负责在线教育平台核心学习链路的全栈开发，覆盖C端用户课程学习与B端教师授课场景，衔接React前端交互、Node.js后端业务逻辑及MongoDB数据存储，保障高并发下的系统性能与用户体验

• 主导设计「动态课程编排系统」，针对教师排课需手动同步多终端（Web/小程序/H5）的痛点，采用React+Redux Toolkit构建前端状态管理，结合Node.js+Socket.io实现排课规则实时同步，同时优化Webpack分包策略将首屏加载资源从1.2MB压缩至450KB，最终教师排课效率提升42%，用户章节切换耗时从780ms降至290ms
• 重点解决直播课连麦延迟高的问题：原系统采用RTMP协议导致跨运营商延迟达3-5秒，替换为WebRTC技术栈，配合Janus网关做信令转发与NAT穿透，同时优化 ICE Candidate 选举策略，连麦成功率从76%提升至93%，用户关于“卡顿”的投诉率下降38%
• 核心参与用户学习行为分析系统的前端埋点与后端架构设计：用Google Analytics 4（GA4）定义23个关键事件（如“视频暂停”“习题提交”），后端通过Node.js+Elasticsearch搭建行为数据索引，实现分钟级查询响应，帮助运营定位“章节末尾流失率高”的问题，针对性优化课程小结模块后，完播率提升19%
• 推动前端工程化升级：引入Vite替代Webpack，配置自动化代码分割（基于动态import）与HTTP/2推送策略，构建时间从11分钟缩短至3.5分钟；同时落地ESLint+Prettier统一代码规范，团队协作冲突率下降45%

负责K12在线题库产品的全栈迭代，聚焦用户解题体验优化与教师题目管理效率提升，协同算法团队落地个性化推荐，主导前后端架构从“单体应用”向“微服务”演进

• 主导「智能选题系统」全栈开发：前端用Vue3+Composition API重构旧版UI，实现“知识点-难度-题型”三维筛选的实时联动；后端基于Node.js+Express搭建推荐服务，调用Python Flask封装的XGBoost模型生成个性化题目，推荐准确率从68%提升至93%，用户日均做题量增加17%
• 解决海量题库查询性能瓶颈：针对“按知识点搜题”响应慢的问题，用Redis缓存热点题目（Top1000知识点），同时将MySQL全文索引迁移至Elasticsearch，查询耗时从1.1秒降至180ms以内，支撑日活12万用户的并发搜索
• 重构教师端题目编辑工具：基于Monaco Editor定制代码题编辑器，支持Python/JavaScript语法高亮、实时预览与错题一键导入，后端配合OSS存储题目资源文件，编辑效率提升55%，题目录入错误率从12%降至2.5%
• 建立团队技术质量体系：推行Jest+Testing Library做前端单元测试，要求核心组件覆盖率≥85%；后端用Mocha+Chai搭建接口测试套件，上线前拦截潜在BUG 60+，线上故障次数从每月3次降至0.5次

负责企业培训平台基础功能开发，覆盖课程上传、学员管理与简单互动模块，协助搭建前端组件库与后端API规范，支撑平台从0到1服务100+企业客户

• 独立完成「学员学习档案」模块全栈开发：前端用React+Redux管理学员进度、成绩等状态，后端通过Node.js+Koa2搭建RESTful API，对接MySQL存储学习数据，实现“课程完成率”“错题分布”等统计功能，满足企业客户的基础管理需求
• 优化课程上传功能：原方案采用单文件上传，大文件（>500MB）经常超时，改用Multer实现分片上传（每片10MB），后端用PM2集群部署处理并发，上传成功率从58%提升至96%，支持最大1.5GB文件上传
• 搭建前端组件库：用Storybook管理组件文档，封装“课程卡片”“进度条”“讲师名片”等15个通用组件，团队复用率从30%提升至75%，减少重复开发工作量28%
• 协助后端API性能优化：用Postman做接口压测，发现“学员列表查询”存在慢查询（执行时间>800ms），优化MySQL索引与分页逻辑后，响应时间降至200ms以内，支撑平台承载5000+学员同时在线

泛娱乐社交APP「星聊」核心体验优化与高并发架构升级项目

• 「星聊」作为公司泛娱乐社交核心产品，面临用户反馈的“聊天延迟高、群聊消息乱序、个性化推荐无效”三大痛点，导致DAU连续3个月停滞在80万左右。我的核心职责是主导从后端架构重构到前端体验优化的全链路改进，目标是将消息可靠性提升至99.9%以上、推荐点击率翻倍、DAU恢复增长。
• 项目遇到三大技术壁垒：1）原有单节点WebSocket集群无法承载峰值5万+连接，消息延迟超3秒；2）群聊消息因客户端收包顺序差异导致乱序率达15%；3）基于协同过滤的推荐系统标签维度单一，点击率仅2.1%。
• 针对连接问题，我主导拆分WebSocket服务为「连接管理」和「消息路由」两个微服务，用Redis Cluster存储连接状态实现分布式扩展，同时以RocketMQ作为消息中间件保证有序投递；针对消息乱序，设计「客户端序列号+服务端排序」双校验机制，结合本地缓存暂存未确认消息；推荐系统方面，协同数据团队构建包含“行为偏好、兴趣标签、社交关系”的三维标签体系，用LightGBM模型替换协同过滤，实现分钟级实时更新。
• 项目上线后，消息延迟降至500ms内、群聊乱序率降至0.1%以下，推荐点击率提升至8.7%；DAU3个月内增长至120万，用户留存率提升18%。我个人主导了架构设计与跨团队协作，推动产品核心体验质的飞跃，成为后续功能迭代的技术基石。

泛娱乐直播平台「星播」互动功能全栈研发与性能调优项目

• 公司发力直播赛道时，「星播」需快速上线弹幕、打赏、连麦三大核心互动功能，目标是提升直播间用户参与度（目标从15%升至30%）和付费转化率（目标从3%升至6%）。我负责从需求分析到上线运维的全流程开发，兼顾功能实现与高并发性能。
• 功能研发中遇到三大挑战：1）峰值每秒10万条弹幕的渲染卡顿（DOM渲染帧率仅20fps）；2）打赏订单的分布式事务问题，曾出现“用户扣款成功但主播未到账”的故障；3）连麦时不同设备音视频同步误差超500ms，用户体验差。
• 为解决弹幕问题，我放弃DOM方案改用Canvas分层渲染，将弹幕按“滚动速度+字体大小”分层，减少每帧计算量，最终帧率稳定在60fps；打赏功能引入Seata分布式事务框架，结合Redis异步缓存订单状态，确保“扣款-到账-通知”的原子性；连麦功能采用WebRTC技术，自研信令服务器（Node.js实现），加入NTP时间戳校准音视频流同步，误差控制在100ms内。
• 功能上线后，直播间互动率提升至32%，付费转化率达成6.5%；打赏成功率从95%升至99.9%，用户对连麦体验的满意度评分达4.8/5。我独立完成三大功能的全栈开发，攻克了高并发下的性能瓶颈与实时一致性难题，为直播业务的早期增长奠定基础。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。