负责公司核心电商交易系统SDET全生命周期质量保障，涵盖自动化测试框架设计、大促场景性能瓶颈定位、质量左移体系落地及团队技术赋能

• 主导电商交易系统全链路自动化测试框架重构，基于Python+Pytest+Allure构建分层架构（基础层封装HTTP/SQL操作、业务层抽象订单/支付/退款核心流程、断言层实现通用结果校验），集成Docker容器化执行环境解决多环境（预发/生产）兼容性问题；同步对接Jenkins CI/CD pipeline，实现用例定时执行与钉钉/飞书实时告警。面对旧框架维护成本高（单次用例修改需调整3个以上文件）、跨服务调用断言困难的问题，通过提炼订单域模型抽象通用断言组件，将用例维护成本降低40%，单轮次执行时间从45分钟缩短至18分钟，覆盖交易链路90%以上核心场景。
• 针对618大促核心交易接口（下单/支付）的性能瓶颈，使用JMeter模拟5000并发用户压测，结合Grafana+Prometheus监控体系发现MySQL连接池利用率超90%、慢查询占比达12%的问题；通过优化连接池最大连接数（从50调整至80）、为订单表添加联合索引（user_id+order_status+create_time），并将Redis缓存命中率从75%提升至92%，最终接口QPS从1200提升至3500，错误率从5%降至0.1%，支撑大促期间1.2亿GMV的交易稳定性。
• 推动质量保障向研发左端延伸，与Java研发团队协作落地单元测试强制准入机制——基于Jacoco统计核心模块（订单服务/支付服务）代码覆盖率（要求≥80%），集成SonarQube扫描代码异味与SQL注入漏洞；同时开发基于AST（抽象语法树）的测试用例自动生成工具，解析接口Swagger文档生成Postman集合与Pytest用例，将功能测试用例编写时间从2天/功能点缩短至4小时，缺陷漏测率从15%降至3%。
• 作为SDET技术负责人，搭建团队能力成长体系——制定SDET能力矩阵（涵盖自动化测试、性能测试、Python/Go编程能力三大维度），每月组织技术分享（主题包括‘大促性能瓶颈定位实战’‘Python测试框架设计模式’）；带教3名新人，通过‘项目实战+导师制’模式帮助其在3个月内独立承担自动化测试任务，推动团队整体自动化覆盖率从50%提升至85%，团队成员人均效能提升35%。

负责公司社交产品后端服务质量保障，聚焦自动化测试体系搭建、消息推送性能优化及测试流程规范化

• 搭建社交产品后端API自动化测试平台，采用Go语言+Gin框架开发可视化用例编辑界面，集成MySQL存储测试数据与结果，实现‘用例编写-执行-报告生成’全流程线上化；解决手工测试效率低（单轮次接口测试需3人天）的问题，将手工测试时间减少70%，用例执行准确率提升至99%，覆盖用户中心/动态 Feed/好友关系等核心模块80%以上接口。
• 针对消息推送服务延迟高（峰值延迟15s）的痛点，使用Zipkin做全链路追踪，发现RabbitMQ消费者线程池过小（仅5个线程）及消息分片策略不合理（按用户ID哈希分片导致热点队列）的问题；优化消费者线程池至20个线程，并将分片策略调整为按消息类型+用户ID双重哈希，最终推送延迟从15s降到3s以内，用户投诉率下降60%，支撑日活1000万用户的消息触达需求。
• 推动测试左移落地，参与需求评审阶段即输出测试策略，基于Postman+Newman实现接口契约测试——对比研发侧Swagger文档与测试侧用例，自动校验接口参数格式与返回值结构；同步引入Mock工具（WireMock）模拟第三方服务（如短信网关），将依赖外部服务的测试周期从5天缩短至2天，需求变更导致的缺陷减少40%。

