Flutter / Android / Java / AI Engineering
Jacky Chou
移动端业务系统架构 / Flutter Android Java / AI 工程化
12 年 Android 原生与移动端开发经验，已通过 Flutter + 原生混合开发完成两套商业品牌的 Android、iOS、OpenHarmony 三端交付并全部上架应用市场；能独立通过 AI Agent 完成从 UI 设计、Java 后端到多端 App 与 RAG/MCP 的全栈闭环。
面试评估版
重点看工程深度、职责边界、复杂业务落地、跨端发布和验证证据。
Flutter / Android 原生能力 / Java 后台 / Vue 管理端 / AI 工程化组合能力。
可围绕 Pocket Home Flutter、RAG、AI 客服、经营周报和后台工单平台展开技术细节。
能提供代码、提交记录、构建日志、真机截图、CI 与部署记录作为评估证据。
客户合作版
重点看可交付范围、风险控制、MVP 边界、沟通效率和上线后的维护方式。
可承接 App MVP、业务 App、Java 后台、管理系统、AI 客服和知识库问答。
AI 项目默认包含资料来源、不可回答边界、人工接管和模型 Provider 可替换方案。
先拆首版 MVP，再按功能、周期、预算和验收标准推进，避免无边界外包。
个人定位
面向客户，我能一人闭环交付可上架的三端 App、Java 管理后台与受控 AI Agent 系统；面向团队，我能把复杂移动端原生能力、后端权限状态机、量化评测门禁和工程规范落到生产环境。
移动端与三端上架：12 年 Android 原生经验，Flutter + 原生覆盖登录、IM、定位、相机、扫码、推送、分享，以及 Android / iOS / OpenHarmony 三端市场审核与发布。
全栈业务平台：独立完成 UI 设计 → Java 21 / Spring Boot 后端 → Vue 3 管理后台 → 多端 App 的端到端研发与 Docker 化部署。
受控 AI Agent 工程：企业级 RAG（SQL 内 ACL 隔离 + 引用校验）、Python/LangGraph 多步编排、官方 MCP Server、多模态单据抽取与幂等写回。
技术栈分层
Mobile Experience Layer
多端 App 体验层
用 Flutter 做主要业务体验，用 Android 原生补齐系统能力，覆盖登录、消息、定位、相机、扫码、推送、分享和多端发布。
Business Platform Layer
业务平台与管理后台
用 Spring Boot 承接业务 API、权限、审计、异步任务和数据持久化，用 Vue 管理端承接运营、审批、工单和配置。
AI Engineering Layer
AI 能力工程化
把知识库、检索、上下文、模型调用、工具调用和人工边界放进业务流程，避免只做一个不可控的聊天入口。
Delivery Evidence Layer
交付验证与发布证据
每个案例都尽量给出构建、运行、截图、测试、smoke、发布检查和问题复盘，让能力可以被客户和面试官验证。
可验证材料
公开 Demo
mikehot/rag-knowledge-base：RAG API、来源引用、found=false 边界、测试和 CI。
私有项目审阅
可按面试或客户评估场景授权查看核心仓库、提交记录、构建日志和运行截图。
线上作品集
官网展示项目详情、架构节点、AI 边界、真实截图、联系方式和部署证据。
代表项目
PRIMARY CASE / FLUTTER
Pocket Home Flutter（双品牌三端商业 App）
通过 Flutter + 原生混合开发完成两套商业房产经纪品牌的 Android、iOS、OpenHarmony 三端项目并全部上架应用市场，覆盖房源、客户、工作台、云信 IM 消息、定位、相机扫码与多端合规发布。
基于一套 Flutter + Riverpod / MVVM 工程底座支撑两套商业品牌，通过原生插件与 MethodChannel 补齐 Android、iOS、OpenHarmony 三端的权限、相机、定位、扫码、IM 与推送能力，并完成三端应用市场提审上架闭环。
AI + TICKET SYSTEM
AI 智能客服工单系统
AI 基于知识库先答，资料外问题转人工；包含 Flutter 客户端、Vue 后台、Spring Boot 后端、pgvector RAG 和消息工单状态流。
客户端负责咨询入口和会话体验，Spring Boot 负责用户、工单、消息、权限和 AI 编排；RAG 链路先检索知识库，低置信度或资料外问题进入人工工单，保证业务回答可控。
AI DATA REPORT
AI 经营周报
上传销售 CSV/Excel，异步计算指标并生成中文经营周报；支持 OpenAI-compatible Provider、本地模型和可验证报告流程。
前端上传经营数据，后端异步解析并生成结构化指标，再把指标输入模型生成中文周报；AI 只负责解释和表达，关键数值由后端计算产生。
PRIVATE KNOWLEDGE QA
RAG Knowledge Base
资料上传、切片、embedding、Top-K 检索、来源引用和资料外边界；可包装为企业资料智能问答样板。
文档进入系统后完成切片、embedding、向量入库和 Top-K 检索；回答必须绑定来源引用，资料外问题返回 found=false 或转人工处理。