负责公司核心电商App（覆盖Android/iOS双端）的全生命周期测试，聚焦功能稳定性、多设备兼容性及大促场景下的用户体验测试，联动研发、产品团队推动缺陷闭环及体验优化

• 主导核心交易链路（加购-下单-支付）的全链路测试，结合Charles抓包分析接口交互逻辑、Appium搭建自动化回归用例（覆盖85%交易场景）；针对低版本Android（5.0-7.0）系统出现的支付页面闪退问题，使用Systrace追踪线程状态，定位为WebView缓存未适配旧系统导致的阻塞，推动研发优化缓存读写策略，最终该场景缺陷率从12%降至3%，支付成功率提升至99.8%
• 负责iOS端兼容性测试体系搭建，基于Xcode Instruments的Core Animation模块监控页面渲染性能，结合TestFlight灰度发布收集1000+用户反馈；针对iPhone 12及以上机型列表滑动卡顿问题，通过调试发现离屏渲染过多（因未对商品图片做圆角预处理），推动优化SDWebImage加载策略，卡顿率从8%降至1.5%，App Store评分从4.5提升至4.8
• 设计用户场景化测试方案，模拟大促期间母婴类商品详情页的高并发访问（峰值QPS 5000+），使用Monkey测试结合自定义脚本模拟高频点击；定位到页面白屏问题，通过Android Profiler查内存泄漏，发现是Glide图片解码未及时回收导致，推动引入内存缓存策略，大促期间页面崩溃率从5%降至1%，用户关于详情页的投诉减少60%
• 推动持续集成流程优化，搭建Jenkins+Appium自动化测试Pipeline，覆盖核心用例80%；针对Pipeline因环境不稳定频繁失败的问题，使用Docker容器化测试环境（统一Android SDK、Appium版本及依赖库），构建成功率从75%提升至95%，回归测试周期从4小时缩短至2.4小时

负责公司社交App（Android端为主）的功能、性能及用户反馈闭环测试，聚焦消息传递、动态发布等核心场景的稳定性，推动App流畅度及用户留存提升

• 主导社交动态发布功能测试，结合Logcat抓取客户端日志、Android Studio调试定位问题；针对高清图（5M以上）上传失败问题，发现服务器上传超时设置过短（30秒）及客户端未做分片上传导致，推动研发将超时调整至60秒并优化分片逻辑，上传成功率从85%提升至99%，用户关于上传失败的反馈减少70%
• 执行App启动性能优化，使用Systrace分析启动流程，定位主线程耗时操作（本地缓存读取、第三方SDK初始化占比60%）；推动研发将非必要初始化移至后台线程，冷启动时间从3.2秒缩短至1.8秒，用户次日留存率从35%提升至37%
• 处理用户反馈的核心问题，针对iOS端消息通知延迟（平均延迟10分钟），使用Xcode Push Notification调试工具发现APNs证书过期及服务端重试机制缺失；推动研发更新证书并优化重试策略（指数退避算法），通知到达率从95%提升至99.5%，用户满意度评分从4.2提升至4.3
• 协助搭建性能测试用例库，整理启动时间、内存占用、帧率等核心指标用例50条，覆盖Android 9-12主流机型；用例复用率达65%，后续性能测试重复工作量减少25%

负责公司工具类App（计算器、单位转换）的基础功能测试，协助定位缺陷，参与Android/iOS兼容性测试及测试用例整理

• 执行基础功能回归测试，覆盖Android 8.0-10.0、iOS 12-14机型，手动测试结合Robotium自动化用例（覆盖60%核心功能）；累计发现12个影响核心功能的缺陷（如计算器乘法错误、数据同步失败），推动修复后缺陷关闭率100%，App基础功能稳定率达99.9%
• 参与兼容性测试，针对小米10 Pro、OPPO Find X2等机型，发现蓝牙连接不稳定问题；使用Bluetooth Profiler工具分析，定位为蓝牙协议版本（BLE 5.0）与SDK不兼容，推动研发升级SDK至最新版本，兼容性问题减少80%
• 协助搭建测试用例库，整理安装卸载、数据同步、设置功能等基础用例200条，标注优先级及测试要点；用例被后续版本复用率达70%，减少测试准备时间30%