负责公司企业服务类产品（OA/CRM）功能测试及自动化测试落地，支撑产品迭代质量与效率

• 开发功能测试辅助工具集，基于Python+Selenium+Pandas实现测试数据自动生成（如随机生成1000条用户信息、订单数据）与结果快速校验（对比数据库预期值与实际值），解决手工造数据耗时（单轮次需1天）的问题，将测试准备时间缩短50%，支撑版本迭代频率从每月1次提升至每两周1次。
• 参与CRM系统客户管理模块性能测试，使用LoadRunner模拟1000并发用户执行‘客户查询’‘线索转化’操作，发现Oracle数据库死锁（因事务隔离级别设置为可重复读）及索引缺失（线索表未加status索引）的问题；调整事务隔离级别为读已提交，并添加复合索引，系统响应时间从3s降到1.5s以内，支持500并发用户同时操作。
• 协助团队建立测试流程规范，制定《用例评审标准》（要求覆盖正向/反向/边界场景）、《缺陷跟踪流程》（明确缺陷优先级与修复时效）；推动测试用例库标准化，将用例复用率从30%提升至60%，测试效率提升30%，缺陷修复周期缩短25%。

电商平台618/双11全链路性能测试体系搭建与智能容量规划项目

• 项目背景：公司核心电商平台在大促期间频繁出现首页加载超时、支付链路卡顿等问题，历史性能测试仅覆盖单接口，无法模拟真实用户全链路行为，导致容量规划偏差大、资源浪费严重。我的核心目标是主导搭建覆盖“用户行为-交易链路-基础设施”的全链路性能测试体系，支撑大促精准容量规划，保障系统稳定性。
• 关键难题：1）真实用户行为模拟困难，传统脚本无法还原多入口、多步骤的用户路径；2）大促流量峰谷波动大，现有容量模型依赖经验假设，准确率不足70%；3）多系统（APP、网关、订单、支付、库存）依赖下，故障根因定位耗时久。
• 核心行动：1）基于JMeter+Skywalking构建全链路压测框架，采集近1年用户行为日志，通过Python脚本生成动态用户路径（覆盖首页浏览、商品详情、加购、支付等8类核心场景），模拟10万级并发真实用户；2）结合历史大促流量数据与实时监控指标（CPU、内存、QPS），用线性回归+LSTM模型构建动态容量预测模型，实时调整各系统容量阈值；3）集成Chaos Mesh进行故障注入，模拟数据库慢查询、API超时等场景，验证系统熔断、降级机制的有效性。
• 项目成果：1）全链路压测覆盖率从30%提升至95%，大促期间首页首屏加载时间从2.1s降至1.3s，支付成功率从98.5%提升至99.8%；2）容量规划准确率从70%提升至92%，大促期间服务器资源利用率从60%提升至85%，节省云服务器成本约120万元；3）主导的性能测试体系被纳入公司大促SOP，个人获评当年“业务支撑突出贡献者”。

直播互动场景实时质量监控与故障自愈系统研发

• 项目背景：公司直播业务高速增长，但实时互动场景（连麦、弹幕、礼物打赏）下质量问题（如卡顿、消息丢失、推流中断）难实时发现，故障处理平均耗时5分钟以上，严重影响用户体验。我的目标是研发一套实时质量监控与故障自愈系统，实现问题“秒级发现、自动修复”。
• 关键难题：1）多源数据（弹幕、礼物、连麦信令、推流状态）关联困难，无法准确定位问题根源；2）故障特征分散（如网络抖动导致的卡顿与服务器负载高导致的卡顿特征相似），误报率高达25%；3）不同故障场景（如主播端推流中断、观众端播放卡顿）需要定制化自愈策略，灵活性不足。
• 核心行动：1）设计“端侧埋点+服务端同步+消息队列”的数据采集方案，用Canal同步MySQL互动数据，Kafka传输实时信令，通过TraceID关联用户会话与互动事件；2）基于XGBoost构建故障分类模型，提取“卡顿频率、消息延迟、推流码率”等12个核心特征，将误报率降至5%以下；3）开发故障自愈引擎，针对推流中断自动切换备用CDN，针对播放卡顿触发CDN节点调度，针对消息丢失重试推送。
• 项目成果：1）实时质量监控覆盖率从60%提升至98%，故障发现时间从5分钟缩短至30秒内，故障处理时长缩短70%；2）支撑了公司头部直播IP“星途星动”的全年大促与日常运营，用户互动满意度从82%提升至91%；3）系统获公司“年度技术创新项目”，我作为核心研发人获得技术创新奖。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。