负责直播电商业务核心链路（直播间互动、商品秒杀、支付回调）的质量全生命周期保障，主导自动化测试框架搭建、性能瓶颈定位及质量左移/右移落地，联动研发、产品团队推动效能提升

• 主导设计基于Python+Pytest的直播间高并发自动化测试框架，整合Redis分布式锁模拟10万+用户同时发弹幕/送礼物的并发场景，解决原有框架仅支持单接口压测、无法模拟真实用户行为的痛点；框架上线后将核心互动功能的自动化覆盖率从65%提升至95%，单轮次全链路测试执行时间从2.5小时缩短至1.5小时，支撑了618、双11大促前的快速回归
• 针对商品秒杀场景QPS不达标问题，使用JMeter+Grafana搭建性能监控平台，结合Async-profiler火焰图分析定位到Redis缓存穿透（热点商品key失效导致回源DB压力骤增）；通过优化缓存过期策略（设置随机TTL）+引入布隆过滤器拦截无效查询，将秒杀接口QPS从8000提升至2.5万，错误率从3%降至0.1%，大促期间未出现超时报错
• 推动质量左移，在研发CI/CD流程中嵌入单元测试门禁（Jacoco+GitLab CI）与SonarQube静态扫描规则：要求核心模块单元测试覆盖率≥85%，拦截空指针、SQL注入等风险代码；落地后线上缺陷率较之前降低35%，研发修复缺陷的平均时间从1.2天缩短至4小时
• 负责支付回调链路的质量保障，设计基于WireMock的异常场景测试方案——模拟支付超时（延迟5分钟回调）、重复回调（同一订单号多次请求）、网络抖动（丢包率30%）等情况，发现并修复回调接口幂等性漏洞（未校验requestId导致重复更新订单状态）；优化后线上因回调问题导致的订单金额错误率从0.5%降至0.01%，季度投诉量减少60%

负责电商平台用户中心、订单系统的测试开发与质量工程落地，从功能测试向自动化与效能工具转型，搭建基础测试能力支撑团队快速迭代

• 核心参与用户中心手机号验证码登录功能的自动化改造，使用Appium+Allure搭建移动端双端（iOS/Android）自动化用例库，覆盖正常登录、验证码过期、手机号格式错误等20+场景；将每次版本迭代的回归测试时间从1天缩短至4小时，支撑了每周2次的快速发版节奏，上线后登录功能用户投诉率从2.1%降至0.3%
• 针对订单系统分库分表（ShardingSphere按用户ID分16库16表）场景，开发Python脚本模拟1000万+订单数据（涵盖不同用户、商品、时间维度），解决测试环境数据不足导致的分片逻辑验证困难问题；通过脚本预生成数据，确保分库分表功能的路由正确性与数据一致性，上线后未出现订单查不到或查错的情况
• 推动测试左移，在需求评审阶段引入“场景链分析法”——梳理用户从注册→浏览商品→加购→下单的全流程，识别出15个异常分支（如库存不足时加购提示不清晰、支付失败后购物车商品未恢复）；设计30+条异常测试用例，落地后线上用户因流程异常的投诉量降低28%，产品体验评分提升1.2分

负责企业OA系统全流程测试，覆盖功能验证、缺陷管理及基础测试工具开发，夯实软件测试基础能力

• 主导OA系统审批流功能测试，基于状态机模型设计测试用例，覆盖请假、报销、转正等10+种审批场景（如跨部门审批、多级领导审批、驳回重提）；发现并修复审批节点跳转错误、权限控制漏洞（普通员工可查看领导审批记录）等问题，上线后审批流程错误率从5%降至1%以下，得到业务部门书面表扬
• 开发Excel自动化测试脚本，使用Python+openpyxl读取测试用例数据（含输入参数、预期结果），自动执行功能测试并生成带截图的HTML报告；将手动测试的执行效率提升50%，减少了重复劳动，让团队有更多精力投入探索性测试
• 建立标准化缺陷跟踪模板，规范缺陷的描述（必填复现步骤、预期结果、实际结果）、优先级划分（P0-P3）及修复流程（研发确认→修复→测试回归）；落地后缺陷关闭率从70%提升至90%，团队协作效率提高25%

