器打开正常。

项目聚焦 03 / FOCUS

偏向 企业级后端系统 + 大模型落地应用，极度关注工程落地、系统设计与性能优化。

做过 API 调用类大模型应用，非常熟悉 Token 消耗计算、接口用量监控与成本管控，有真实的 API 调用与用量管理经验。

之前一直觉得项目本地能跑就行，后来才发现把服务扔到公网上被真实请求访问到，完全是另一回事。通过这台 2 核 2G 的服务器，我学到了很多真实开发运维的底层逻辑。

真实生存状态 04 / DAILY STATUS

每天都在和各种 Bean 生命周期、线程池打交道。写过的代码不多，报的错误不少。以下是我的每日真实状态：

• 熟练使用 CV 大法（Ctrl+C, Ctrl+V）进行底层架构重构。
• 熟练使用各大 AI 产品写代码，主打一个“AI 负责写，我负责复制粘贴”。
• 代码能跑，全靠祈祷，绝对是因为我逻辑严密。
• 遇到 Bug 的第一反应：先发个朋友圈，然后重启服务器。
• 持续刷题、梳理八股、优化项目亮点。目前最大的愿望：线上代码永不抛 Exception，秋招拿到一份满意的 Offer。

主程序代码 05 / ABOUT ME

偏向务实，重视系统性能、业务逻辑、代码规范。平时会做算法练习，喜欢研究架构设计和大模型应用落地的思路。

// 后端老哥的 AI Agent 进阶之路
@Service
public class AgentCareerService {

  @Value("${llm.api-key}")
  private String apiKey;  // 秘钥不能硬编码，这是底线

  @Autowired
  private SpringAiClient aiClient;  // 注入大模型客户端

  @Async("learningThreadPool")
  public CompletableFuture<Offer> getAutumnRecruitOffer() {
    return CompletableFuture.supplyAsync(() -> {
      Prompt prompt = new Prompt("帮我优化八股文，提升并发编程理解");

      // 流式调用大模型 API，边生成边处理，拒绝卡顿
      Flux<String> stream = aiClient.generateStream(prompt, apiKey);

      return stream.collectList().map(res -> new Offer("Java Backend + AI"));
    }).exceptionally(e -> {
      log.error("大模型响应超时，或者八股文背岔了...");
      return retryWithBackoff(3);  // 重试三次，只要不死就往死里学
    });
  }
}

AI 生态观察 06 / ECOSYSTEM

每天在用、也在盯着看的一批工具与模型。不追发布会，只追能不能把活真正干完——能不能接进工程链路，单任务成本扛不扛得住，出了问题能不能定位。

主流 AI Agent AGENT

主流 Coding 大模型 MODEL · 2026-10

核对于 2026-10-27。AA 智能指数取自 Artificial Analysis v4.3.2（221 个模型、每日更新）；Terminal-Bench 4.0、Bug Bench 等子项含「第三方实测」与「厂商自报」两种口径，不可混用比较。进度条按指数 40–60 区间归一，未公开的标「未公布」而不是估算。模型迭代以周计，这份名单只保证写下这一天是准的。

2028 秋招目标公司 07 / TARGETS

把目标摆到明面上，是为了逼自己每天多做一点。名单按「Java 后端 / 大模型应用」方向与业务线的匹配度筛的，不是凑数：优先交易与中台这类能练到高并发和一致性的场景，其次是真正有 LLM 落地需求的团队。

字标为按各品牌主色生成的示意图形，非官方 Logo 文件，仅用于个人目标墙展示；如需正式 Logo 可替换为官方 SVG/PNG。

交个朋友 08 / CONTACT

很高兴在这个角落遇到你。无论你是无意间扫描到端口的爬虫，还是出于好奇点进来的朋友，都感谢你在这里留下了一个访问记录。有问题大家一起交流学习。