星途互娱娱乐业务全链路压测及智能故障诊断平台研发

• 星途互娱核心业务（如春节跨年直播、新游上线）面临亿级流量冲击，现有测试体系依赖开源JMeter，存在全链路覆盖不全、分布式压测稳定性差、故障定位慢三大痛点——曾因压测未覆盖礼物系统库存链路导致大促期间超卖，或因故障定位耗时45分钟错过最佳修复窗口。我的总体职责是主导平台研发，构建“链路可观测、压测可扩展、故障可快速定位”的性能测试基础设施，支撑业务高并发场景的稳定性。
• 项目遇到三个核心技术挑战：1）娱乐业务链路长且跨系统（如直播打赏涉及用户中心、支付中台、礼物引擎、IM实时通信），传统压测无法实现端到端链路追踪；2）JMeter分布式压测时worker节点负载不均，数据同步延迟导致压测结果偏差超20%；3）故障排查依赖人工翻查日志与指标，平均定位时间45分钟，无法满足快速迭代需求。针对这些问题，我选择云原生领域主流的全链路追踪标准OpenTelemetry，解决多系统Trace关联问题；同时改造JMeter核心调度逻辑，结合一致性哈希算法优化任务分配，并联动Prometheus实现节点负载动态感知。
• 我主导了平台整体架构设计（“链路建模-分布式压测-智能定位”闭环），完成OpenTelemetry的全链路埋点方案——定义了12个核心业务的Trace规范，整合了6个异构系统的日志与指标；针对JMeter的性能瓶颈，开发了动态负载均衡模块，将worker节点任务分配均匀度从70%提升至95%以上；此外，牵头训练故障定位机器学习模型，用10万+条历史压测数据（涵盖CPU、内存、QPS、链路延迟、日志关键词）调优，实现异常特征（如支付接口延迟升高关联数据库慢查询）的自动识别。
• 项目成果直接支撑了公司核心业务稳定性：1）平台支持单场景1.2亿并发压测，覆盖了90%以上的关键业务链路，故障定位时间从45分钟缩短至8分钟内；2）压测环境搭建效率提升60%（从3天自动化到1小时），压测周期缩短40%；3）成功保障2023年春节跨年直播（峰值1.5亿在线）和《星舰指挥官》新游上线，未出现重大性能故障，为公司节省约200万元的风险修复成本。团队层面，沉淀了《娱乐业务全链路压测方法论》，培训12名测试工程师，推动性能测试从“被动验证”转向“主动预防”，成为公司级性能测试标准工具。

直播弹幕系统高可用测试体系搭建与性能瓶颈突破

• 随着直播业务爆发，弹幕系统日均处理消息量从100万条增长至1亿条，频繁出现消息丢失（峰值期0.1%）、推送延迟超500ms等问题，严重影响用户体验。当时我是团队核心测试开发，职责是搭建覆盖“功能正确性-性能容量-高可用容错”的全维度测试体系，定位并解决弹幕系统的性能瓶颈。
• 项目挑战集中在两点：一是弹幕高并发写入（百万级TPS）与实时推送的测试场景难以模拟，传统工具无法生成符合真实分布的消息流；二是弹幕系统依赖Kafka、Redis、WebSocket集群，故障注入（如Kafka broker宕机、Redis缓存击穿）依赖人工操作，无法自动化验证系统容错能力。针对消息模拟问题，我用Go语言开发了“弹幕行为仿真器”，基于用户画像（等级、活跃度）生成不同类型的消息流（文本、表情、礼物提醒），还原95%以上的真实场景；针对故障注入，整合Chaos Mesh实现Kafka、Redis的自动化故障模拟（如随机kill broker、清空缓存）。
• 我主导设计了弹幕系统的“压力梯度测试-异常场景验证-容灾能力评估”测试流程：首先用仿真器逐步提升消息量至1.5亿条/日，定位到Redis热点key导致的延迟问题——通过拆分热点key（按直播间ID+消息类型）降低单节点压力；其次用Chaos Mesh模拟Kafka集群宕机，发现系统未配置重试机制，导致5%的消息丢失，推动开发增加“死信队列+人工补发”功能；最后验证了系统在单节点故障时的降级能力（如切换至备用Redis集群，延迟控制在200ms内）。
• 项目成果直接改善了用户体验：弹幕消息丢失率从0.1%降至0.01%以下，推送延迟从500ms缩短至100ms以内，支撑了年度直播盛典（峰值2000万在线）的稳定运行。此外，开发的“弹幕仿真器”成为团队通用工具，复用在互动综艺、游戏公会的消息系统测试中，提升了30%的测试效率。这次项目让我从“执行测试”转向“设计测试体系”，积累了高并发消息系统的测试经验，为后续全链路压测项目奠定了基础。

• 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。