大促场景下实时订单履约链路智能压测与故障定位平台研发

• 鲜达生鲜作为华东区域头部生鲜电商平台，618、双11大促期间实时订单履约链路（订单→库存→分拣→配送）频繁出现超时率飙升（峰值达8.2%）、用户投诉量翻倍的问题，核心目标是构建覆盖全链路的智能压测与故障定位体系，保障大促履约稳定性。我作为测试开发负责人，主导从需求调研、方案设计到平台落地的全流程，跨研发、产品、运维等5个团队协同。
• 项目面临三大挑战：一是履约链路涉及12个微服务、30+接口，传统单服务压测无法模拟真实用户端到端行为；二是故障场景分散（库存超卖、分拣系统宕机、配送轨迹延迟等10+类），人工排查需30-60分钟；三是生产流量与压测数据差异大，导致压测结果无法反映真实负载。
• 针对性解决：① 基于Takin流量回放工具二次开发，采集大促期间生产环境用户行为数据，构建1:1全链路流量模型，覆盖从用户下单到骑手送达的完整路径；② 设计动态故障注入引擎，支持网络延迟（100ms-5s）、服务随机宕机、数据异常（库存负数、地址错误）等场景，结合Prometheus监控指标与ELK日志分析实时感知异常；③ 基于Jaeger链路追踪数据，开发故障根因定位算法，通过请求ID关联服务调用链与日志关键词，自动输出故障节点（如“分拣服务响应超时导致履约延迟”）。
• 平台上线后，大促履约超时率降至1.3%，用户投诉量下降45%；压测覆盖率从65%提升至92%，覆盖之前未测试的跨服务边界场景；故障定位时间缩短至4分钟内，大幅减少故障恢复时长。我主导了流量模型构建与故障定位算法设计，申请1项“分布式链路故障定位方法”实用新型专利，成为团队大促稳定性保障的核心工具。

网约车行程实时风控系统自动化测试与效能提升项目

• 智行出行网约车风控系统负责识别绕路、异常停留、虚假订单等风险，但原有测试依赖人工构造场景，效率低且漏测率约15%，导致每月因规则失效引发的用户客诉达200+起。我的目标是搭建自动化测试平台，提升风控规则测试效率与准确性，降低客诉。我作为高级测试开发，负责平台设计与核心功能研发，对接风控规则团队与测试团队。
• 关键难点：一是风控规则动态更新（节假日特殊策略、城市差异化规则），传统脚本维护成本高；二是行程场景复杂（不同城市道路、早晚高峰、车型续航差异），测试数据构造困难；三是缺乏规则有效性验证方法，无法快速确认新规则是否误判正常订单。
• 创新解决：① 采用Cucumber框架搭建BDD测试平台，将风控规则转化为自然语言场景（如“Given 用户从A到B Given 实际行程1.6倍预估距离 Then 触发绕路风控”），规则变更时仅需修改场景描述，脚本自动适配；② 开发测试数据工厂，结合Faker库生成虚拟用户/车辆信息，同时脱敏生产行程数据构造10+城市场景（早高峰北京环路、晚高峰上海内环）；③ 设计规则验证模块，对比系统执行结果与预期，自动生成含通过率、误判率的报告，支持沙箱环境A/B测试验证规则对正常订单的影响。
• 平台落地后，自动化覆盖率从30%提升至78%，规则测试周期从每周5天缩短至1天，漏测率降至2%以下；每月客诉量下降22%，节省客服人力投入。我主导了BDD场景设计与数据工厂开发，优化规则验证流程，让风控团队能快速迭代规则，提升了系统安全性与用户体验。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。